金融业加速智能化，解析360金融AI基础架构和应用

传统金融信贷业务中，催收、客服及电销人员占比超过 60%，人员素质参差不齐的现状造成了管理成本过高的问题，由此衍生的客户体验差，也成为困扰金融业的一大通病。

8 月 15 日，在 360金融 AI 媒体开放日上，360金融数据技术专家苏绥认为，降本增效是未来经济发展的趋势，金融机构加快运用大数据、云计算、人工智能等金融科技手段进行改革的大势，是金融科技行业深入参与新金融格局共建的风口。金融作为 AI 最佳的落地场景之一，苏绥重点讲述了 360金融的 AI 基础技术架构和落地实践。

 

360金融的四大 AI 落地实践

 

就 AI 落地最重要的数据因素而言，苏绥表示大公司垄断了数据，而 360金融的数据基础主要依托于 360集团的产品，比如手机卫士、安全卫士、手机助手。当然，AI 技术的落地价值更重要的是结合具体场景。

苏绥主要从从智能获客、智能营销、智能风控及智能催收角度全面讲述了 360金融的 AI 落地实践。

就备受关注的智能风控而言，不同于智能获客，后者是更为复杂的系统工程，在风控涉及诸多环节中，技术需要对抗的不乏具有欺诈目的的个体，因此在风控流程中不可以存在明显的短板。在智能风控环节，管理大都集中在贷前、贷中、贷后三个环节，但360金融将智能风控前置进获客阶段，从而将智能风控扩展至客户全生命周期，并通过精准量化风险，让公司收入、成本、业务规模等多元目标之间实现平衡和优化。苏绥透露，360金融智能风控自动化过件率高达97%，在这当中地址热力图和复杂关系网络系统发挥了支撑作用。

360金融构建的地址热力图，依托于地图的底层数据，通过对城市中单位范围所包含的设备接入数量进行颜色标示、升维等操作，将多种变量结合起来，进而形成判断每个点的GDP信息综合分析出客户的风险大小的依据。“颜色越深代表人口密度越大，通过业务发现，人口密度相对较低的区域，风险会相对更高。”苏绥解释道。

除了地址热力图，苏绥还分享了360金融的另一大智能风控技术——复杂关系网络。苏绥介绍，与表现为蓝色关系点的正常客户相比，拥有风险属性的客户将会在复杂网络上显示出更多红、灰色节点，这些点即代表了不同程度的风险。在此基础上，360金融通过与黑名单客户连接，提取相应指标，综合了解客户的风险大小。

作为分享的重点，苏绥介绍了语音机器人在金融场景各环节的应用。早在 2017 年，360 金融通过自主研发的语音机器人改善了传统业务表现，解放了约 70% 的人力成本，提升了催收效率和客户体验。不过，由于银行等金融机构相对保守，对合规性要求较高，机器人催收的全面普及还需要一段时间。

苏绥认为，360金融语音机器人的优势在于顶层话务系统中 NLP 技术的优势，当然更重要的是他们积累了大量的对话数据。

更具体的，为了给用户进行积极的心理暗示，360金融语音机器人会提取用户方言进行应答，更为贴近用户感知；另一方面，为降低人工情绪与效率带来的影响，同时补足 AI 在应用中的机械缺陷，360金融采取人机结合的方式开展相关业务并进行能力输出；最后，360金融语音机器人每日可完成 100% 质检，在时效性方面达到了 h+1 的快速应答。”据了解，360语音机器人的情绪检测功能已在应用中表现出一定的能效，未来将会进一步应用于相关业务流程。

 

AI+金融的发展趋势

 

在分享的最后，苏绥从行业和技术角度分析了 AI+金融的发展趋势。

从行业角度看，苏绥认为未来的竞争是综合能力的竞争，包含流程、效率等在内的产品体验将会成为重要的衡量标准。行业正在表现出去人工化、在线化和智能化趋势，从而进一步解决金融服务的广度、深度和满意度的问题。

从技术角度出发，各种行为数据将会被更加充分的利用。目前传统金融机构积累的大量纸质化信息的价值尚未被完全发掘，非结构化数据的应用将改变数据的结构化价值。此外，大型企业目前都在构建数据中台、算法中台，以解决数据孤岛、多元、异构数据融合，打造业务闭环，而中小公司的云端化趋势会加速，这些公司都将在数据处理、发掘、打通环节中发挥不同的作用。