AI嵌入消金公司核心业务:风控智能体“上岗”

转自：中国经营网

中经记者 郑瑜 上海报道

近期，国家网信办、国家发展改革委、工信部联合印发《智能体规范应用与创新发展实施意见》（以下简称《实施意见》），明确要求研发金融风控智能体，提升信贷审批、交易监控、账户安全等环节的风险识别能力，推动 AI 智能体在金融核心风控领域从试点探索走向制度化应用。《实施意见》的出台，被业内人士解读为金融风控智能体驶入 " 快车道 " 的重要信号。

消费金融公司的 AI 应用，正在从客服这类外围环节，向贷中审查、贷后催收等直接作业流程渗透。

今年 7 月，兴业消费金融股份公司（以下简称 " 兴业消金 "）在兴业银行（601166.SH）采购门户发布《兴业消费金融股份公司数据中台及相关智能体建设采购项目》供应商征集调研公告。公告显示，该项目涵盖数据分析实验室、数据资产中心等模块。公告同时要求，供应商配备专门的智能体开发工程师。

近期，《中国经营报》记者就 AI、大模型及智能体的落地情况向多家持牌消费金融公司发出采访函。多家消费金融公司回复显示，AI 在消费金融行业的落点已不再局限于智能客服与内部办公，审查辅助智能体、智能催收记录等直接嵌入业务作业流的应用，正陆续进入生产环境。与此同时，自研、外采与观望的分层，也在这一轮投入中变得更加清晰。

从客服到审查

兴业消金在回复中表示，公司以统一数据底座为基础，通过数据中台与标签底座的协同打通数据孤岛，同时构建国产信创私有化算力底座，保障高敏感数据不出域。

在具体场景上，兴业消金方面称，在风险审查环节引入审查辅助智能体，与人工经验及系统策略形成有效互补，在风险可控的前提下提升贷前贷中调查的时效性；在催收场景中，以自动语音识别技术（ASR）配合大模型实时生成标准化催收记录，提升记录的标准化、合规性与作业效率。

授信与交易环节的实时风控是另一处落点。重庆蚂蚁消费金融有限公司（以下简称 " 蚂蚁消金 "）方面介绍，2025 年花呗引入多智能体协同技术，对其智能实时场景风控系统作了升级，在用户分析、模型搭建、策略制定与审批流程等环节整体优化，并强化了对非结构化数据的处理能力。

在多智能体协同框架下，蚂蚁消金搭建了 " 主子智能体大脑 "，由主智能体拆解授信、审批等复杂业务并规划任务路径，再分发给客群分析、特征工程、策略寻优等子智能体。蚂蚁消金方面称，升级后的系统可自动生成人生阶段、消费偏好等 120 余种动态标签，策略研发周期由 30 天压缩至 72 小时，全链路自动化率超过 90%。

催收是本轮 AI 落地中合规要求最密集的环节之一。马上消费金融股份有限公司（以下简称 " 马上消金 "）方面表示，AI 主要参与实时外呼沟通，以及拨打后的个性化短信内容生成、通话质检等任务。

对照《互联网金融 个人网络消费信贷 贷后催收风控指引》，马上消金从留痕与话术审核等维度作了技术适配。话术审核方面则搭建了实时质检与离线质检两套系统，前者内置敏感词库，对 AI 语音通话和短信作实时拦截，后者基于大模型对对话记录作深度分析，结果用于警示座席并反向优化 AI 系统。

在贷后与消保的另一端，招联消费金融股份有限公司（以下简称 " 招联消金 "）把智能体用在了投诉的前置识别上。招联消金方面表示，其于 2023 年 11 月发布 " 招联智鹿 " 大模型，并推动其从单一的模型微调向 " 模型能力 + 工程能力 " 的智能体应用转型。

蚂蚁消金则把 AI 用在了纠纷调解环节。调解前由 AI 助手梳理纠纷经过并预判争议点，沟通中以语音转写、语义理解等技术辅助人工，复杂纠纷则由 " 帮我回答 " 智能体生成调解方案。

海尔消费金融有限公司（以下简称 " 海尔消金 "）的落点则更偏向风控前端。海尔消金方面称，其 2024 年提出并部署 "AI First" 战略。在风控方面，通过多模态特征融合技术识别 16 类伪造证件。海尔消金自主可控研发的智能反欺诈系统，严格落实《实施意见》，辅助反欺诈识别精准度提升至 99.2%。

杭银消费金融股份有限公司（以下简称 " 杭银消金 "）在回复中介绍，其营销环节部署了营销智能圈选智能体与客户经理企微助手；风控环节借助大模型，辅助策略人员分析策略表现，工作效率提升约 30%；合规与审计场景则上线了合同比对、合同预检与审计日志分析类智能体。

针对上述消费金融公司在智能体应用方面的变化，招联首席经济学家、上海金融与发展实验室执行主任董希淼认为，这是模型能力、成本与业务压力三重共振的结果。在技术上，开源生态与信创硬件适配令私有化部署成本显著下降；在业务上，行业不良出清使贷后合规刚需与风控时效压力陡增，倒逼 AI 嵌入实际作业流以替代低效人工。

投入产出怎么算

在受访机构中，技术路线的差异颇为明显。

马上消金选择全链路自研。马上消金方面称，其 2023 年 8 月发布零售金融大模型 " 天镜 "，目前已迭代至 3.0 版本，覆盖零售金融八大核心场景，服务超 2 亿用户。谈及自研原因，马上消金方面提到，行业业务流程与合规规则特殊性较强，自研可实现定制化适配。

海尔消金走的则是混合路线。海尔消金方面表示，围绕金融场景的合规、成本和体验，底层大模型主要与国内头部厂商合作，上层业务模型则以自研为主。

招联消金在自研基础上还实现对外输出。招联消金方面称，其研发人员超过 60%，目前已与超过 100 家同业机构达成合作，在数智消保、贷后管理等领域开展面向同业的科技输出。

上述差异背后，是业内已成共识的分层格局。董希淼分析称，头部消费金融公司因具备自建智算中心与高密度研发人才的实力，可支撑全链路自研；中部公司受预算限制但场景明确，选择外采通用底座与平台；尾部公司则因千万级算力投入与百万级人才成本而无力跟进。但他强调，预算只是入场券，数据积累与场景复杂度决定了各层的最终上限：头部有海量真实业务数据反哺模型迭代，中部外采虽能快速补齐底层能力，却难以突破自研玩家的天花板。

博通咨询首席分析师王蓬博持相近判断。他表示，算力预算肯定是原因之一，但只是表层约束，分层主要由数据积累、场景深度与商业化诉求共同决定。

在行业分化、不良出清的阶段密集投入 AI，投入产出该怎么衡量？王蓬博认为，短期应主要衡量人力替代效率以及流程处理时效，中长期才会重点观察风控识别能力、催收回款效率能否带动不良指标优化。他同时提醒，AI 投入存在明显滞后效应，很难立刻看到利润改善，机构应优先从贷后催收、流程审核这类见效快的场景切入试点，再逐步向风控前置场景延伸。素喜智研高级研究员苏筱芮则提出降本、增效、风险管理与合规四个衡量维度。

从受访机构披露的数据看，可量化的效果目前多集中在效率端。马上消金方面称，截至 2025 年年末，其累计研发投入超 60 亿元。以客服智能体为例，单产效能提升 2.4%，智能分流率达 94%，转人工率压降至 6% 以下。

风险边界则是多家机构在回复中主动提及的部分。杭银消金方面提出 " 安全围栏内创新 " 的思路，将风险管理贯穿 AI 项目立项至系统退出的全生命周期，立项阶段即要论证非智能化替代方案的可行性，上线阶段严格执行灰度发布并配套人工复核，一旦发现异常可及时暂停模型调用。

杭银消金方面也坦承智能体建设中的困难：场景需求提炼与验收口径难以统一，模型的可靠性、可解释性和输出可控性仍需提高，而合同核验、策略优化等场景对输出准确性要求极高，评测与迭代闭环的建立也耗时费力。杭银消金方面呼吁行业共建金融可信知识库与安全评测工具，并期望在监管指导下构建共享算力基础设施，以降低中小机构的应用门槛。

海尔消金也划出了一条边界：严格执行人机协同管控，设置人工终审机制，AI 仅作辅助研判，只有在规则可约束、行为可审计、责任可厘清的前提下，才会将智能体上线应用。

马上消金方面表示，未来 12 个月将聚焦两大重点：一是深化智能体在金融场景中的落地应用，二是完成自主训练的 20B 参数规模金融基础大模型，逐步替代现有开源模型。海尔消金则将未来 12 — 18 个月的重点概括为 " 稳、准、可控 "，即修牢智能体 " 护栏 "、 在自主可控的前提下逐步深化智能体应用，同时进一步强化多模态风控的穿透力。

不过，在密集投入之下，行业仍需保持冷静。董希淼提醒，AI 并非万能解药，其投入产出应结合不良周期下的实际风险表现审慎评估，避免将业绩改善简单归因于技术投入，AI 更多是提升竞争力的必要条件，而非充分条件。