人工智慧估值太高都投不起 但質量卻良莠不齊

「現在人工智慧估值很高，我們想投都投不起。」一位互聯網消費金融機構負責人感慨說，此前他們打算參股投資一家基於人工智慧提升風控效率的機構，一問估值嚇了一跳，比他們整個平台的估值還高出不少。

如今，他更慶幸自己當初沒有投資。

究其原因，人工智慧的迅速崛起，難免導致行業良莠不齊——尤其是人工智慧在互聯網消費金融領域的「偽應用」日益增多，比如一家人臉識別機構宣稱可以為消費金融平台開展遠程面簽，人臉識別成功率超過90%，但不少平台測試後發現，借款人所處場景的燈光角度對人臉識別準確性產生不小衝擊，導致平台只能重新採取線下面簽方式評估借款人是否存在欺詐行為。

21世紀經濟報道記者也注意到，在美國股權投資機構也開始對人工智慧在消費金融領域的「偽應用」日益警惕。尤其是一些標榜「人工智慧」的美國消費金融機構，其風控核心仍然是基於採取人工經驗判斷，對借款人貸款風險進行評估。此外，不少宣稱圖像識別、語言識別準確度極高的消費金融平台，並沒有因此有效降低運營成本提升運營效率。

「偽應用」悄然興起

在這位大型消費金融機構首席技術官看來，人工智慧在互聯網消費金融領域的應用，主要集中在獲客、客服、風控、催收等環節。

比如在風控環節，人工智慧通過大數據分析與機器深度學習，不斷優化風控效率降低壞賬率同時，還能給予借款人更精確的風險定價；在催收環節，人工智慧可以針對不同資產、職業、年齡的逾期借款人設定個性化的催收還款方案，在合適的時間給借款人發出催款信息，既能顧及借款人面子又能提醒他們儘早還款，提高催收效率；在獲客環節，基於人工智慧的人臉識別、語音識別技術可以協助平台完成遠程面簽，降低線下人工運營成本。

「不過，人工智慧是否很好兌現這些預期，的確存在不小的挑戰。」他直言。

多位互聯網消費金融機構負責人向21世紀經濟報道記者直言，他們都曾遭遇人工智慧偽應用現象，比較常見的是人工智慧機構抓住平台擔心暴力催收的「心理」，推薦基於人工智慧的催收模式，宣稱能大幅縮減催收團隊人數。

「但它的實際應用效果不夠理想。」一位消費金融平台負責人告訴21世紀經濟報道記者記者。後來他了解到，這家機構是照搬美國的人工智慧催收技術，但中美兩國消費金融環境截然不同——美國有著成熟的個人徵信體系，借款人違約就會被列入黑名單，導致日常生活、旅遊舉步維艱；中國個人徵信體系不夠完善，導致欺詐型借款人增多，加之違約成本較低，美國的人工智慧催收模式未必適合中國國情。

「其實，國內消費金融領域還存在很多黑中介，他們針對一些人工智慧的面簽、風控流程，會專門製作培訓教材教導借款人如何通過風控審核，若消費金融平台完全依賴人工智慧風控技術，很可能會遭遇大量壞賬。」他進一步指出。事實上，國內不少標榜人工智慧的風控模型，其核心風控評估標準依然是借款人是否擁有人民銀行徵信記錄，芝麻信用分是否超過660分，難以凸顯其對風控效率的提升作用。

在上述大型消費金融機構首席技術官看來，人工智慧要在互聯網消費金融領域發揮作用，需要三大條件，一是海量大數據，包括借款人社交、以往消費行為、職業、社會繳金記錄、婚姻狀況、年齡等，並且平台能夠從中找出有價值的數據，作為評估借款人還款意願與還款能力的重要依據；二是平台需要擁有一個合適的風控模型，與這些數據相匹配並通過大數據分析不斷優化風控、獲客、催收、客服效率；三是平台要有足夠多的專業人才，對人工智慧技術不斷完善，確保整個業務趕得上市場變化。

理想和現實間的巨大差距

在業內人士看來，服務互聯網消費金融領域的人工智慧機構之所以能獲得很高估值，另一個重要原因是不少消費金融平台對人工智慧的機器深度學習抱有相當高的期望值。

不少機構甚至認為，儘管很多人工智慧技術現在看起來算是偽應用，但隨著機器深度學習能力的不斷增強，有朝一日它或許能大幅提昇平台的運作效率，成為平台的新核心競爭力。

「不過，機器深度學習有時也會起到雙刃劍作用。」這位大型消費金融機構首席技術官指出，比如在智能風控領域，機器深度學習得出的風控結論，往往是難以解釋的。

上述消費金融平台負責人對此也感同深受。此前他們專門為小微企業主研發了一款線下消費信貸產品，當時產品研發團隊認為有房有車的小微企業主還款風險不高。但人工智慧風控模型得出截然相反的結論——沒有房產的小微企業主壞賬率會低於有房產的。

「起初我們也想不通為何會有這樣結論。」他回憶說，後來大家多方討論認為，人工智慧的邏輯是不少小微企業主喜歡拿房產去不同機構重複借款，導致壞賬風險驟增。不過，人工智慧風控模型通過哪些風險因子與借款人數據得出這樣的觀點，他們至今都沒搞明白。

「深度學習還可能存在過度彌合問題。」這位大型消費金融機構首席技術官透露，比如不同借款人是否有公積金繳款記錄，以及不同借款人在京東、天貓不同電商平台的消費記錄，都會通過人工智慧得到完全不同的風控結論，不少風控結論在實驗論證階段看似相當有道理，但經不起實踐考驗。

在他看來，機器深度學習模型能否行之有效，關鍵在於技術團隊能否對人工智慧進行有效干預，通過有效調整風險因子參數，讓風控模型及結論更貼近實際環境。

「其實，不少消費金融機構也知道人工智慧機器深度學習技術的瓶頸，但他們還是刻意放大它的積極作用，因為這有助於提升消費金融平台的整體估值，獲得更多的股權融資。」多家消費金融機構負責人直言，這也是互聯網消費金融領域人工智慧企業估值持續走高的最大驅動力之一。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！