在數(shù)字化浪潮下，傳統(tǒng)金融機構(gòu)正面臨變革，外部經(jīng)營環(huán)境不確定性提升、內(nèi)部成本壓力、客戶群體結(jié)構(gòu)變遷等，都在倒逼著金融業(yè)踏上破局之路。對于消費金融機構(gòu)而言，通過數(shù)字科技服務(wù)有金融服務(wù)需求的社會各階層和群體，是其重要機遇之一。
　　但機遇面前，消費金融機構(gòu)也面臨不小的挑戰(zhàn)：轉(zhuǎn)化效率低、投入產(chǎn)出比不高、建設(shè)周期長、獲客成本高等都是當今時代消金機構(gòu)面臨的痛點。
　　何解？科技是答案。面對小額、高頻、分散、海量的客服服務(wù)，唯有向技術(shù)要效率。
　　據(jù)了解，馬上消費成立8年以來，科技研發(fā)投入超33億元，公司建立了一套涵蓋云計算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等多種前沿技術(shù)的數(shù)字化技術(shù)體系，實現(xiàn)了從數(shù)據(jù)采集、存儲、分析、應(yīng)用到安全保障的全流程智能化管理。
　　通過技術(shù)賦能，馬上消費有效提升了金融服務(wù)的效益和質(zhì)量。公開數(shù)據(jù)顯示，馬上消費基于大模型驅(qū)動的金融智能客服，客服團隊效率提升10倍，用戶好評率提升23%；通過精細的資源管理優(yōu)化技術(shù)，云平臺CPU利用率提升到行業(yè)平均水平4倍，2022年節(jié)省IT硬件采購成本數(shù)千萬元；營銷素材AI自動質(zhì)檢流程立項后，機器人“秒級”內(nèi)容審核率已達80%。
　　并且，公司主動融入國家與地方發(fā)展大局，踐行企業(yè)社會責任。以產(chǎn)業(yè)界通用的納稅額與用地面積、員工數(shù)的比值來看，2023年，馬上消費米均納稅達24萬元/平方米，人均稅收貢獻66萬元/人。
　　營銷方面，馬上消費不斷淬煉數(shù)據(jù)、團隊組織能力以及技術(shù)能力等，通過自研平臺，打通用戶感知、圈選與轉(zhuǎn)化的鏈路，最終打造出不依賴于第三方流量、能夠自主獲客的數(shù)字化營銷體系，從而擺脫了依靠大量投放換取增長的路徑。
　　在風控領(lǐng)域，馬上消費依托10萬變量特征、2000多個風控策略、決策及數(shù)據(jù)模型算法筑起全流程、體系化的風險防火墻，防范金融風險。
　　在技術(shù)的賦能下，馬上消費人工智能系統(tǒng)由傳統(tǒng)的機器學習躍遷到大規(guī)模特征計算和以大模型為代表的新一代AI應(yīng)用體系。
　　今年8月，馬上消費正式發(fā)布全國首個零售金融大模型——“天鏡”大模型，先后入選省部級重大科技項，榮獲重慶市專利獎、申請發(fā)明專利100余項（其中國際PCT近10項），被收錄于中國人工智能系列白皮書《大模型技術(shù)（2023年）》。依托金融大模型相關(guān)技術(shù)，公司參編IEEE全球首個金融風控大模型標準、《金融大模型智能服務(wù)平臺關(guān)鍵技術(shù)研發(fā)及應(yīng)用》成功入選重慶市科技局2023年度技術(shù)創(chuàng)新與應(yīng)用發(fā)展重大專項，《基于大模型驅(qū)動的智能客服平臺》上榜工信部移動互聯(lián)網(wǎng)應(yīng)用服務(wù)能力提升優(yōu)秀案例名單、榮鷹中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）十大潛力應(yīng)用案例，以新技術(shù)創(chuàng)新賦能產(chǎn)業(yè)變革，全方位推進數(shù)字化轉(zhuǎn)型。
　　大模型作為“大腦”，基于認知推理的復(fù)雜任務(wù)拆解，精密規(guī)劃并調(diào)用相應(yīng)工具和小模型，大模型+小模型，打通金融服務(wù)的“最后一公里”，在營銷獲客、風險審批、客戶服務(wù)等多個零售金融場景實現(xiàn)應(yīng)用。記者專訪了馬上消費首席信息官蔣寧，一起聊一聊馬上消費成立以來不同發(fā)展階段的技術(shù)迭代，同時呈現(xiàn)科技創(chuàng)新給馬上消費帶來的發(fā)展成效。
　　關(guān)于馬上消費心理學研究與大模型、數(shù)據(jù)研究的結(jié)合，這種成熟的應(yīng)用在國內(nèi)很罕見，當時是怎么產(chǎn)生這種動念的？
　　蔣寧：新時代發(fā)展強調(diào)在更廣范圍內(nèi)滿足人們對美好生活的向往，對金融服務(wù)而言，質(zhì)效提升十分重要。當前零售金融面臨以下幾個問題：一是效率低，對比企業(yè)貸款，零售貸款涉及到大量個人，且金額較小，需要處理大量個人相關(guān)信息；二是投入產(chǎn)出比低；三是建設(shè)周期較長，比如零售金融頭部機構(gòu)招商銀行在這個領(lǐng)域已積累長達30多年。
　　為了改善這些問題，信息化、平臺化、自動化是解決方案。但這個過程始終需要人與人之間的互動，因為純?nèi)斯ぶ悄芊椒y以完全替代人的服務(wù)。提供溫暖人性化的服務(wù)非常重要，但人工智能技術(shù)還存在很多局限，和消費者期待的“智能”還有一定距離，很難實現(xiàn)基于心理、情緒的極致體驗。
　　為了保證服務(wù)質(zhì)量，必須賦予數(shù)字金融服務(wù)一定情感色彩。因此，我們就思考如何通過聲音語調(diào)、文字特點等方式讓智能客服具備情緒感知能力，從而提升效率。
　　為了實現(xiàn)這一目標，我們和西南大學教授碰撞。起初，他們對這個非常前沿的課題有所猶豫，但是看到我們必做的決心，且有客群、語言文字等大規(guī)模數(shù)據(jù)基礎(chǔ)，可行性較高。在雙方合作研發(fā)的努力下，在現(xiàn)有模型中引入了MBTI人格心理學的16種人格類型分析研究，希望能夠更好地理解消費者的個性化需求，提供更加高效的服務(wù)。
　　你剛才談到“有溫度的服務(wù)”，如果我們從技術(shù)角度拆解來看，這個“溫度”是由什么來構(gòu)成的？
　　蔣寧：我和心理學老師交流時發(fā)現(xiàn)，心理過程包括：接受信息、感受信息、處理信息。
　　感受信息有時候是根據(jù)直覺判斷，但有時候也可能基于邏輯判斷，更為理性。按照心理學的邏輯，這是因為信息有上下文，有input和output。
　　什么是input和output？即“一問一答”。如果話與話之間存在明確的邏輯關(guān)系，那么這個客戶可能是基于理性判斷。舉個例子，如果客戶的選擇依據(jù)合同、講話有理有據(jù)，那么他可能比較理性；如果input和output之間沒有明顯的聯(lián)系，并且語言與語調(diào)有很多情緒變化，那就可以判斷這是感性的。
　　基于以上邏輯，我們可以利用大量的input和output信息進行對比測試。經(jīng)過百萬組對話的訓(xùn)練，并引入心理學MBTI十六種人格測試，取得了一些成果。盡管心理學不像自然科學，每個人都是動態(tài)變化的，可能時而感性、時而理性，但至少可以以心理學理論為支撐，并結(jié)合最新的人工智能技術(shù)和大模型的語言解析能力，提供相對可靠的支撐。
　　個人認為這些實驗可能對心理學也是一種很大的促進，尤其是數(shù)據(jù)的支撐，能驗證很多理論假設(shè)，這與之前的心理學實驗完全不一樣，這個事你是從什么時候開始的？
　　蔣寧：大概從2019年開始做，從最開始沒有理論支撐，就在通過語言語調(diào)的變化等基礎(chǔ)工作來做情感識別。
　　目前心理學的情緒因子，在馬上消費整個風控體系中占比多大？
　　蔣寧：心理學被用來解決運營效率低的問題，在金融運營中包括貸前、貸中和貸后。在貸后階段，心理學的運用較為廣泛，因為貸款后客戶可能對交易規(guī)則、產(chǎn)品服務(wù)、還款規(guī)則等產(chǎn)生異議，這時候會有大量客戶來進行溝通。而在貸前階段，心理學運用相對較少，因為貸款是一種相對剛性的需求，客戶的關(guān)注點主要在于獲取貸款，心理因素在此階段的影響相對較小。
　　目前，在公司風控層面，聲音、文字、圖片等非結(jié)構(gòu)化數(shù)據(jù)已經(jīng)得到廣泛應(yīng)用。舉個例子，貸款后客戶通過電話進行溝通時，他特別關(guān)注還款方式、逾期后是否影響個人的央行征信。這些信息對評估個人風險是非常有幫助的，如果客戶特別關(guān)注違約是否會上央行征信，那說明客戶很在乎個人信用，那么這個客戶的欺詐風險較低。因此，對客戶的風險評估就可能更需要關(guān)注的是額度和信用風險。通過對客戶的聲音、文字進行人工智能處理及心理學分析等，科技將人工智能最基本的技術(shù)轉(zhuǎn)化為對客戶的風險評估，這也是研究人工智能的初衷。
　　能否請你把馬上消費成立8年以來技術(shù)迭代的進程做一個全面的介紹？
　　蔣寧：技術(shù)的發(fā)展不是一蹴而就的，是不斷的積累和迭代。我將按照能力發(fā)展的視角分成四個階段：一是初創(chuàng)階段、二是創(chuàng)新階段、三是平臺化階段、四是生態(tài)化階段。
　　在初創(chuàng)階段的特點，就是要快速開業(yè)，并且滿足監(jiān)管合規(guī)的要求，具備基本的展業(yè)能力。半年后進入第二階段——創(chuàng)新階段。
　　如果按照“矛盾的普遍性和特殊性”來講，第一階段就是矛盾的普遍性，第二階段是矛盾特殊性。在創(chuàng)新階段，基本上要把公司的系統(tǒng)全部進行打造，實現(xiàn)自我掌控，但這個階段還不具備大規(guī)模的創(chuàng)新能力，包括團隊、數(shù)據(jù)、業(yè)務(wù)模式等都是局部創(chuàng)新。
　　第三階段主要是大規(guī)模創(chuàng)新平臺化，比如分布式系統(tǒng)、數(shù)據(jù)中臺、定量風險管理、個性化體驗、自動化流程、平臺化運營等。這個階段主要是在2017-2020年，當時形成了上百個產(chǎn)品。整體而言是一個從集中走向分散，從共享走向?qū)I(yè)的過程，實現(xiàn)了風險的定量、個性化的服務(wù)體驗、自動化的流程、智能化的運營等關(guān)鍵性目標。
　　第四階段是走向生態(tài)前沿，成為一家科技驅(qū)動的新型企業(yè)。在科技板塊，馬上消費以科技實力比肩科技公司為定位，與場景融合，包括消費場景、資金場景等，與銀行合作、第三方數(shù)據(jù)公司合作，成為一家生態(tài)化的企業(yè)，在確保安全可信合規(guī)的前提下，把我們的科技能力變成開放性的能力。
　　傳統(tǒng)角度來看，利差模式是非常好的模式，為什么還要去探索科技能力？這是不是一個苦活兒？
　　蔣寧：科技自立自強是新時代企業(yè)發(fā)展實現(xiàn)高質(zhì)量發(fā)展、高水平安全的核心。這段時間，剛成立的國家數(shù)據(jù)局深入調(diào)研平臺企業(yè)，并將持續(xù)發(fā)布平臺企業(yè)典型投資案例。在數(shù)字經(jīng)濟時代，平臺模式是發(fā)揮“數(shù)據(jù)要素”潛能的重點方向。
　　以亞馬遜模式為例，它給我們帶來的啟示是通過業(yè)務(wù)鍛煉科技能力，從而拓展開放性的能力并形成新的科技收入。因此，我們的思考就是如何在基礎(chǔ)業(yè)務(wù)模式上構(gòu)建我們核心能力，以及如何將這些核心能力轉(zhuǎn)化為開放性服務(wù)，賦能我們的生態(tài)合作伙伴。這些核心能力的背后就是科技能力的差異，因此我們必須加大科技能力的投入和建設(shè)，來支持我們在金融領(lǐng)域的長期發(fā)展。
　　在金融機構(gòu)的發(fā)展中，有兩條路徑可供選擇：一是靠股東不斷追加資本金才能擴大規(guī)模，二是靠自營業(yè)務(wù)產(chǎn)生收益來補充資本。無論選擇哪一條路，都難以實現(xiàn)持續(xù)的增長模式。
　　我們希望通過金融業(yè)務(wù)的數(shù)據(jù)、場景、算法、平臺形成核心能力。目前，我們的營銷、風控、貸后管理能力皆在向開放性業(yè)務(wù)轉(zhuǎn)化，預(yù)計今年的收入來源比例分布更加穩(wěn)健。
　　在此前的演講中，你談到“盡量不依靠第三方流量，要建立自主獲客的數(shù)字化營銷體系”，請問是怎么做到的？
　　蔣寧：國家發(fā)改委近期發(fā)布“數(shù)據(jù)要素×”行動計劃，其中金融服務(wù)是重點支持的十二個行業(yè)方向之一。金融是發(fā)揮數(shù)據(jù)要素乘數(shù)效應(yīng)的典型場景，其中最核心的板塊在營銷和風險管理上。
　　金融是典型的高價值低頻的業(yè)務(wù)，獲客成本非常高，且客戶易流失。在互聯(lián)網(wǎng)的浪潮下，隨著線上化、移動化程度的提高，互聯(lián)網(wǎng)的平臺擁有大量的生活場景和客戶，金融機構(gòu)必須和這些互聯(lián)網(wǎng)平臺合作，往往付出昂貴的獲客成本。金融機構(gòu)自建老百姓衣食住行的場景難度比較大，這樣，金融機構(gòu)逐步變成了單純的風險產(chǎn)品持有者，失去提升用戶體驗和忠誠度的機會，也缺乏對消費者的了解，很難研發(fā)出以用戶為中心的個性化的產(chǎn)品和服務(wù)。
　　早年，馬上消費也是和場景合作，相當于批發(fā)業(yè)務(wù)。雖然可以快速形成一定業(yè)務(wù)規(guī)模，但上游平臺獲取了大部分的利潤，導(dǎo)致我們的利潤比較薄，主要獲得的是團隊、數(shù)據(jù)以及公司組織能力等。
　　走過批發(fā)階段，我們開始探索做自營，打通客戶感知、客戶轉(zhuǎn)化、客戶運營的完整鏈條。其中客戶感知最難，需要進行廣告投放、品牌宣傳、APP的宣傳活動等來觸達客戶，同時要與廣告平臺博弈，還存在快速漲規(guī)模但利潤不高等挑戰(zhàn)。此外，還可能存在廣告投放不準、難以轉(zhuǎn)化、轉(zhuǎn)化之后“一錘子買賣”等問題。金融機構(gòu)運營的難點包括二次貸款、交叉營銷，這既涉及組織的協(xié)作問題，也涉及產(chǎn)品之間的割裂。
　　在轉(zhuǎn)化和運營環(huán)節(jié)，我們需要利用智能化手段，包括人機協(xié)作、智能機器人等提高轉(zhuǎn)化效率，降低營銷成本。經(jīng)過長時間的摸索、打磨，馬上消費逐漸把“自營”從一個既沒有規(guī)模又不賺錢的模塊，轉(zhuǎn)變?yōu)橄荣嶅X再擴大規(guī)模的模式。目前，我們70%的客戶是自營客戶。這是一個艱難的過程，必須經(jīng)歷批發(fā)階段，讓客戶意識到我們的價值，然后再把這個價值轉(zhuǎn)化為實際收益，持續(xù)進行長久的經(jīng)營。
　　這也是很多行業(yè)特別頭疼的問題，比如多年以前酒店行業(yè)就高喊“甩掉攜程”，多年過去后，真正能“甩掉攜程”的只有華住。
　　蔣寧：對，這是全行業(yè)的事情。比如金融行業(yè)里最理想的戰(zhàn)略模式就是金融超市，銀行就是一個典型的金融超市概念。
　　但很遺憾的是，當下銀行潛在的客群面臨威脅，主要是因為銀行的物理網(wǎng)點經(jīng)營的都是老年人，年輕人很少去銀行。所以，對于當今的金融行業(yè)來講，把“線上能力”修煉好一定是條光明之路。要修煉好“線上能力”，渠道、營銷能力是非常核心的競爭能力。
　　如何通過數(shù)據(jù)技術(shù)把營銷、風控等能力串在一起？
　　蔣寧：一是以用戶為中心的產(chǎn)品和服務(wù)體系，傳統(tǒng)金融機構(gòu)不是以用戶為中心，而是以產(chǎn)品為中心；二是生態(tài)化的平臺能力；三是數(shù)據(jù)決策的技術(shù)，包括用戶的圈選、轉(zhuǎn)化；四是以人機協(xié)作、人工智能為核心的智能化及個性化的體驗工具。
　　以用戶為中心，對金融而言最重要的是風險定量、價格個性化。例如，馬上消費根據(jù)風險、時間等指標，實時動態(tài)評估不同的額度、利率，這需要解決交易問題、會計核算等問題，對整個金融系統(tǒng)和架構(gòu)平臺的挑戰(zhàn)非常大。我們目前有700多個產(chǎn)品，核心交易系統(tǒng)是基于用戶為中心的動態(tài)定價系統(tǒng)。這也使得我們的產(chǎn)品能快速在各種場景上展開合作，與資金、資產(chǎn)方進行多方交易、多方核算。
　　在數(shù)據(jù)決策方面，主要涉及圈選、轉(zhuǎn)化。首先是在茫茫人海中找到我們的目標用戶，在不同生態(tài)平臺上，用戶特點差異較大，因此我們一直在分析用戶特點，深入洞察用戶，已實現(xiàn)基于用戶行為軌跡來分析，了解其特點。其次是精細化轉(zhuǎn)化，通過算法創(chuàng)新、數(shù)據(jù)平臺創(chuàng)新等實時動態(tài)分析用戶的因果行為、實時行為，了解為什么用戶進行轉(zhuǎn)化和購買，以及用戶行為背后的相關(guān)因素。這也涉及到全生命周期的數(shù)據(jù)決策能力，并且通過轉(zhuǎn)化結(jié)果的歸因來完成大量的分析和嘗試工作。
　　個性化體驗方面要求針對不同的客戶，APP展示不同的內(nèi)容。比如，針對剛借款的客戶，展示的內(nèi)容可能不是信貸產(chǎn)品，可能是騰訊視頻會員等合作方權(quán)益的推薦。這就需要啟動人工智能，確保每一刻展示的都是基于客戶洞察的個性化內(nèi)容。
　　你如何定義一次好的金融服務(wù)？
　　蔣寧：中央金融工作會議強調(diào)，新時代金融要推進高質(zhì)量發(fā)展。馬上消費在提供金融服務(wù)上，尤其注重運用數(shù)字技術(shù)，提升金融服務(wù)的覆蓋性、可得性。
　　首先，好的風控能力非常重要。信貸是上帝的禮物，讓人們能提前享受美好生活。但資金成本被少量不還錢的人推高了。如果風控做得好，那就能讓更多的人以更低的成本享受到更好的金融服務(wù)。
　　在好的風控基礎(chǔ)上，我們要提高普適性和對客戶類型的包容性，提供更高的普惠性服務(wù)，以更好的價格提供個性化的產(chǎn)品。
　　馬上消費的營銷端的確與很多金融機構(gòu)不一樣，營銷是向外的一個過程，風控更多是基于已有的數(shù)據(jù)向內(nèi)，公司的風控與其他金融機構(gòu)是相似的嗎？
　　蔣寧：不能說差異很大，但思路不同。我們構(gòu)建一個特征空間來描繪違約的變量特征，未來目標是要做到百萬變量特征，實現(xiàn)風險的更加精準、實時識別，進而控制風險，降低營銷成本。
　　但百萬特征面臨的挑戰(zhàn)較大，舉個例子，這些特征相當于廚師做菜時冰箱里的原材料，有中餐系列、西餐系列、辣的、咸的、保質(zhì)期長或短、加工路徑很復(fù)雜等問題，可能還會不斷變換。簡言之，基于大規(guī)模特征做決策，需要構(gòu)建工程化、體系化的支撐能力。
　　公司目前擁有2000多個小模型，為什么要做這樣的事情？
　　蔣寧：金融機構(gòu)的獲客、風控，要么依靠人，要么依靠智能化手段。我們必須在保質(zhì)保量的基礎(chǔ)上降低成本，因此選擇了科技驅(qū)動的道路，強化人工智能技術(shù)的研發(fā)是必然的。
　　要走科技之路，就得比肩科技巨頭。
　　今年8月份，公司發(fā)布了“天鏡”大模型，2000多個小模型與“天鏡”大模型之間是什么關(guān)系？
　　蔣寧：一個通用大模型不能代表所有，在企業(yè)內(nèi)部，有四類大模型：私有化部署的通用大模型、知識大模型、工具大模型和決策型大模型。然而，大模型不能進行持續(xù)優(yōu)化（optimazition），這對它來說非常難。大模型不是傳統(tǒng)模型的替代品，但它的優(yōu)勢在于與人類的交互能力更強。
　　舉個例子，營銷模型中的質(zhì)檢模型，主要是未來解決安全合規(guī)的問題，目前主要是基于傳統(tǒng)模型制定的。當大模型在對話溝通中，識別到“貸款”一詞后，它調(diào)用傳統(tǒng)模型，因為傳統(tǒng)模型中已經(jīng)設(shè)定相關(guān)規(guī)則。
　　此外，針對大模型的“幻覺”問題，在金融領(lǐng)域需要進行很多事實、合規(guī)、安全的確認，而這些工作是非?，嵥榈?#xff0c;需要工程機制和傳統(tǒng)人工智能的結(jié)合才能有效解決合規(guī)安全問題。這個過程需要使用很多小模型。
　　因此，幾千個小模型與大模型進行合作，即大模型就像一個大腦，自動萃取人工經(jīng)驗，進行認知推理，拆解復(fù)雜任務(wù)，并規(guī)劃調(diào)用工具和小模型。簡而言之，大模型可以通過語言等理解用戶的意圖，但需要傳統(tǒng)模型來執(zhí)行具體任務(wù)。
　　“最后一公里”問題類似于光纖引入小區(qū)，大模型是無法解決這個問題的。因此需要用小模型來解決。這也是我們未來的工作重點。
　　你之前演講中有提到可信AI大模型，你如何定義“可信”這個詞？
　　蔣寧：“可信”是一個很廣泛的概念。我個人認為，在任何情況下，能夠?qū)崿F(xiàn)可預(yù)期可控的結(jié)果是最重要的。金融要實現(xiàn)高質(zhì)量發(fā)展，必須和安全動態(tài)平衡、相得益彰，以高水平安全保障高質(zhì)量發(fā)展。因此，安全和可控是第一目標，只有達到了第一目標，才能實現(xiàn)其他目標。
　　要實現(xiàn)安全可信，需要從算力的穩(wěn)定性保障、算法的魯棒性和安全性、數(shù)據(jù)有序性等各方面進行工作。馬上消費對安全可信的實踐工作，不僅要保證金融服務(wù)的安全可信，還要保證服務(wù)系統(tǒng)的安全合規(guī)。
　　同時，我們也積極探索金融行業(yè)大模型全域標準規(guī)范建設(shè)，努力從構(gòu)建基礎(chǔ)設(shè)施、金融全域數(shù)據(jù)規(guī)范、金融算法規(guī)范和金融應(yīng)用規(guī)范等四個維度尋求突破，目前參與發(fā)布國內(nèi)首個金融行業(yè)大模型標準、編寫IEEE全球首個金融風控大模型標準，與監(jiān)管、協(xié)會、同業(yè)共同推進行業(yè)可信生態(tài)建設(shè)。