2025AICon全球人工智能开发与应用大会-上海站：大模型驱动金融风险决策新范式

+风控大模型驱动金融风险决策新范式

同盾科技/董纪伟-1-担任同盾科技副总裁、

首席专家、商业银行独立董事中科院计算数学硕士毕业，曾任国密局密码算法课题组成员、金融监管涉贷反诈模型项目技术负责人、中国人民银行支付清算协会反诈培训讲师10+年金融行业工作经验，

FRM国际金融风险管理师认证，曾获国际SAT算法竞赛“Agile”组个人赛季军北京金融科技产业联盟特聘高级技术专家、同济大学研究生导师具有【国家级平台】

建设经验，担任国家新一代人工智能开放创新平台“智能金融风控”方向负责人曾任人民银行下属机构研发部开发经理、高级安全咨询顾问、反欺诈项目总监等。负责过金融行业多家机构风控及反欺诈系统设计与研发，

主力研发的交易监控反欺诈系统荣获2015年中国人民银行-科技发展二等奖参与

《互联网金融智能风险防控技术要求》等多项国标、

行标制定；

获授权发明专利3项董纪伟

花名“阅微”个人简介-2->

5

总结与未来展望

1

金融风控与决策智能的演变>2

AI重新定义风险决策智能新范式>

3

起于AI，用于智能：学会与AI协作的风控实践

>

4

挑战与突破：如何构建可信AI风控体系金融风控与决策智能的演变-5-金融行业，内外部风险因素呈现上升和积聚趋势•

传统的风险决策主要基于边界、规则、策略为主的静态防御

，而将安全检测与事件响应作为辅助手段•

在风险行为发生之前，能够及时精准预警，实时构建弹性防御体系，避免、转移、降低系统面临的风险过去-人控+机控

未来-智控“置于盒中为死棋，

置于局中才主动”

，

智能化、高效能、自学习是未来风险决策的提升方向金融风险决策的趋势及变化•

基于数据湖、数据仓库的数据链路，落表后进行准实时、离线分析策略转变从“被动防范”转向“主动防御”“热挖掘、实时用”，数据需要完成知识萃取与实时应用才能更好的产出价值•

以机器学习、时序分析、人工智能开展动态风险管理的“模型对抗”技术迭代由“策略对抗”变为“模型对抗“数据应用从“冷数冷用”到“热数热用”•

高度依赖专家经验与历史数据分析的“策略对抗”被

动

防

范

主动

防

御

•决策智能解决了

“利用数据决策最终对物理世界反向影响”的问题决策智能洞察数据信息的关联关系与特性，进行动态决策的能力认知智能具备概念、意识、观念等认知行为的表现感知智能视觉+听觉能听、能看、能观察何为决策智能？报表仪表板Q自助分析人工智能决策支持决策自动化Citizen

DataScience

高级分析描述性分析（过去发生了什么？）诊断性分析（为何会发生？）预测性分析（将要发生什么？）决策智能，数据+AI即是新武器决策性分析（如何使它发生？）越靠近场景的数据越有效，越靠近数据的AI越有用数据+AI分析层次AI重新定义风险决策智能新范式-10-集成大模型的风险决策体系提升感知和决策能力，

金融风险决策可以更主动、更实时数据集成

特征单元多元决策平台

风控大模型感知

能力决策能力大模型驱动的范式革新实时风险控制风险态势感知风险量化调优多模态数据集成策略知识智库决策量化推荐预警归因分析特征向量化标签生成向量特征表示多模态知识构建及应用流程知识存储/知识计算多模态富文本数据引入，完善知识结构，丰富场景应用知识更新NLPOCR识别语音识别视频识别结构化解析知识评估知识推理知识融合知识挖掘知识应用知识抽取指代消解实体消歧半结构化数据结构化数据非结构化富文本数据调用通用AI能力

服务实体抽取属性抽取事件抽取关系抽取知识加工关键词提取解析器…数据集成实时、离线数据接入与加工决策引擎实时、离线的客户标签计算画像、报告代理智能体（LLMAgent）画像任务拆解与规划结合多方数据及小模型工具，全面、灵活的生成画像及报告信息存储与回忆

工商

司法

舆情

经营知识抽取与因子挖掘微调LLM选择工具与扩展能力多代理智能体协同聊天助手RAG

授信

评级

预警

逾期工具

调

用知识图谱深度关联、图可视化分析指标引擎实时、离线指标计算多模态数据调用工具调用监控预警业务监控业务预警(分析、处置、通知)决策监控决策预警(分析、处置、通知)其他监控查阅/分析报表/报告统计分析管理汇报基于大模型的自学习调优优化任务决策优化(规则集/策略/模型等)新特征发现新策略组合评估决策推理驱动的风险动态量化与主动收敛基于监控预警结果，自动生成量化分析报告发现问题定位原因新风控策略再次进入监控预警，执行持续问题反馈和循环优化的动态运营流程，直至风险自动收敛和业务持续健康发展。主动量化分析指定分析任务效果评估(业务/策略/规则/模型等)量化分析总结自动生成验证报告有效提升推送上线系统监控业务预警决策预警个性化定义优化后有明显提升的，进入智能验证用户在任意时点开启指定目标的量化分析任务新决策迭代上线分析结果生成自动量化分析自动生成优化任务回测验证旁路验证量化分析大模型小模型1.

借助知识蒸馏等技术，大模型的能力可以传给小模型；2.

改进知识蒸馏等技术，大模型一次可以产出多个小模型1.

作为样本价值的判断模型，小模型可以帮助大模型快速学习2.

利用小模型作为教师模型可以帮助大模型实现快速收敛“大模型”和“小模型”的协同起于AI，用于智能：学会与AI协作的风控实践-17-融合客户在贷前、贷后全流程中的各类数据，全景呈现客户信息使用大模型深度推理，结合规则、图谱、小模型等多种能力，实现客户画像维度的深度推理基于富文本数据的风险态势感知

授信

评级

预警

逾期

调度引擎任务编排、自动调度

大模型非结构化知识抽取、实体链接

知识图谱深度关联、图可视化分析

指标引擎实时、离线指标计算

决策引擎实时、离线的客户标签计算

数据集成实时、离线数据接入与加工

工商

司法

舆情

经营集团派系、实际控制人、担保圈链、风险传导、资金流向、反洗钱

…全流程深度推理业务模型AI风险态势感知大模型自动更新黑产情报、监管政策、新型作案手段、特征自学习、风险预判等知识，面向银行业风险管理人员、策略运营人员、业务人员等不同角色，提供模块化组合式的情报洞察报告。包括：黑市个人账户售卖价格及趋势、洗钱最新手法解析、个人账户买卖趋势、风险账户信息、风险趋势预判、

风险防控整体思路、风险按防控策略推荐等。AI风险态势感知情报信息实时更新按角色生成报告自定义报告模块图谱构建知识图谱大模型数据源智能交互用户大模型知识图谱业务需要查询制度之间复杂关联关系（例如某监管文件在行内细化的各种制度、规程），涉及的语言分析及交互可以通过大模型有效解决。监管科技相关的知识库建设知识图谱知识抽取需要调用

知识服务

文本数据问答结果用户提问提示组装大模型调用结构化数据推理

判断是否建立具有特色的风险知识地图智能客服规章制度知识问答产品使用问答系统运维问答研发中心法律合规部业务条线数据中心RAG

GraphRAG用户提问知识图谱向量存储大模型知识问答技术文档产品文档规章制度运维手册

多模态决策：集模型、图谱、专家经验于一体的多模态AI决策。

graphRAG推理：

基于graphRAG识别常识性推理、

一致性校验、团伙欺诈风险识别。

决策流无缝集成graphRAG、小模型、业务规则，实现更智能、灵活的风险决策。专家知识与AI决策的融合方法论。基于知识的策略生成策略调优验证•更智能的风险政策及案例解读，结合知识库，快速提供风险策略建议•丰富的策略测试、评估、调优、验证机制，提供敏捷、高效的策略优化

陪跑：旁路主策略决策的同时，设定陪跑版本策略，并对结果进行比对，便于进行策略优化分析•多种场景的分析评估，帮助策略建模人员敏捷测试验证•实时统计分析报表，关联分析，方面从不同维度比对、分析实验功能结果专业知识库•200+政策文件，专家库•风控资产库，30+场景，

10万+特征及规则灰度：分流、冠军挑战者针对策略级（分流）或策略内部支路（冠军挑战者）按指定比例进行分流和对比分析策略生成及评估智能生成•对话式风控规则策略生成，高效生成风控规则建议敏捷调优•多种策略效果分析评估机制，快速评估策略效果调优验证：量化分析指定策略版本，采用指定范围的线上历史数据进行决策，并与原决策进行对比业务价值

文件切片

文件解析

向量化模型

政策/案例

同盾资产库外部报文解析数据•

欺诈评分•

信用评分...系统数据•

授信历史•

还款行为•客户行为数据•

设备指望•

访问路径•业务运营数据•

催收记录•

客户交互记录•交易流水数据•

消费流水•

POS转账行为•规则挖掘通过大模型技术推荐指标和规则，提供语义化的策略建议指标挖掘通过大模型技术挖掘并生成指标逻辑，自动评估指标效果AI挖掘实验室以智能化驱动、工具化落地为核心设计理念，兼顾效率、精度与可解释性，为风控团队构建更快、更准、更闭环的策略优化能力体系，真正实现风控决策的精细化、自进化与持续优化。依托大模型的智能能力，系统可自动挖掘高价值变量、构建衍生特征，显著降低建模门槛通过语义化目标输入，实现策略逻辑的自动生成与调整，大幅提

自动分箱与交互式决策树，提供透明可控的规则挖掘与解释能力特征寻优、策略推荐及模型迭代逻辑☆评分卡挖掘自动化实现从数据处理到特征分箱到评分卡训练策略生成设定策略生成或优化的标准及各类参数，

通过大模型技术自动生成自动推荐+交

互优化，效

率提升70%模型更新周期缩短60%

升策略响应效率策略优化周期压缩至3-5天............交互式分析分析当前数据分布特征自动生成解读摘要，例如：1）特征评估及选取。

自动分析图中所有实体的特征分布，选取高价值特征用于分析。2）异常图模式识别及聚类。识别异常图模式分团及聚类等。3）可疑名单生成。基自动发现异常识别名单，提供给用户重点关注。一站式查询通过智能代理，自动调用对应查询工具，例如：1）图谱查询。

申请人4度内关联、该企业对外投资了哪些企业2）线索查询。

申请人事件轨迹、是否命中预警等3）报表查询。

申请人近90天交易渠道分布、地区分布；风险账号凌晨交易记录分布一站式查询与交互式分析基于大模型的风险分析助手风险排查阶段，往往面临分析复杂、时效性要求高，涉及个体风险、群体风险、资金流向异常，极度依赖个人经验，通过引入大模型语义识别及分析能力，可以提供更简洁、高效、智能的风险识别、归因分析，

大幅提高风险排查效率。风险评估

归因分析分析助手近1周贷后预警客户风险趋势增幅较大

•渠道A风险增加：

可能需要对渠道A的贷款审批流程和风险评估模型进行审查和调整。•

行业特定风险：

制造业可能需要特别关注，可能需要对该行业的贷款条件进行重新评估。•信用评分模型失效：

策略A通过的高信用评分客户逾期增加，可能需要重新校准信用评分模型。近1周X地区贷款评级下降幅度较大•

行业风险集中：

A行业贷款评级下降幅度较大，可能该

行业面临较大的市风险，需要重点关注和风险控制。•

区域发展不均衡：

核心区的贷款评级下降增量最高，可能与该区域的经济发展状况或市场环境有关。•

信用评级下降普遍化：高信用等级客户的贷款评级下降增量显著，这可能表明整体经济环境或信贷政策的变化对信用较好的客户也产生了影响。风险管理建议•建议X地区分行加强风险管理，包括但不限于提高信贷政策的审慎性，加强贷后管理和监控，以及优化客户和行业贷款结构。深层次归因分析及行动建议利用大模型的生成、推理能力实现归因分析、优化建议，监控指标预警信号信号解读归因分析及时调整产品及风控策略风控运营助手

监控预警客群表现监控资产质量监控决策效果监控业务量监控大模型C起于AI、落于智能挑战与突破：如何构建可信AI风控体系-29-大模型的应用难题数据安全数据可用不可见，模型可控可计量；

数据采集的安全性以及模型输出的合法合规决策时效大模型/生成式AI模型链路及计算效能还无法满足毫秒级的实时响应内容可信纯粹的大模型/生成式AI模型，可解释性相对较差，缺少最终衍生的具体特征模型可解释性、数据隐私、决策时效等核心问题智能知识库系统风控知识向量数据库图谱知识库GraphRAG决策增强AI+方案报告及画像AI+方案风险核查AI+方案监控分析AI+方案AI挖掘方案如何设计MaaS新模式多模态构图方案多语言模型接入能力同盾微调大语言模型API工具调用风控工具集风险分

征信Embedding内容生成知识提取RAG管道向量检索知识检索领域助手领域agent领域工作流其他工具集搜索引擎智策产品体系梳理/标注用户专家梳理/标注AI专家DeepSeek通义千问风控智能体集市AI+能力嵌入微

调

供

给

微

调

供

给风控知识资产内部风控知识混合检索搜索引擎图谱构建SQL引擎向量化字节大模型业务数据策略规则策略规则政策文件黑产情报内部文档欺诈云画像库腾讯混元...增强知识库风控工具集SQL引擎风控数据API客户经理应用系统智能风控系统

风控智能体风控搜索引擎

GraphRAG风控知识

向量数据库获取报告，确认报

告，使用报告获取核查结果和核

查报告并使用自主规划、拓展核

查智能体获取报告，确认报

告，使用报告自动监控，深入分

析以及优化建议自主、多维度画像

推理生成结合知识、数据自

主生成场景策略获取分析、优化建

议并实施处理二次开发，拓展视野，提升效率分场景结合意图生

成报告通义千问DeepSeek风控运营案件核查客户画像风控规则风控策略客户核查尽调报告更多信用报告领域agent内容生成领域工作流知识提取Embedding领域助手...用户侧大语言模型LLM策略AI核查AI运营AI报告AI画像AI风控人员运营团队建模专家业务人员政策解析案件中心策略

推荐

>特征挖掘决策流助手风险报告

>效果评估模型集市

大模型

小模型

知识向量化引擎报告生成模型策略推荐引擎

策略自动化引擎特征挖掘模型风控意图识别模型

风控大语言模型风险准入模型授信模型风险预警账户预警模型中间件风控特征挖掘内容生成能力智能决策引擎知识构建能力构建可信

AI的智策产品，全栈智慧使能智能数据平台数据标准化异构数据集

成数据安全数据集管理文档数据管理图像数据AI能力中心多模态服务风控主题库设备主体库身份主体库交易行为库.......黑产情报库黑白名单库模型引擎基础底座应用层算力虚拟化管理智能数据基座基础设施算力硬件管理算力调度

>

>

>向量化解析策略策略库任务分解流程构建规则推荐处置方案数据服务财报识别证件识别舆情报告语义补全数据整合纠错分析多规则总结策略元数据逻辑推导策略对接策略标准化策略资产