一家社區(qū)水果店，原貸款額度只有七萬元，它既沒有辦公樓做抵押，也沒有稅務(wù)報表證明自己。直到柜臺上那枚不起眼的收款碼，意外為他打開了融資新通道——持續(xù)36個月的掃碼交易記錄，最終讓銀行將數(shù)據(jù)貸款額度提升至10萬元。
授信的依據(jù)，正是這枚收款碼所承載的高頻且真實(shí)的流水?dāng)?shù)據(jù)。這不是個例，在中國，超過3億商戶的收銀臺上，類似的二維碼正悄然成為數(shù)字信用的見證者。
據(jù)調(diào)研數(shù)據(jù)顯示，使用收款碼滿六個月的商戶，獲得信貸的可能性超過60%，三年后這一比例躍升至90%。這些高頻、實(shí)時、小額分散的流水?dāng)?shù)據(jù)，正在重構(gòu)傳統(tǒng)風(fēng)控的邏輯：它不看出身、不看抵押，只忠實(shí)記錄著每一筆交易背后的經(jīng)營事實(shí)。
這個案例揭示了，金融機(jī)構(gòu)“不敢貸”與小微企業(yè)“不愿貸”的僵局，其突破口或許并不在于更多數(shù)據(jù)的堆砌，而在于如何讀懂?dāng)?shù)據(jù)背后企業(yè)真實(shí)的經(jīng)營故事。
這正是“知識圖譜增強(qiáng)與動態(tài)推理的智能金融風(fēng)控大模型——賦能產(chǎn)業(yè)鏈風(fēng)控與智能獲客”項(xiàng)目正在實(shí)現(xiàn)的場景。金蝶征信首席技術(shù)官（CTO）李星帶著這一項(xiàng)目登上AFAC大賽的總決賽舞臺，旨在用更深刻的AI理解力，為破解這一行業(yè)難題提供一個全新的答案，讓每個企業(yè)都能擁有被數(shù)字信用精準(zhǔn)定義的未來。
從數(shù)據(jù)孤島到信用大陸
740萬家云服務(wù)場景的積淀
金蝶征信的洞察，源于金蝶集團(tuán)32年來服務(wù)的740萬家企業(yè)。這些企業(yè)每日產(chǎn)生的財務(wù)、人力、交易數(shù)據(jù)，構(gòu)成了理解中國企業(yè)經(jīng)營的活地圖。當(dāng)大多數(shù)征信機(jī)構(gòu)還在圍繞工商、司法等靜態(tài)數(shù)據(jù)做文章時，金蝶已經(jīng)能夠通過發(fā)票數(shù)據(jù)解析出交易對手穩(wěn)定性、結(jié)算周期偏離度等深度標(biāo)簽，甚至通過企業(yè)間的跨期交易圖譜，識別出隱性擔(dān)保和關(guān)聯(lián)交易風(fēng)險。
已授權(quán)企業(yè)的全量數(shù)據(jù)
“我們的核心能力并非簡單的數(shù)據(jù)聚合，而是基于金蝶ERP場景的深度邏輯理解�！崩钚墙忉尩�。這種理解讓金蝶征信在2024年獲得了廣東省唯一的AI企業(yè)信貸風(fēng)控大模型工程技術(shù)研究中心認(rèn)定，也成為他們敢于直面行業(yè)痛點(diǎn)的資本。
破解風(fēng)控迷局的知識圖譜
從靜態(tài)快照到動態(tài)導(dǎo)航
在AFAC總決賽路演現(xiàn)場，李星首先指出金融機(jī)構(gòu)“不敢貸”與小微企業(yè)“不愿貸”的僵局，本質(zhì)上是傳統(tǒng)工具在數(shù)據(jù)孤島、獲客成本和動態(tài)風(fēng)險面前失效了�！�而金蝶給出的答案，是一個融合了知識圖譜與大模型動態(tài)推理的智能風(fēng)控系統(tǒng)。
金蝶征信構(gòu)建的圖譜包含了約4.45億條交易關(guān)系，如同一張巨大的產(chǎn)業(yè)互聯(lián)網(wǎng)，能清晰展示每家公司在產(chǎn)業(yè)鏈中的位置和上下游關(guān)系。路演現(xiàn)場，李星清晰地勾勒出這一模型的三大核心創(chuàng)新：
其一，是打破數(shù)據(jù)孤島的穿透力。傳統(tǒng)風(fēng)控如同只看企業(yè)的一寸免冠照片，而金蝶征信的模型借助AI與GraphRAG技術(shù)，能穿透至多6層交易鏈條，讓錯綜復(fù)雜的企業(yè)關(guān)系網(wǎng)變得清晰可見。結(jié)合內(nèi)含10萬條虛假交易信息的黑灰名單庫，模型能精準(zhǔn)識別潛在風(fēng)險與優(yōu)質(zhì)客戶，將營銷轉(zhuǎn)化率提升了20%。
其二，是實(shí)現(xiàn)精準(zhǔn)匹配的“洞察力”。面對單客營銷成本超500元、轉(zhuǎn)化率不足5% 的行業(yè)困境，模型將數(shù)百家金融機(jī)構(gòu)的信貸經(jīng)驗(yàn)與企業(yè)信用專業(yè)知識注入知識圖譜，通過大模型進(jìn)行深度推理，實(shí)現(xiàn)了客戶畫像與信貸產(chǎn)品的精準(zhǔn)匹配。這一能力已助力合作金融機(jī)構(gòu)的放款額度大幅提升50%，推動了從“經(jīng)驗(yàn)驅(qū)動”到“數(shù)據(jù)智能驅(qū)動”的轉(zhuǎn)型。
其三，是構(gòu)筑動態(tài)風(fēng)控的“預(yù)警力”。針對75%源于二級以上供應(yīng)商的供應(yīng)鏈風(fēng)險，模型能實(shí)時解析企業(yè)的納稅、發(fā)票、財務(wù)及工商股權(quán)信息，自動識別虛假交易、循環(huán)套票等高風(fēng)險行為，并在準(zhǔn)入環(huán)節(jié)就實(shí)時攔截。
支撐這三大創(chuàng)新的，是項(xiàng)目獨(dú)特的技術(shù)路徑。李星坦言，單純的大模型存在“黑盒不可解釋、幻覺無法根除”等先天局限，難以獨(dú)立承擔(dān)信貸風(fēng)控的重任。金蝶的解決之道，是讓大模型與強(qiáng)可解釋、規(guī)則可控的知識圖譜深度協(xié)同。
多智能體協(xié)同處理
技術(shù)的價值，最終由市場回應(yīng)。某國有行反饋，聯(lián)合建模助其小微企業(yè)信貸產(chǎn)品不良率下降46.6%；某城商行則透露，借助其能力，旗下稅貸產(chǎn)品授信已超34億元。這些聲音，共同印證了這條技術(shù)路徑的現(xiàn)實(shí)可行性。
當(dāng)知識圖譜成為大模型的羅盤，金融機(jī)構(gòu)在服務(wù)小微企業(yè)時，便如同擁有了看清迷霧的導(dǎo)航。
技術(shù)的真正價值
在賽場外長久驗(yàn)證
“金融智能要賦能千行百業(yè)，深入理解行業(yè)運(yùn)作邏輯非常關(guān)鍵�！崩钚沁@句話，道出了技術(shù)落地的本質(zhì)。他們的模型不僅要準(zhǔn)確，更要懂得每個行業(yè)的獨(dú)特節(jié)奏，知道農(nóng)企何時需要買種子，理解制造企業(yè)的回款周期，看清餐飲行業(yè)的季節(jié)性波動。
AFAC大賽在外灘大會為初創(chuàng)組頒獎（右四為金蝶征信代表）
AFAC大賽提供了一個檢驗(yàn)場。在這里，技術(shù)方案不僅要通過專家的審視，更要回答一個根本問題：這究竟能不能讓金融服務(wù)變得更簡單、更及時？當(dāng)金融機(jī)構(gòu)能夠更放心地放貸，當(dāng)小微企業(yè)能在最需要資金時獲得支持，技術(shù)的價值才算真正實(shí)現(xiàn)。對AFAC大賽而言，見證并推動像金蝶這樣的項(xiàng)目從賽場走向產(chǎn)業(yè)，正是其深遠(yuǎn)意義所在。前路雖遠(yuǎn)，但每攻克一個真實(shí)的風(fēng)控難題，每助力一家小微企業(yè)獲得融資，金蝶就離“讓每個企業(yè)擁有數(shù)字信用”的使命更近一步。
這正是AFAC大賽所期待的景象：讓頂尖的智能技術(shù)，從實(shí)驗(yàn)室、從論文、從產(chǎn)品demo，最終流淌進(jìn)實(shí)體經(jīng)濟(jì)的最細(xì)微之處，讓金融AI服務(wù)真正像掃碼支付一樣平常。
