蚂蚁数科 AI 融合风控引擎亮相 业务风险对抗时效降低到小时级​

6 月 25 日，蚂蚁蚂蚁数科旗下蚁盾发布新一代融合AI风控引擎“AIREngine（AI FUSE Risk Engine）”
，数科时效时级在原有的融合决策式AI架构上通过引入生成式AI ，进一步提升风控智能化水平。风控风险蚁盾CTO张凯隆介绍道，引擎业务生成式AI具有“理解推理+自主决策”的亮相能力及特性 ，“AIR”引擎借助生成式AI ，对抗大幅简化了原有需要专业算法工程师深度参与的降低操作流程 ，在风险管理复杂度综合降低50%的蚂蚁前提下，将风险对抗时效从天级别降低到了小时级，数科时效时级在部分业务场景下 ，融合仅需少量甚至无需人工介入即可完成 ，风控风险这直接缩短了从识别风险到实施风险布控策略的高防服务器引擎业务时间差 
。

张凯隆现场演示了风控场景中智能风险管理
、亮相智能数据分析
、对抗智能报告生成的功能 Demo 。通过生成式 AI 智能辅助，“AIR” 引擎自动化部署上线了一个风控模型；通过对企业的多维数据进行理解、分析和推理，在2分钟之内生成了一份数据分析报告，这将为企业快速决策和灵活应对市场变化提供实时支持。

风控 ，是企业数字化转型及发展的关键 。随着数字化不断发展和风险形态的建站模板不断变化 ，风险管理变得越来越复杂，挑战越来越高 。在这个过程中 ，如何利用领先的数字化工具 ，动态、实时地监测风险并直接辅助于决策 ，是企业风控部署的首要考量。

作为蚂蚁数科的安全风控品牌
，蚁盾在近十年的探索中 ，逐步形成了以决策式AI技术驱动的香港云服务器风控产品 ，将过去靠专家经验分析风险的工作线上化、智能化。然而面对复杂多变的风险场景，以“分析、判定及预测”见长的决策式AI仍需要有专业的技术人员深度参与，对于企业尤其是中小企业来说 ，风险运营成本高且难以为继。

自ChatGPT发布以来
，生成式AI具备的深度理解和解决复杂问题的源码库能力
 ，为风控创新应用打开了想象空间。蚁盾“AIR”引擎探索将决策式AI与生成式AI进行深度融合 
，实现了风险运营模式从“人工+智能”到 “人工智能”的巨大转变 。在数据处理阶段 ，“AIR”引擎通过人工指定数据源表，经过多次人机交互即可完成自动特征清洗及加工；建模阶段，引擎可基于选定的特征数据集及性能指标要求 ，进行自主算法选择并进行多轮迭代；在风险规则及策略部署阶段，风险策略布控工作可以交由AI接管，大幅降低因人工参与复杂操作可能带来的不确定性风险
 。

“对于专业从事风控管理及运营的人员来说  ，免费模板理解复杂的风险管理诉求及快速布控是具有挑战性的 ，调整风险策略宛如调转一艘航空母舰。”张凯隆进一步介绍 ，AI持续对决策目标和决策结果进行更新和优化，提升了风控系统的适应力和智能化水平，降低了风险策略运营的复杂度，“有了生成式 AI 的加持，基础运营人员也能轻松驾驭复杂多变的风险场景。”据了解，源码下载在开放联合建模场景，“AIR” 引擎通过AI 对业务全流程进行智能辅助 ，将特征加工与建模效率均提升了40%  。

蚁盾目前在国内已服务了金融 、大宗贸易 、出行、电商等数十个行业的2000余家客户。“我们将秉持开放姿态 ，加速推动技术产品向成熟的商业化服务迭代” ，张凯隆表示，“我们的愿景是，通过不断的技术创新
，让每一家机构或企业 ，无论规模大小，都能拥有高效
、专业
、智能且可信赖的风控能力，让风险管理更简单，从容应对外部环境的不确定性 ，把握数字化转型的机遇。”

记者在发布会现场了解到 ，为助力银行等机构具备对核心风控系统更加自主可控的能力 ，蚁盾将逐步把沉淀多年的核心风控技术或能力进行全面开放
。“AIR”引擎将开放300多个APIs，支持全面定制化开发。此外，“AIR”引擎的核心框架将于今年 10 月份开源
，以鼓励并支持开发者利用开源框架进行更深度的扩展开发，满足不同行业、不同场景下的特定风控需求  。这种开放的模式，将促进风控技术的快速迭代与创新 ，推动整体行业的共同进步。