《金卡生活》雜誌
中國銀聯 主管主辦
理論研究 實務探討
長按二維碼關注我們
作者供職于銀聯資料服務有限公司， 徐璐婧對此文亦有貢獻
信用卡申請的審批一般是由專門設置的風險控制部門的征信審核崗位員工完成， 其目的是通過拒絕高風險客戶的信用卡申請， 核准低標準高收益客戶的信用卡申請， 在保證信用卡部門收益的同時降低持卡人違約風險。 隨著信用卡業務競爭越發激烈， 商業銀行信用卡中心都將髮卡規模和市場佔有率作為考核指標。 在這種大環境下， 商業銀行需要特別注意信用卡申請的審批環節。
由於信用卡申請數量龐大， 人工審核已經顯得精疲力盡， 因此， 商業銀行信用卡中心開始關注研發信用卡自動化審批解決方案， 提升髮卡審批時效， 降低髮卡審批環節的人員成本。 這種自動化審批解決方案打破了原有營業部模式，
科學的眼光助力銀行找到合適的發展道路在我國信用卡市場呈現出白熱化競爭的態勢時， 技術的變革是各銀行提升內在實力的關鍵。
在我們為多家銀行信用卡部門提供審批業務、風險定價、額度管理等諮詢服務的過程中， 常常建議銀行在審視自身和市場環境的基礎上， 科學地分階段、分場景地來運用上述這些技術， 避免“大幹快上”地盲目跟風。 那麼， 在這場技術變革的浪潮之中， 如何用科學的眼光和定力順應時代變化，
所謂眼光， 就是能厘清行業發展脈絡， 預見未來變化趨勢， 從而及時採取相應行動。 結合信用卡行業未來發展方向， 我們可以勾勒出自動化審批的重要性。
自動化審批是突破傳統髮卡模式的重要支撐。 髮卡模式創新的想像空間非常豐富。 客戶在餐廳提交申請資料， 銀行即時審批後“空中”髮卡， 綁定到Apple Pay等設備後就能享受優惠活動。 當線上獲客模式逐漸成熟和普及時， 進件量必定大幅增加， 傳統的人工審批模式無法保證即時髮卡。 而隨著更為廣泛的客群准入， 缺乏足夠審核經驗的審批人員也可能會成為一大掣肘。 同時， 場景化行銷模式會造成進件量的不均衡， 閒時大量審批人員將可能導致極大的成本浪費。
自動化審批是提升用戶體驗的有效途徑。 在行業競爭日漸激烈的今天， 相較於“京東白條”“花唄”等消費金融產品， 傳統信用卡存在髮卡環節過多、所耗時間過長等問題， 審批環節的複雜流程也極大地影響著髮卡效率， 倒逼銀行利用自動化技術壓縮審批時間、提升審批效率。 用戶提交申請後， 如果能在第一時間得知審批結果和授信額度等資訊， 將有助於提升使用者體驗， 從而提高卡片的啟動率與持卡人的忠誠度。
綜上， 自動化審批的優勢和重要性不言而喻， 業內也已經對此展開摸索， 甚至進入實質性的嘗試。而結合以往的項目經驗，還需提醒大家除了長遠的眼光，還要有瞭解現狀、辨識可行性的眼力。
自動化審批的實現需依靠完善的資料化管理。先進的資料化管理模式是銀行應對激烈市場競爭的有效保障。資料是自動化審批的基礎——利用先進的大資料模型實現精准的風險識別，再部署相應的規則建立自動化決策機制，從而避免人工審批隨意性強、依賴經驗判斷等弊端。同時，自動化審批不僅是資料的使用者，還可自動匯總、整理、存儲相關資料，提升貸後管理的有效性。但很多銀行往往因初期業務管理相對粗放，人員缺乏資料化管理理念，資料獲取與積累基礎較為薄弱，加大了靠自身既有資源實現自動化審批的難度。
可見，實現自動化審批並非一蹴而就，還需要具有足夠的定力。
定力是銀行找准道路的利器在當前技術變革的浪潮下，科學的眼光和定力是助力銀行找到適合自身發展道路的兩大利器。所謂定力，是在審視自身與未來趨勢的基礎上，以不變的發展理念應對技術環境、市場環境的快速變化。落實到自動化審批中，我們應該意識到這需要一個長期的過程來實現風險的精准識別。
變革審批過程的同時實現風險的精准控制。審批的目的在於貸前風險防範，無論自動化審批能多大程度的提升效率、提高用戶體驗，最終都必須實現精准的風險識別和防範。相比於人工審批，自動化審批的重要優勢在於可以利用更多的模型和資料，實現更複雜、更精確的規則匹配，同時還能提高審批效率。許多銀行僅僅著眼於如何實現自動化審批，開發了很多系統、採用了各種高科技技術。但是，這樣的自動化審批往往只是用系統代替了人為的工作，僅僅只是變革了審批的過程。只有綜合考慮自動化審批過程中的模型是否有效、策略設計是否合理、策略優化是否及時等因素，讓自動化審批真正為風險控制服務，才能做到技術為我所用，用之有效。
實現自動化審批需要一個長期過程。自動化審批不是一蹴而就的，風險相關的自動化功能都需要充分的時間驗證，只有經歷適用場景不斷擴大、系統功能逐步反覆運算優化的發展過程，才能最終確保精准識別風險。銀行應該從“有條件的”自動化審批做起，逐步提高“自動拒絕”比例，逐漸實現存量零售客戶到新客戶的自動審批，逐步完成低額度自動授信到較高的額度核給，待條件逐一成熟時再提高自動化程度，擴大自動化審批場景。同時，審批人員需要從一個純粹的操作者轉變為系統的管理者，利用資料分析進行策略優化，這種角色的過渡也需要長時間的經驗積累。
從“自動拒絕”出發自動化審批不是一蹴而就的，需要打好基礎，經歷逐步反覆運算，優化及驗證才能在風險可控的前提下大幅提升審批效率。而最開始的基礎搭建和經驗積累可以從“自動拒絕”開始。
場景。一位同事之前向筆者抱怨：網上申請了某銀行的信用卡，短短2分鐘後就被“無情”地拒絕了，拒絕原因是“申請條件不符”。事實上，由於該信用卡是高端卡種，對於申請人的年收入等條件要求“近乎苛刻”，審批系統會把不滿足辦卡標準的申請者自動拒於門外。
實現自動化第一步：“秒拒”。近年來，銀行陸續在積極探索通過自動化、電子化手段實現信用卡申請的“秒批”及“秒拒”。但是，看看下面這兩張圖（圖1、圖2），“秒批”是否真的無漏洞可鑽，還要好好盤算一下。
圖1
圖2
受當前市場環境、監管要求及各家銀行行內風控要求和風險管理能力的約束，儘管“秒批”的比例正在逐步上升，但與信用卡審批業務中廣泛運用的“秒拒”相比仍有較大的差距。審批自動化第一步的確可致力於“非目標客戶的自動篩選”：從申請門檻、欺詐風險和信用風險控制等維度入手，梳理拒絕規則和判斷邏輯，篩除明顯不符合申請要求或存在高風險的客戶，實現非目標客戶的“自動拒絕”。
具體來說，通過對客戶基本資訊驗證、內外部黑名單篩查、外部信用狀況核實等手段將授信政策中常說的觸碰到“紅線”的客戶納入“自動拒絕”的範疇，並結合不同的進件管道、不同的卡產品和客群、不同的業務場景，對拒絕條件及判斷規則進行差異化設計與管理。
例如，目前，方便快捷、觸達人群更廣泛的網申辦卡管道越來越受到銀行的重視，但由於網申客群主要以年輕客群為主，這些客戶以征信白戶、職場新人居多，加之很多銀行過於重視網申辦卡的時間要求，缺少一些必要的資訊校驗環節，缺失強有力的貸後管理措施，使得網申管道的欺詐風險居高不下，風險暴露普遍高於傳統管道。但是換個角度看，網申頁面可以進行欄位元和欄位的控制，相對于傳統的客戶手填申請資料來說，填寫的正確性能有更好的保證，比如通過設置必填項、利用下拉清單規定輸入類別等，使得銀行能對客戶有更全面、更準確的描繪，從而為自動化審批奠定良好的基礎。基於此，相對於線下管道，網申的准入規則應契合管道自身的優勢和業務特點，更多地利用自動化拒絕策略，例如在系統後臺增加一些自動化外部資訊核查模組，驗證手機號、位址、關係人等來加大審核力度，甚至可以引入設備指紋等FinTech手段來識別團夥作案，從而更有效地管控風險。
雖然“自動拒絕”在城商行及中小銀行中的實踐運用起步較晚，但從以往經驗來看，很多銀行在完成“自動拒絕”規則落地後效果十分明顯。
首先，“自動拒絕”能明顯提高審批效率。從行業資料看，標準卡申請件的通過率在70%左右，而被拒絕的客戶中大部分可以通過系統規則設定進行自動識別與篩選，審批人員無需再對其進行人工判斷，一定程度上釋放了審批人力，讓審批人員集中精力對符合基本要求的申請件進一步核查。
其次，自動化規則的設置不僅減少了人為因素的干擾，提升了規則判斷的精准性，而且策略比對相較於人工判斷更加嚴格及規範，流程控制力度也會更強。
最後，“自動拒絕”還可以説明銀行通過系統實現規範化的代碼標識，自動記錄相關作業資料，便於後期對規則進行資料檢視和優化，持續加強業務跟蹤及管理。
當前仍處於經濟下行週期，風險形勢依舊嚴峻，加之監管並未完全放開自動核准，在此前提下，“自動拒絕”不失為銀行嘗試自動化審批的敲門磚，通過拒絕規則的設置、落地應用及後續跟蹤分析，夯實自動化審批體系搭建的基礎。並在此過程中，進一步鍛煉人才隊伍、積累實戰經驗。當具備這一基礎條件後，銀行就可以結合管道特點、自身的品牌建設和管理能力，逐步嘗試在審批自動化的道路上添磚加瓦，通過引入評分、自動決策引擎等工具手段，不斷提升審批自動化程度。
“信審工程師”拉近自動化審批與我們的距離在AlphaGo戰勝李世石後，人工智慧在全球的熱議程度達到了一個全新的高度。隨著科技的不斷發展，人工智慧在金融領域的應用也日益深入。審批自動化的實現離不開智慧、高效的審批系統，然而這也給傳統信審員的角色轉變帶來了不小的挑戰。
在自動化審批時代，傳統信審員應該扮演什麼角色呢？
李開複在《人工智慧的黃金時代》中表示：“人工智慧不是要用機器取代人，很多情況之下只要能輔助人就可以了。”
機器長於效率，人長於創造。那些敢於吃螃蟹的線上借貸平臺應該充分感受到自動化帶來的超高效率，以往人工審批效率充其量不過100件/天，而自動化審核日產可超過一萬件。
機器可以不用下班，不用休假，保持24小時運轉，能克服人的主觀隨意性，穩定，不會失戀，不會中彩票，沒有任何情緒波動。
羅振宇在去年的跨年演講中提到了人工智慧對人帶來的威脅——人工智慧降低了參與門檻，導致對一些低技術含量工種的部分替代，被替代的人在機器面前將完全沒有競爭力。
信審員的命運會和19世紀初在工業革命浪潮中隨風飄零的手織工一樣嗎？
審批自動化的確是一場機器與人的競爭，但和人與人之間的競爭不同的是，機器是由人創造出來的，因此人也完全可以創造出一個更好的機器去打敗另一個機器（這裡暫且不論特定的機器創造機器的問題）。這也是人工智慧把人從重複勞動中解放出來，並且人的思維性、創造性和藝術性會得以提高的原因。
就像電影《異形》裡那群創造人類的外星工程師一樣，筆者也想用“信審工程師”來表述自動化審批系統的創造者。“信審工程師”需要對這一領域全方位地深入理解和思考，以及具備獨立解決問題的能力。這是成為一名創造者的必要前提。
換句話說，就是業務與技術都要精通。對業務地深入理解，豐富的審批經驗，是實現自動化審批系統的核心；而技術，是讓你知道，機器能做什麼，不能做什麼，有什麼優勢，又有什麼弱點，從而揚長避短，讓人與機器進行完美的契合。
“智能化陷阱”。自動化審批系統不是一台可以直接告訴你“核准”或“拒絕”的簡單機器，它由多個相互獨立的子系統構成，各自實現其特定的功能。每個子系統都可能會用到機器學習、電腦視覺、專家系統等人工智慧技術。
我們欣喜地發現，很多銀行的“信審工程師”都在嘗試引入此類技術，快速、完善地實現自動化審批的基礎設施建設，比如：利用光學OCR（OpticalCharacter Recognition，光學字元辨識）技術實現紙質申請表的快速錄入；設備指紋、前端偵測技術線上上反欺詐中的廣泛運用；申請評分卡已作為一項必需工具深入到風控體系中；規則引擎成為了實現自動化審批的首選工具。
然而，要想從頭到尾打通整個流程，構建完整的自動化審批體系，還需要面臨很多問題，比如：風控模型的結果很可能是一個概率或者分數，如何把這些抽象概念運用於真實業務場景？隨著經濟的波動，一旦模型的假設條件不符合，從而導致模型結果存在較大偏差，如何對此進行有效監控和調整？機器學習演算法雖然能夠達到很高的識別精度，但是由於無法直接獲取判斷依據，無形中加大了與客戶溝通和貸後案件分析的難度。現在流行的大資料征信概念，到底對風控的幫助有多大？目前在國外，對於用作征信的資料存在嚴格的限制。對於銀行來說，大量引入協力廠商資料是否物有所值？構建的大資料模型，是否存在“垃圾進，垃圾出”的窘境？
這些問題恐怕只是“智慧化陷阱”的冰山一角，但卻是“信審工程師”們不得不去考慮和面對的問題。要從傳統的人工審核發展為完全的自動化、智慧化審批，還有很長的路要走。
創造“以人為本”的自動審批體系。陷入“智能化陷阱”的，往往是那些夢想一蹴而就的人。創造自動化審批系統時，需要時刻保持“走得快”和“走得穩”的平衡。在未來很長一段時期內，人與機器的配合是必要條件。這不僅僅是一個系統，更是一個人與機器的生態體系。
即使再精確的模型，輸入偽造資料，依然會得到錯誤的結果。因此，資料核查、身份認證的環節是信審人員必須參與的，需要保證輸入機器的資料真實且有效。
機器很難進行自身反覆運算優化，也無法對經濟環境、目標客群、風控政策等因素的改變做出快速反應。因此，“信審工程師”們必須建立一套策略檢視和優化的機制，通過資料分析時刻關注風險趨勢和系統運作的情況，不斷優化和完善。要知道，人比機器更善於思考，也更為靈活。
經驗豐富的審批專家往往能從一些蛛絲馬跡中發現風險點，比如筆跡和電話錄音等，這些都是機器學不到或者很難學習的寶貴經驗。在自動化審批體系中，一方面，機器要會判別何時需要求助人的經驗，並保證效率與風險的平衡；另一方面，還需要儘量將信審員的經驗資料化、結構化，讓機器能夠盡可能的獲取到這些“隱性知識”。
顯然，這是一個“以人為本”的體系，人依然佔據著主導地位，機器只是代替了信審員的重複勞動。在這個生態體系內，人和機器共同成長。機器不斷汲取人的經驗，愈發精確和智慧，自動化程度不斷提升；人逐漸適應角色的轉變，分析能力、思維能力不斷提高，專注於模型設計、策略優化等“審批藝術”。
正如蘋果公司CEO庫克在麻省理工學院畢業典禮上與教皇方濟各談話中所說的，人工智慧的關鍵，在於對機器的控制、自身創造性的提高和道德的約束。每一個“信審工程師”，或者想成為工程師的信審員，都不妨認真思考一下這個問題。
實習編輯：王海銀 葛辛晶
甚至進入實質性的嘗試。而結合以往的項目經驗，還需提醒大家除了長遠的眼光，還要有瞭解現狀、辨識可行性的眼力。自動化審批的實現需依靠完善的資料化管理。先進的資料化管理模式是銀行應對激烈市場競爭的有效保障。資料是自動化審批的基礎——利用先進的大資料模型實現精准的風險識別，再部署相應的規則建立自動化決策機制，從而避免人工審批隨意性強、依賴經驗判斷等弊端。同時，自動化審批不僅是資料的使用者，還可自動匯總、整理、存儲相關資料，提升貸後管理的有效性。但很多銀行往往因初期業務管理相對粗放，人員缺乏資料化管理理念，資料獲取與積累基礎較為薄弱，加大了靠自身既有資源實現自動化審批的難度。
可見，實現自動化審批並非一蹴而就，還需要具有足夠的定力。
定力是銀行找准道路的利器在當前技術變革的浪潮下，科學的眼光和定力是助力銀行找到適合自身發展道路的兩大利器。所謂定力，是在審視自身與未來趨勢的基礎上，以不變的發展理念應對技術環境、市場環境的快速變化。落實到自動化審批中，我們應該意識到這需要一個長期的過程來實現風險的精准識別。
變革審批過程的同時實現風險的精准控制。審批的目的在於貸前風險防範，無論自動化審批能多大程度的提升效率、提高用戶體驗，最終都必須實現精准的風險識別和防範。相比於人工審批，自動化審批的重要優勢在於可以利用更多的模型和資料，實現更複雜、更精確的規則匹配，同時還能提高審批效率。許多銀行僅僅著眼於如何實現自動化審批，開發了很多系統、採用了各種高科技技術。但是，這樣的自動化審批往往只是用系統代替了人為的工作，僅僅只是變革了審批的過程。只有綜合考慮自動化審批過程中的模型是否有效、策略設計是否合理、策略優化是否及時等因素，讓自動化審批真正為風險控制服務，才能做到技術為我所用，用之有效。
實現自動化審批需要一個長期過程。自動化審批不是一蹴而就的，風險相關的自動化功能都需要充分的時間驗證，只有經歷適用場景不斷擴大、系統功能逐步反覆運算優化的發展過程，才能最終確保精准識別風險。銀行應該從“有條件的”自動化審批做起，逐步提高“自動拒絕”比例，逐漸實現存量零售客戶到新客戶的自動審批，逐步完成低額度自動授信到較高的額度核給，待條件逐一成熟時再提高自動化程度，擴大自動化審批場景。同時，審批人員需要從一個純粹的操作者轉變為系統的管理者，利用資料分析進行策略優化，這種角色的過渡也需要長時間的經驗積累。
從“自動拒絕”出發自動化審批不是一蹴而就的，需要打好基礎，經歷逐步反覆運算，優化及驗證才能在風險可控的前提下大幅提升審批效率。而最開始的基礎搭建和經驗積累可以從“自動拒絕”開始。
場景。一位同事之前向筆者抱怨：網上申請了某銀行的信用卡，短短2分鐘後就被“無情”地拒絕了，拒絕原因是“申請條件不符”。事實上，由於該信用卡是高端卡種，對於申請人的年收入等條件要求“近乎苛刻”，審批系統會把不滿足辦卡標準的申請者自動拒於門外。
實現自動化第一步：“秒拒”。近年來，銀行陸續在積極探索通過自動化、電子化手段實現信用卡申請的“秒批”及“秒拒”。但是，看看下面這兩張圖（圖1、圖2），“秒批”是否真的無漏洞可鑽，還要好好盤算一下。
圖1
圖2
受當前市場環境、監管要求及各家銀行行內風控要求和風險管理能力的約束，儘管“秒批”的比例正在逐步上升，但與信用卡審批業務中廣泛運用的“秒拒”相比仍有較大的差距。審批自動化第一步的確可致力於“非目標客戶的自動篩選”：從申請門檻、欺詐風險和信用風險控制等維度入手，梳理拒絕規則和判斷邏輯，篩除明顯不符合申請要求或存在高風險的客戶，實現非目標客戶的“自動拒絕”。
具體來說，通過對客戶基本資訊驗證、內外部黑名單篩查、外部信用狀況核實等手段將授信政策中常說的觸碰到“紅線”的客戶納入“自動拒絕”的範疇，並結合不同的進件管道、不同的卡產品和客群、不同的業務場景，對拒絕條件及判斷規則進行差異化設計與管理。
例如，目前，方便快捷、觸達人群更廣泛的網申辦卡管道越來越受到銀行的重視，但由於網申客群主要以年輕客群為主，這些客戶以征信白戶、職場新人居多，加之很多銀行過於重視網申辦卡的時間要求，缺少一些必要的資訊校驗環節，缺失強有力的貸後管理措施，使得網申管道的欺詐風險居高不下，風險暴露普遍高於傳統管道。但是換個角度看，網申頁面可以進行欄位元和欄位的控制，相對于傳統的客戶手填申請資料來說，填寫的正確性能有更好的保證，比如通過設置必填項、利用下拉清單規定輸入類別等，使得銀行能對客戶有更全面、更準確的描繪，從而為自動化審批奠定良好的基礎。基於此，相對於線下管道，網申的准入規則應契合管道自身的優勢和業務特點，更多地利用自動化拒絕策略，例如在系統後臺增加一些自動化外部資訊核查模組，驗證手機號、位址、關係人等來加大審核力度，甚至可以引入設備指紋等FinTech手段來識別團夥作案，從而更有效地管控風險。
雖然“自動拒絕”在城商行及中小銀行中的實踐運用起步較晚，但從以往經驗來看，很多銀行在完成“自動拒絕”規則落地後效果十分明顯。
首先，“自動拒絕”能明顯提高審批效率。從行業資料看，標準卡申請件的通過率在70%左右，而被拒絕的客戶中大部分可以通過系統規則設定進行自動識別與篩選，審批人員無需再對其進行人工判斷，一定程度上釋放了審批人力，讓審批人員集中精力對符合基本要求的申請件進一步核查。
其次，自動化規則的設置不僅減少了人為因素的干擾，提升了規則判斷的精准性，而且策略比對相較於人工判斷更加嚴格及規範，流程控制力度也會更強。
最後，“自動拒絕”還可以説明銀行通過系統實現規範化的代碼標識，自動記錄相關作業資料，便於後期對規則進行資料檢視和優化，持續加強業務跟蹤及管理。
當前仍處於經濟下行週期，風險形勢依舊嚴峻，加之監管並未完全放開自動核准，在此前提下，“自動拒絕”不失為銀行嘗試自動化審批的敲門磚，通過拒絕規則的設置、落地應用及後續跟蹤分析，夯實自動化審批體系搭建的基礎。並在此過程中，進一步鍛煉人才隊伍、積累實戰經驗。當具備這一基礎條件後，銀行就可以結合管道特點、自身的品牌建設和管理能力，逐步嘗試在審批自動化的道路上添磚加瓦，通過引入評分、自動決策引擎等工具手段，不斷提升審批自動化程度。
“信審工程師”拉近自動化審批與我們的距離在AlphaGo戰勝李世石後，人工智慧在全球的熱議程度達到了一個全新的高度。隨著科技的不斷發展，人工智慧在金融領域的應用也日益深入。審批自動化的實現離不開智慧、高效的審批系統，然而這也給傳統信審員的角色轉變帶來了不小的挑戰。
在自動化審批時代，傳統信審員應該扮演什麼角色呢？
李開複在《人工智慧的黃金時代》中表示：“人工智慧不是要用機器取代人，很多情況之下只要能輔助人就可以了。”
機器長於效率，人長於創造。那些敢於吃螃蟹的線上借貸平臺應該充分感受到自動化帶來的超高效率，以往人工審批效率充其量不過100件/天，而自動化審核日產可超過一萬件。
機器可以不用下班，不用休假，保持24小時運轉，能克服人的主觀隨意性，穩定，不會失戀，不會中彩票，沒有任何情緒波動。
羅振宇在去年的跨年演講中提到了人工智慧對人帶來的威脅——人工智慧降低了參與門檻，導致對一些低技術含量工種的部分替代，被替代的人在機器面前將完全沒有競爭力。
信審員的命運會和19世紀初在工業革命浪潮中隨風飄零的手織工一樣嗎？
審批自動化的確是一場機器與人的競爭，但和人與人之間的競爭不同的是，機器是由人創造出來的，因此人也完全可以創造出一個更好的機器去打敗另一個機器（這裡暫且不論特定的機器創造機器的問題）。這也是人工智慧把人從重複勞動中解放出來，並且人的思維性、創造性和藝術性會得以提高的原因。
就像電影《異形》裡那群創造人類的外星工程師一樣，筆者也想用“信審工程師”來表述自動化審批系統的創造者。“信審工程師”需要對這一領域全方位地深入理解和思考，以及具備獨立解決問題的能力。這是成為一名創造者的必要前提。
換句話說，就是業務與技術都要精通。對業務地深入理解，豐富的審批經驗，是實現自動化審批系統的核心；而技術，是讓你知道，機器能做什麼，不能做什麼，有什麼優勢，又有什麼弱點，從而揚長避短，讓人與機器進行完美的契合。
“智能化陷阱”。自動化審批系統不是一台可以直接告訴你“核准”或“拒絕”的簡單機器，它由多個相互獨立的子系統構成，各自實現其特定的功能。每個子系統都可能會用到機器學習、電腦視覺、專家系統等人工智慧技術。
我們欣喜地發現，很多銀行的“信審工程師”都在嘗試引入此類技術，快速、完善地實現自動化審批的基礎設施建設，比如：利用光學OCR（OpticalCharacter Recognition，光學字元辨識）技術實現紙質申請表的快速錄入；設備指紋、前端偵測技術線上上反欺詐中的廣泛運用；申請評分卡已作為一項必需工具深入到風控體系中；規則引擎成為了實現自動化審批的首選工具。
然而，要想從頭到尾打通整個流程，構建完整的自動化審批體系，還需要面臨很多問題，比如：風控模型的結果很可能是一個概率或者分數，如何把這些抽象概念運用於真實業務場景？隨著經濟的波動，一旦模型的假設條件不符合，從而導致模型結果存在較大偏差，如何對此進行有效監控和調整？機器學習演算法雖然能夠達到很高的識別精度，但是由於無法直接獲取判斷依據，無形中加大了與客戶溝通和貸後案件分析的難度。現在流行的大資料征信概念，到底對風控的幫助有多大？目前在國外，對於用作征信的資料存在嚴格的限制。對於銀行來說，大量引入協力廠商資料是否物有所值？構建的大資料模型，是否存在“垃圾進，垃圾出”的窘境？
這些問題恐怕只是“智慧化陷阱”的冰山一角，但卻是“信審工程師”們不得不去考慮和面對的問題。要從傳統的人工審核發展為完全的自動化、智慧化審批，還有很長的路要走。
創造“以人為本”的自動審批體系。陷入“智能化陷阱”的，往往是那些夢想一蹴而就的人。創造自動化審批系統時，需要時刻保持“走得快”和“走得穩”的平衡。在未來很長一段時期內，人與機器的配合是必要條件。這不僅僅是一個系統，更是一個人與機器的生態體系。
即使再精確的模型，輸入偽造資料，依然會得到錯誤的結果。因此，資料核查、身份認證的環節是信審人員必須參與的，需要保證輸入機器的資料真實且有效。
機器很難進行自身反覆運算優化，也無法對經濟環境、目標客群、風控政策等因素的改變做出快速反應。因此，“信審工程師”們必須建立一套策略檢視和優化的機制，通過資料分析時刻關注風險趨勢和系統運作的情況，不斷優化和完善。要知道，人比機器更善於思考，也更為靈活。
經驗豐富的審批專家往往能從一些蛛絲馬跡中發現風險點，比如筆跡和電話錄音等，這些都是機器學不到或者很難學習的寶貴經驗。在自動化審批體系中，一方面，機器要會判別何時需要求助人的經驗，並保證效率與風險的平衡；另一方面，還需要儘量將信審員的經驗資料化、結構化，讓機器能夠盡可能的獲取到這些“隱性知識”。
顯然，這是一個“以人為本”的體系，人依然佔據著主導地位，機器只是代替了信審員的重複勞動。在這個生態體系內，人和機器共同成長。機器不斷汲取人的經驗，愈發精確和智慧，自動化程度不斷提升；人逐漸適應角色的轉變，分析能力、思維能力不斷提高，專注於模型設計、策略優化等“審批藝術”。
正如蘋果公司CEO庫克在麻省理工學院畢業典禮上與教皇方濟各談話中所說的，人工智慧的關鍵，在於對機器的控制、自身創造性的提高和道德的約束。每一個“信審工程師”，或者想成為工程師的信審員，都不妨認真思考一下這個問題。
實習編輯：王海銀 葛辛晶