“国内消费金融行业正加速发展，并呈现出规模化、数据化、生态化的特征，但并没有破解普惠金融‘难普、难惠’的难题”，11月16日，百度副总裁黄爽在2017百度世界大会智能金融分论坛上表示。

消费金融“难普难惠”智能金融或是突破口

黄爽认为，普惠金融依然“难普”有三个原因：征信体系覆盖率低，5亿多经济活跃人口是未被央行征信覆盖的“白户”；线上化率低，信贷服务线上化率仅有6%；海量线上行为数据虽然被记录但在信贷决策中应用非常有限。“难惠”首先是因为服务成本高，全行业运营和客服总成本在万亿级；其次是受限于数据孤岛导致人群画像能力不足；最后，产品定价无法真实反应用户需求和风险，部分P2P、小贷定价过高等难题。

作为百度金融消费金融的带头人，黄爽指出团队正在将百度的人工智能技术基因注入到金融业务中，通过智能金融全链条重构传统金融，破解行业面临的难题。在她看来，智能金融给我们提供了新的契机，不再局限于后台运营成本的规模化、标准化即所谓的IOE，也不再仅仅是场景里面多了个线上入口，而是包括智能获客、大数据风控、随需服务和具有人工智能能力的IT基础设施四个方面。

在智能获客方面，百度可以对亿级用户从学历、职业、年龄、资产、收入等维度作画像，准确度在80%以上。通过响应模型精准评估用户的真实合理需求，在相同风险水平的人群中，百度金融响应模型可以有效区分不同响应率，从而提高转化率；传统的观念认为响应率高的用户风险高，但是百度的响应模型能够反映真实的用款需求， 所以在响应最高的20%人群中还保有26%低风险占比。此外还有预授信风险模型对客户进行有效分层，与央行征信数据在人群边界和数据维度上形成有效补充。在画像前置、需求评估前置，风险评估前置的前提下，可以形成对用户的预授信和智能产品推荐，有望从根本上解决金融获客中的资质匹配，用户体验，产品匹配几大门槛。

在大数据风控上，黄爽认为，风控不仅仅是模型的问题，还是策略模型和场景的结合。她以当前很多金融机构都在使用的人脸识别技术举例，百度人脸识别技术在实验室中的准确率世界领先，但当百度金融刚开使用这项技术的时候，识别率却远低于实验室水平。“产品化的过程是和风险策略结合的调试，一步步从‘能用’到‘真用’再到‘好用’。例如不同场景可能要不同的阀值，如果某些场景阈值设定过低，很可能造成客户体验太差，控制了风险但失去了业务；照片不能进行有效比对时，是第一时间拒绝客户还是全网实时抓取他的照片进一步比对？什么时候需要调取人工审核？这都需要多次测试。”百度金融今天人脸识别SDK调起已经达到每天几百万次，全流程通过率提升到90%以上。

    愿与更多机构一同“吃螃蟹”拓展服务边界

黄爽在演讲中称，百度的金融科技能力，已经在百度过去一年多的金融实践中得到了锤炼。百度金融目前正在打造智能消费金融开放平台，为合作伙伴提供从获客、产品匹配到风控、服务、贷后的全链条服务。

黄爽认为百度智能消费金融平台具有灵活、即时、可控、自学习等四大特征：该开放平台既可以为金融机构提供基于智能云和百度金融大脑的场景化深度全链条解决方案，也可以提供可灵活组合的菜单式服务。 可以实时触发营销策略，调整风险策略，迅速调优模型；服务标准有保证，资金流可控;在人工智能的数据、算法和测试框架支撑下具有自我学习、不断进化的能力。

百度消费金融平台目前合作伙伴则包括了以中国农业银行、中信银行、百信银行、招联金融、宜人贷等为代表的传统银行、直销银行、消费金融以及医疗、教育等场景合作方。黄爽称，“希望更多金融机构和我们一起吃螃蟹，拓展金融服务人群的边界。“

“人工智能在金融里面的应用还只是黎明，我们还有很长的路要走”，但是黄爽表示，如果每个人对普惠金融有一种信念，把大家的洞察、经验都注入到消费金融开放平台当中，平台学习进步的步子会迈的更大，也会朝着普惠金融的梦想越来越近。