商业银行大中型企业授信业务流程重建初探
——基于人工智能技术

2022-07-21 02:48秦君谊

中国市场 2022年19期

秦君谊

(广西大学工商管理学院，广西南宁 530004)

1 商业银行运用人工智能情况概览

近年来，我国金融业的基础框架和生态体系已经变革。琳琅满目的金融服务模式、日新月异的金融场景，对商业银行开展金融创新提出了越来越高的要求，商业银行越来越需要海量的数据作为模型支撑、强大的计算能力分析数据和构建模型、在内控合规和业务效率之间取得平衡的业务流程以及高效的实施工具来办理业务。单纯依靠扩大人数规模的人海战术的粗放式发展时代已经过去。运用人工智能技术以便更好地适应金融业竞争的要求，正在成为商业银行的必修课。

目前商业银行关于人工智能的研究领域主要集中在银行厅堂领域的服务、小微企业及个人领域的贷款，研究风险评估模型算法和贷款与否决策模型的也有不少，但关于利用人工智能对大中型企业的信贷服务进行改进的研究则相对较少。

2 商业银行大中型企业授信业务领域运用人工智能的必要性分析

根据国家统计局《统计上大中小微型企业划分办法(2017)》(统字〔2017〕213号)，按照行业门类、大类、中类和组合类别，依据从业人员、营业收入、资产总额等指标或替代指标，将我国的企业划分为大型、中型、小型、微型四种类型。而根据波士顿咨询《中国公司银行的5大发展趋势与5种差异化模式》，建议银行以企业的营业收入作为划分对公客户群的第一道标准，同时参考所在行业、资产规模、授信规模、对银行的资源消耗等维度，综合进行客户划分。波士顿咨询将营业收入超过200亿元人民币，具有全国化甚至全球化布局、多元化业务和集团化经营的特征的企业归类为超大企业；将营业收入30亿元至200亿元人民币，具备跨省集团化经营的特征的企业归类为大型企业；将营业收入1亿元至30亿元人民币的企业归类为中型企业；将营业收入小于1亿元人民币的企业归类为小微企业。按照波士顿咨询估计，到2020年，超大企业为公司银行业务贡献收入为2500亿元人民币，占比7%；大型企业贡献收入6300亿元人民币，占比18%；中型企业贡献收入1.23万亿元人民币，占比34%；小微企业贡献收入7100亿元人民币，占比20%；财政及机关团体贡献收入7600亿元人民币，占比21%。从上述预测可以看出，大中型及以上企业为整个中国商业银行体系公司的银行业务收入贡献占比为59%，贡献程度极大，是商业银行最重要的收入来源群体。

从银行实务来说，负责大中型企业的客户经理需要花费很多时间撰写授信贷前调查报告、进行贷中业务操作、进行贷后管理，如果利用人工智能对大中型企业的信贷服务进行改进，减少在信贷流程耗费的时间，就能投入更多时间去开发新客户、维护老客户，提高效益。因此，利用人工智能对大中型企业的信贷服务进行改进，是文章重点研究的问题，有着重要的商业意义。

3 商业银行大中型企业授信业务流程解析(运用人工智能前)

一直以来，我国商业银行在信贷审批领域强调“审贷分离、分级审批”，并且要求不断强化和优化信贷管理机制。在实际工作中，商业银行按照“贷前尽职调查，贷中真实性、合规性审核，以及贷后跟踪管理”的原则对信贷全流程精细化管理，不同部门相互独立、分工明确，以形成各部门之间相互制衡的信贷体系。这样可以保证商业银行能全面了解和核实信用主体的经营情况、财务状况和履约记录等信息，同时在授信放款后通过跟踪、监控信用主体的用款、还款等情况，最大程度防范和化解信贷风险。

传统针对大中型客户的授信业务流程主要包括贷前调查、贷中审查、贷后管理。其中贷前调查方式主要为收集材料—信用评级—撰写授信报告—提交审批部门审查，由于大中型客户体量大、报表复杂、关联公司多、产业布局多的普遍情况，撰写授信报告普遍耗时较长，授信报告主要由客户工商登记情况分析、行业状况分析、客户竞争力及地位分析、未来战略分析、财务分析、与金融机构合作情况分析、授信额度测算、本次授信方案及合理性解释等几部分构成。

授信审查是核实业务发起岗对借款申请主体调查的过程，也是授信流程的核心步骤，着眼于借款主体的经营情况、财务状况等资信情况，用于评估其第一还款能力，同时根据本笔业务的用途审核业务发起岗对授信方案的设计是否合理；有风险缓释措施的，还需要评估风险缓释手段(保证、质押或者抵押等)带来的第二还款能力是否充足，并结合客户信用评级结果以及本行授信政策做出是否审批通过的决策。如果借款申请人的关联企业曾在银行取得或者即将取得授信，那么按照管理办法属于集团客户，就要对集团客户开展统一授信，核定集团授信限额。之后信贷审查审批部门会针对单个借款主体申报的具体授信方案进行单次评审，以确定贷款额度和最终授信方案。

审批通过后进入贷中环节，业务部门根据授信批复要求落实放款前提条件，如有担保要求，须办妥抵质押或者保证等担保手续后方可放款。贷款发放之后则进入贷后管理流程，业务发起岗要按银行相关管理规定对贷款情况进行定期(一般是按月或者按季)和不定期(一般是集中检查或者临时抽检)的贷后检查，直至借款到期并全部结清贷款本息为止。通常来说，商业银行信贷业务流程主要包括贷前调查、信用评级、授信上报、授信审批、贷款发放、贷后管理和续贷申请这几个重要的业务流程，如图1所示。

图1 商业银行信贷业务流程

4 商业银行大中型企业授信业务流程解析(运用人工智能后)

结合商业银行一般授信业务流程，可以将授信政策和金融产品在信贷审批模型中进行预先设置，在采用嵌入了人工智能分析功能的信贷系统后，结合应用场景和专家经验设计不同类别的风险评估模型。业务发起岗按要求将企业信息导入系统后，系统综合运用人工智能技术结合历史数据自动筛选符合条件的客户流入端口，实现企业授信的申请、筛选、评估和项目审批。贷前调查工作流程可以极大地缩短，人力得到解放。在人工智能技术运用初期，基础数据有限，在授信审批过程中应采取人工智能技术与专家人工干预的并行机制，确保审批结论有效，确保信贷资产安全。

以上述环节为例，采用人工智能后，各环节的转变为：客户工商登记情况分析可在企查查、启信宝、全国信用信息公示平台等公开信息网站上直接获取。行业状况分析可在互联网站上直接获取，或者提取银行已获得授权的数据库的行业数据，并自动整理成文。客户竞争力及地位分析、未来战略分析这两部分需结合客户提供的资料及互联网信息一起分析，该环节需要人工参与较多。对提供电子版报表的客户，直接利用人工智能系统分析并产出结果，对不提供电子版报表的客户，财务分析环节可用图像识别纸质报表后利用人工智能系统直接分析并产出结果。与金融机构合作情况进行分析，其中，反映在人民银行征信报告上的信息，由于各大商业银行已与人民银行征信中心对接，因此可由嵌入了人工智能功能的信贷系统来提取并分析内容；不反映在人民银行征信报告上的信息，则根据客户资料由人工录入。授信额度测算同样可以利用嵌入了人工智能分析功能的信贷系统根据银监会公式测算，如碰到非标准测算情况，则由人工介入进行重测。授信方案及合理性解释则作为技术含量比较高的部分，建议由人工来完成。

在采用嵌入了人工智能分析功能的信贷系统后，贷前调查工作流程可以极大地缩短，人力得到极大解放，经营部门可以投入更多时间与客户进行情感交流，维系客户关系，而这正是人工智能暂时不能替代的。

同时，采用嵌入了人工智能分析功能的信贷系统后，数据部分的获取和核实更简单、更便捷，审批人员不必再花费大量时间核对客户经理上报的数据是否有错误，从而有更多时间关注与客户经营管理层的交流、问询，更快地对借款人形成直观、立体的了解，大大提高了审批效率。

此外，模型初审结果如果能被人工(部分或者全部)采纳，则模型得到了正反馈；如果模型初审结果不被人工采纳，则模型得到负反馈，同时系统使用方有对系统数据建议的权利，以保障系统不断完善。当然，是否采信建议取决于后台产品和风控联席岗位。

对于贷后管理，风控模式在现有专家规则模型基础上，运用机器学习平台与数据模型提升风险识别处置能力，建成实时、高效的事中风控平台和运营体系。通过人工智能技术实行分级差异化管理，通过科技手段，实施系统监控任务，如对生产型企业连通电网、供水公司、社保局、税局的数据库(需获得授权)，分别获取用电量、用水量、缴纳社保金额、纳税金额数据，并分别与上期、去年同期进行对比，做出正常与否的判断。同时，利用多维海量数据深度挖掘关键信息，探究借款人与其他实体之间的资金往来是否正常，以保证贷后管理工作数据的齐全性和有效性。此外，为防范客户经理贷后管理的操作风险和道德风险，可以在贷后流程实时定位客户经理，监控其现场贷后管理的全过程，并进行图片影像资料留存，有效杜绝舞弊或者走过场的现象。此外，利用OCR技术，自动识别客户提供的财务报表，并自动将数据导入信贷系统中，可充分减少客户经理工作量，提高工作效率。

在重构授信流程时，定义授信流程和定义模型内容是两个不可或缺的组成部分。由于篇幅有限，文章仅探究授信流程，对模型不做分析。

参考谢芸雁的研究，其主要着重于流程化构造人工智能在授信领域的应用，指出首先应分析贷款决策所需要的数据，进而建立知识库模型，然后利用真实的生产数据运行。其在2013年的论文中指出，在充分分析银行贷款业务功能的基础上，基于人工智能技术和计算机应用技术建立采用JAVA语言编写的银行信用贷款的评估和决策系统，并采用人工智能专家系统开发工具语言编写系统的知识库，用于判定银行是否应该发放贷款。其具体研究了系统的整体结构，从而得出了系统总体结构框架。并基于系统总体结构框架，建立贷款总体编程思想，主要包括贷款审批、贷后审查和总体贷款分析三部分。笔者结合其思路，在现有授信流程基础上加入人工智能技术，重新定义授信流程，如图2所示。

图2 信贷业务授信流程

以上这些关键流程都通过人工智能技术实现，其中包括客户洞察、深度标签、预测模型、营销个性化、产品推荐、人工智能提示售后服务、优化与学习、效果归因等。

5 结论

未来伴随着人工智能技术的进一步发展，人工智能技术的不断渗透将倒逼金融行业在授信业务流程和模型搭建上实现重大变革。人工智能与传统商业银行相结合将促使未来的金融服务更具普惠性，同时还可以降低商业银行的服务与运营成本，让客户获得更加专属、更加优质且更加廉价的产品与服务，进一步提升用户的满意度，最终提高全社会的福利。