AI神盾平台:平安人寿金融生态中的智能风控实践
本文整理自 AICon 上海分享「AI神盾平台在金融生态中的智能风控实践」(演讲者:黄佳豪),通过AI音视频总结工具 Ai好记进行视频转文字整理,以下为精炼整理后的内容。

风控体系的演进路径
金融风控正在经历从规则驱动到AI驱动的升级。平安人寿的实践路径可以概括为三个阶段:
| 阶段 | 核心方法 | 特征 |
|---|---|---|
| 第一阶段(60分) | 规则引擎 | 实时/离线对账、两限控制、黑白名单 |
| 第二阶段(80分) | 数据驱动 | 用户画像、行为分析、关联网络 |
| 第三阶段(90分+) | AI智能体 | Agent自主巡检、根因分析、自动处置 |
这个路径的核心洞察是:先打好基础,再追求智能化。 很多团队一上来就想做Agent风控,但如果没有对账、限流、黑白名单这些基础功能,上面的AI做得再好也接不住。
烟囱式架构的困境
传统风控系统的架构问题是「烟囱式」——不同的业务领域各自建立独立的风控系统:
- A领域有自己的风控规则和策略
- B领域也有自己的一套
- 数据在两者之间不互通
结果就是:即使B领域发现了A领域的一个风险问题,也无法将风险信息有效传递过去、触发A领域的管控措施。整体的风控效果被打折扣。
神盾平台的四大能力
平安人寿「神盾平台」的设计目标是覆盖四个维度:
| 维度 | 说明 | 具体表现 |
|---|---|---|
| 广度 | 覆盖全资产 | 所有业务线的风控统一管理 |
| 深度 | 精细化策略 | 原子级业务熔断,最小粒度的拦截 |
| 精度 | AI提升准确性 | 减少误报和漏报 |
| 速度 | 快速触达 | 告警到处置的端到端时间 |
原子级业务熔断
这是「深度」维度的核心能力——风控系统能够对最细粒度的业务操作进行实时拦截和暂停。不是「关掉整个活动」,而是只拦截某个用户的一次异常操作。
AI智能体在风控中的落地架构
神盾平台采用的混合架构是:感知层用Agent,分析层用Workflow,决策层用Agent增强。
风险处理全流程
事件触发(告警/客诉/人工)
↓
信息采集Agent → 调用工具收集相关数据
↓
根因分析Agent + 关联分析Agent(并行工作)
↓
影响评估Agent → 判断风险优先级
↓
输出分析报告 → 触发处置(熔断、建工单)
↓
人工核验 → 沉淀解决方案至知识库(长期记忆)
为什么分析层用Workflow而不是Agent
一个重要的设计决策:分析层使用Workflow而非Agent。
原因是分析层的准确率至关重要。Agent在分析时容易产生「幻觉」和发散,导致准确率下降——实测数据显示Agent比Workflow的准确率低约30%。
Workflow通过明确的步骤编排,确保分析过程清晰、可控,避免Agent引入不相关信息。简单说就是:分析这件事,确定性比灵活性重要。
多Agent协同
在感知层和决策层,多个Agent协同工作:
| Agent类型 | 职责 |
|---|---|
| 信息采集Agent | 从多个数据源拉取风险事件相关信息 |
| 根因分析Agent | 分析问题发生的根本原因 |
| 关联分析Agent | 分析上下游关联影响 |
| 影响评估Agent | 结合业务知识判断风险优先级和影响范围 |
长期记忆链路
智能体的能力上限取决于长期记忆机制的建设水平。神盾平台的长期记忆构建路径:
数据治理 → 结构化数据 + 非结构化数据
↓
业务标签挂载 + 事实抽取(who-do-what三原子)
↓
实体对齐 + 因果链接 → 领域知识
↓
沉淀到长期知识库 → Agent精准召回
对中小机构的建议
对于资金和人力有限的中小型金融机构,演讲者给出了一个务实的起步策略:
第一步先做好四件事,达到60分及格线:
- 实时对账:交易发生后立即核对
- 离线对账:日终/周终对账找出差异
- 两限控制:限时(单位时间内最大操作次数)、限量(单笔/日累计最大金额)
- 黑白名单:可靠的名单管理
这四样构成了风控系统的最小可行形态。在此基础上再逐步扩展触点和AI能力,而不是一上来就做大模型Agent。
未来的方向
在保险等强合规领域,规则和数据仍然是不可替代的底座。AI智能体在上层发挥作用,但下层的规则引擎不会消失。
未来的方向是「私有域建设+公有生态共建」的混合模式——核心数据和规则在私有域,AI能力和模型可以复用公有生态的成果。
FAQ
Q:神盾平台对中小保险机构开放吗?
A:文章主要分享平安人寿内部实践,未提及对外服务计划。但文中给出的建设路径和建议对所有风控团队都有参考价值。
Q:Agent在风控场景的误报率有多高?
A:Agent本身的误报率比Workflow高约30%,这正是神盾选择「感知用Agent、分析用Workflow」混合架构的原因。
Q:长期记忆链路的建设周期大概需要多久?
A:取决于数据治理的成熟度。如果已经有稳定的数据中台,3-6个月可以完成基础建设;如果数据零散,前置的数据治理工作可能需要更长时间。
以上内容由AI笔记神器 Ai好记 转录整理。
Ai好记是一款音视频转图文笔记的 AI音视频总结工具,支持解析B站、抖音、小红书、小宇宙等平台链接及本地/网盘的音视频文件,转文字后自动生成精华速览、思维导图和结构化笔记,帮助你把几小时的视频内容变成可搜索、可复习的图文笔记。

更多推荐



所有评论(0)