泛科技产业前沿资讯平台
首页›金融科技›AI 风控›正文

两张罚单170万的警示,风控的窟窿不在模型

图片
图源:中国平安官网

浙商银行徐州分行罚70万元,江苏苏州农商银行徐州鼓楼支行罚100万元,加上个人罚款与一名责任人7年禁业,同一天开出的两张罚单合计170万元。违规项分别是未按集团客户统一授信管理、流动资金贷款贷后管理不审慎、未按规定报送涉刑案件、承兑汇票贸易背景真实性审核不到位。监管在处罚决定里写的是“未按规定报送涉刑案件”。

这四句话里没有一句提到模型或算法。它们描述的都是数据与流程的断点,而这恰好是银行上AI风控之前必须先补的地方。

把一家集团拆成几个客户

未按集团客户统一授信,操作路径并不复杂:关联企业各自开户、各自申报、各自放款,绕开总额度控制。单户看都合规,合起来风险敞口失控。 识别关联关系靠的是工商股权、实际控制人、担保圈、资金往来等数据打通。如果客户信息系统的关联图谱不完整,审批人员只能看到单户报表,模型再先进也只能在一张残缺的表上算分。

贸易背景审核为什么总是失守

承兑汇票的贸易背景真实性审核,是票据业务最典型的风险源。虚构贸易合同、开票套取资金,这类问题在纸面上很难看出来,需要合同、发票、物流、资金流向四流合一比对。 问题在于数据分散在不同系统里,且格式不统一。AI做四流比对的前提是这些数据能结构化对齐,否则模型只能做规则校验,查不出精心构造的假合同。

AI 能补的是哪一段

平安产险的经验可以提供参照:图像识别定损、OCR识别单据、生物识别核身三层叠加,人伤理赔自动化率做到63%,最快51秒结案,前三季度反欺诈挽损100.04亿元。它的前提是85亿条图像语料、33TB健康养老数据这种规模的数据底座。 银行的对公业务没有这么整齐的标注数据。可行的路径是从高频、标准化的小微与零售信贷切入,先把贷后资金流向监控做成实时预警,再向集团客户授信扩展。

罚人的分量

处罚结构比金额本身更值得留意。机构罚款记在账上,个人禁业记在人身上,7年禁业对基层银行人基本等于职业生涯结束。监管的追责已经从机构前移到具体经办与管理的人。 这对AI风控是个提醒:系统给出的是提示,签字的是人。模型能减少漏判,但不能替代责任。

——

本文资料来源:国家金融监督管理总局徐州监管分局行政处罚信息公示(2026-11-13);平安产险智能反欺诈与自动理赔披露数据;中国平安2026年第三季度报告。

本文基于公开信息整理,仅供行业研究参考,不构成投资建议。