“其实我一直觉得，国内的风险评估行业，和新加坡、欧美相比，最大的差距不是技术，而是意识。”苏念安擦了擦嘴角，语气格外诚恳，“国内很多企业，尤其是中小型民企，把风险评估当成走过场，要么是为了应付监管，要么是为了融资需要，根本不是真的想排查隐患、规避风险。甚至有些大型国企，也存在风控部门边缘化的问题，业务部门说了算，风控意见被束之高阁，等到风险爆发，才追悔莫及。”
“这点我认同，但新加坡也有自己的困境。”盛屿接过话头，语气客观，没有丝毫优越感，“新加坡作为国际金融中心，监管层面的风控要求极其严苛，甚至到了苛刻的地步，金融机构、跨国企业的风控体系都很完善，可正是因为过于严苛，反而导致风控过度的问题。很多企业因为怕触碰风险红线，不敢做任何创新型业务，尤其是新兴科技领域，比如数字加密资产、跨境支付，新加坡的监管风控走在前列，却也束缚了企业的发展空间。我们做评估的时候，经常要在合规风控与商业创新之间找平衡，稍有不慎，要么触碰监管红线，要么耽误企业发展，难度极大。”
他顿了顿，夹起一只黑胡椒虾，继续说道：“而且，新加坡的风控行业，太依赖国际标准，本土化的评估模型不够完善。我们用的大多是欧美成熟的风控体系，可这套体系放到东南亚本土市场，明显水土不服。欧美市场的风险评估，侧重财务数据、信用体系、法律条款，可东南亚市场，人情关系、本土势力、政策临时变动，这些非量化因素，对风险的影响远大于数据，可这些因素很难用标准化模型去测算，这就要求风险评估师不能只靠数据说话，还要有极强的区域洞察能力、人脉资源，甚至是对地缘政治的预判能力。”
这番话，精准戳中了苏念安的心声，她放下餐具，眼神里满是认同：“没错，这也是我这几年最深的感触。传统的风险评估，靠的是数据模型、财务报表、历史案例，可现在的风险早就变了，新型风险越来越多，越来越隐蔽，而且具有极强的突发性。比如数字化转型带来的网络安全风险、数据合规风险，还有现在的AI技术普及，引发的算法风险、伦理风险，这些都是传统风控体系覆盖不到的领域。我去年做过一个互联网企业的AI风控评估项目，企业用AI算法做信贷审批，看似高效，可算法存在偏见，导致部分群体被歧视，还存在数据泄露的风险，这种风险，根本没法用传统的财务风险模型去评估，只能重新搭建评估体系，从技术、合规、伦理多个维度切入。”
“AI风控的风险，我今年也在研究。”盛屿眼前一亮，显然这个话题是他近期关注的重点，“新加坡金管局今年刚出台了AI风控的指导意见，要求所有金融机构使用AI算法时，必须做算法可解释性评估、偏见排查、应急止损方案。我们事务所刚好承接了星展银行的AI信贷风控评估项目，最大的问题就是算法黑箱，AI算法的决策逻辑不透明，一旦出现风险，根本无法追溯责任，而且算法依赖历史数据，历史数据本身就存在偏见，导致风险评估结果失真。我们团队花了三个月时间，搭建了一套人工复核+算法优化的双重评估体系，才勉强达到金管局的要求，过程极其繁琐。”
他说着，从随身的公文包里拿出平板电脑，点开一份加密的评估报告，递到苏念安面前：“你看，这是我们做的算法风险热力图，红色区域是高风险点，主要集中在数据来源合规性、算法决策透明度、应急止损机制三个方面，现在全球都没有统一的AI风控评估标准，各国监管要求不一，跨境企业做AI风控评估，更是难上加难，这也是这次交流会要重点讨论的议题之一。”
苏念安接过平板，仔细看着那份热力图，图表制作专业，数据标注清晰，风险点拆解得极为细致，能看出盛屿团队在这方面下了极大的功夫。她逐一看完，指尖在屏幕上轻轻点了点红色的高风险区域，开口说道：“我们国内也面临同样的问题，国内对AI算法的监管越来越严格，《生成式人工智能服务管理暂行办法》出台后，所有AI企业都要做合规风控评估，可行业内没有成熟的评估模板，我们只能一边摸索一边做。你这份热力图给了我很大启发，尤其是算法可解释性的评估维度，我们之前一直忽略了这一点，只关注数据安全，没考虑到决策透明性的风险。”
“其实我们可以互相借鉴，你对国内的监管政策、市场环境更了解，我对东南亚的本地化风控、国际监管标准更熟悉，这次交流会上，我们可以把中资企业出海东南亚的AI风控风险作为一个子议题，联合提出一套适配的评估框架，应该能给行业带来一些参考。”盛屿看着苏念安，眼神里满是期待，这份期待，是同行之间的惺惺相惜，更是对专业共创的认可。
这章没有结束，请点击下一页继续阅读！
喜欢莹火虫下的星光请大家收藏：(m.20xs.org)莹火虫下的星光20小说网更新速度全网最快。