AI助力汽车金融破解千人千面密码

汽车金融业务的客户可谓“千人千面”，如果只用人工方式分析客户数据，工作量无疑是巨大的。人工智能的出现不仅能够通过强大的数据分析能力，更准确地评估客户的信用风险，还能通过对用户数据的深度挖掘和分析，精准把握用户的消费偏好、购车意向和金融需求，从而实现精准营销。
　　近日，专业汽车金融科技平台易鑫集团（下称“易鑫”）宣布，将于年内推出汽车金融行业首个Agentic大模型。该模型通过自主决策智能体深度结合汽车金融场景需求，有望从根本上解决行业中长期存在的效率瓶颈和痛点。
　　随着我国新车和二手车出口高速增长，相应的金融服务企业也在利用AI技术优化业务流程。比如，XTransfer就借助AI、大数据技术等，形成强大的反洗钱风控能力，为客户提供安全、合规、高效且低成本的跨境金融服务，在提高二手车出口贸易结算效率的同时，减轻了贸易企业资金周转压力。
　　在汽车产业智能化、电动化加速的背景下，汽车金融与科技的深度融合已成为行业发展的核心驱动力。
　　从辅助工具升级为决策核心
　　今年3月，易鑫宣布，已本地化部署和应用DeepSeek大模型。他们不仅是汽车金融行业较早接入DeepSeek的企业，更是业内首家实现开源的企业。作为一家AI驱动的金融科技平台，易鑫通过技术创新，让金融科技在汽车金融领域的应用贯穿业务全流程。同时，为响应“人工智能＋”战略，聚焦垂直领域技术突破，易鑫还设立了首席AI科学家职位。
　　从易鑫的实践经验来看，在录入信息环节，AI可以通过多模态大模型自动识别和填写信息，提升人效160％；在智能风控方面，通过传统机器学习、多模态大模型和推理大模型，让转化率和通过率双双提升超两位数百分点；在打通资金通路上，创新优化匹配算法，处理效率提升120％；在客户服务方面，通过引入多模态大模型驱动的AI，将人效提升了60％；在资产管理上，利用资管智能体，让修复率大幅提升了1倍。
　　2024年，易鑫成为中国汽车金融领域首个通过生成式人工智能大模型备案的企业，今年在完成DeepSeek大模型本地化部署后，又通过开源YiXin-Distill-Qwen-72B模型推动行业技术共享。
　　易鑫首席AI科学家、高级副总裁张磊告诉记者，在汽车金融传统业务环节中，客户体验不佳的痛点主要集中在流程繁琐、信息不对称和个性化服务缺失。可以说，每个复杂的业务环节都存在改进的空间。以资产管理为例，过去的做法是按照逾期天数对应固定的资管流程这种静态流程模式，采用动态流程规划，能使修复率提升达到1倍。
　　张磊坚信，“人工智能＋”行动将加速汽车金融行业变革。当前，汽车金融在风险定价、信用评估、业务流程优化、个性化金融服务方面仍有较大提升空间，汽车金融和人工智能的融合将推动行业向智能化、场景化的深度转型，推动生态的重构。AI将从辅助工具升级为决策核心。例如，通过Agentic AI自主处理复杂金融方案设计，企业可减少对人工的依赖。在政策的激励下，资本也会加速流向AI研发，推动AI技术从“工具应用”向“战略赋能”转型。
　　Agentic AI持续进化提升核心能力
　　Agentic AI（智能体AI／代理式AI／能动AI）又被称为自主AI，是指被设计用来通过理解目标、导航复杂环境，并在最少的人工干预下执行任务的系统，能够通过自然语言输入独立和主动完成端到端任务。其通常被设计为更具自主性和适应性，不仅能处理数据，还做出决策、从互动中学习，并采取积极的步骤来实现复杂目标。
　　张磊介绍称，Agentic AI可以设定目标，从互动中学习，并自主做出决策，转变业务运营和客户互动。其功能与人类员工非常相似，可以掌握细微的环境，设定和追求目标，通过任务进行推理，并根据不断变化的条件调整他们的行动。
　　一直以来，全球汽车金融行业普遍存在传统工作流程低效与决策链复杂的难题。在张磊看来，要想破解这些难题，从根本上提高行业效率，就需要推动Agentic AI的持续进化。
　　具体来看，复杂场景判断和长链路决策流程这两个能力是汽车金融业务的核心。例如，判断是否要为一位用户提供服务，以及如何定制化服务流程，在1.0的判别式AI初期，判断行为是通过业务规则去做的，决策流程是静态的，而在1.0的后期，判断则是通过传统机器学习这样的小模型去实现的，而流程依然是静态的；在2.0的生成式AI阶段，判断进化为通过大模型实现，但是流程还是静态的；而3.0阶段的Agentic AI，可以做到通过与客户及环境的交互做出决策，实现动态流程设计，利用AI自主学习，从根本上提高行业效率。
　　他表示，AI在汽车金融领域的场景化应用非常广泛，在运营管理中，通过智能调度，AI可预测区域业务量峰值，动态分配客服资源，将人力成本降低20％；通过自然语言处理技术实时分析社交媒体，预警品牌风险，响应速度可提升80％；在财务管理方面，AI可以实现自动化对账和现金流预测；法务合规领域则可以用于智能合同审核等。
　　在围绕着研发Agentic AI，易鑫已投入大量资源，比如，大模型训练的人才储备、契合垂直场景的高质量Agent规划和决策数据、推理决策模型的风洞试验等。
　　跨境金融亟需AI加强风控
　　除了在国内汽车金融领域开始被广泛应用，提供跨境金融服务的企业也在引入AI来提高效率，加强风控。
　　据了解，从事二手车出口的企业，尤其是中小微企业，难以获得传统金融机构提供的跨境金融服务，较长时间以来都面临开户难、收款难、成本高等难题。由于传统金融机构主要的服务对象是大型跨国集团企业，其反洗钱风控模型也是此类企业制定的。当面对体量较小、交易特征相对多变的中小微企业群体时，如何高效且低成本地获取足够数据和信息、精准控制风险成为传统金融机构的一项待解决课题。
　　XTransfer在成立之初就针对中小微企业打造了一套反洗钱风控基础设施，2024年通过自研外贸金融大模型TradePilot，借助AI、大数据技术等更高效地进行反洗钱风控审核，通过与全球知名金融机构合作，为中小微外贸企业提供便利化的跨境金融服务。目前，超过60万家企业通过XTransfer进行跨境贸易结算。
　　XTransfer高级技术总监李伟通介绍，2024年6月，XTransfer自研大模型TradePilot的两个版本已经完成训练，并在外贸金融专业知识测评中，和众多国内外知名的大模型（包括GPT4）同台竞技，综合得分获得第一名。根据企业调研结果，模型不仅大幅提升了交易的安全性和效率，还显著降低了中小微外贸企业的成本，已逐步在多个领域进行有效落地应用。
　　在风险识别和管理方面，TradePilot通过强大的上下文推理和自然语言处理能力，能准确预测并防范潜在的交易风险，极大地提升了中小微外贸企业的市场竞争力。
　　近年来，B2B外贸业务由线下向线上转移持续加速。由于B2B模式交易链路仍涉及大量的线下环节，这造成了交易数据的分散以及非结构化，也为B2B跨境金融的反洗钱风控带来非常高的难度系数。
　　据悉，XTransfer打造了以中小微企业为中心的数据化、自动化、互联网化和智能化的反洗钱风控基础设施，构建了在B2B外贸金融反洗钱风控层面的行业壁垒。如今，借助大模型的多模态信息抽取，如PI（形式发票）、物流单据、水单等识别，实现自动进行买卖家匹配、审核入账等，反洗钱风控效率进一步提升。