Agentic AI 如何破解金融反欺诈的深层困局｜AICon上海

一句话看懂：在即将于6月26日举行的AICon 2026上海大会上，金融科技专家马敬涛将分享Agentic AI在金融反欺诈中的具体落地路径——从被动的事后拦截转向主动的实时预测，试图解决当前反欺诈系统“事前难察觉、事中误伤多、事后追溯慢”的结构性痛点。

事件核心：发生了什么

浙江小盾未来科技的AI解决方案专家马敬涛，将在AICon 2026上海站“金融领域大模型落地实践”专题发表主题演讲。他提出，当前金融反欺诈面临三重困局：交易事前风险渗透隐蔽（如复杂的社会工程学攻击）、事中拦截粗暴低效（误杀率过高）、事后洞察不足（案件溯因与规则更新滞后）。马敬涛的方案核心是构建一套“Agentic AI驱动的新一代风险决策智能操作系统”，该底座融合关联图谱、时序预测模型与风控知识库，使AI Agent能够自主进行端到端的欺诈场景识别、研判与规则迭代。

具体技术路线包括：利用Agentic AI驱动关联图谱实现事前穿透性风险预警；基于Transformer架构的时序模型增强对用户行为的深度研判；通过“案调Agent”和“规则Agent”自动化完成案件深度洞察与新规则萃取。马敬涛拥有超过十年金融科技从业经验，曾主导多家国有大行及股份制银行的总行级AI风控项目。

为什么重要

金融反欺诈长期依赖“规则引擎+人工审核”的被动防御模式，其核心瓶颈在于规则更新滞后于黑产攻击手段的快速演变。Agentic AI的引入，让系统从“接到告警再处理”升级为“持续学习+主动预测”，这本质上是对传统风控流程的操作系统级重构。马敬涛的案例披露了具体的技术栈——关联图谱、时序预测和微调后的大模型如何被编排进一个闭环Agent体系，而非仅仅是“用GPT念规则”。这种可执行、可观测的系统架构设计，对行业从实验室概念走向生产部署具有直接参考价值。

对用户/开发者/创作者的影响

• 对金融科技从业者：可视作一次体系化的Agentic AI落地参考。演讲提纲中明确列出了“基础架构+行业微调+知识赋能+Agent执行”的垂类Agent构建链路，开发者可据此评估自身系统与Agent框架对接的改造成本。
• 对金融机构决策者：需要重新评估风控IT架构的投入方向。如果Agentic AI能够真正降低事中误杀率（意味着减少正常交易被拒的用户损失）和提升事后洞察效率（缩短规则更新周期），则可能改变现有风控软件的采购标准和定价逻辑。
• 对普通用户：短期感受未必明显，但长期来看，如果系统的“事前先知”能力成熟，用户在转账、支付时遭遇“误阻断”的概率有望下降，涉及复杂欺诈的资金损失风险也可能更早被预警。

值得关注的后续

• 产品落地验证：马敬涛并未提及该方案目前是否已在某家银行投产。后续可以关注小盾未来是否会发布实际部署后的“误杀率下降”或“发现未知欺诈模式”等量化指标，这是判断方案是否有实质价值的关键。
• GraphRAG与知识推理的可用性：演讲展望中提到了GraphRAG的知识拓扑推理范式。目前大型图数据库与向量化知识库结合的生产级稳定性仍存挑战，可以观察其是否会推出配套的开源工具或API接口供开发社区测试。
• 竞品跟进与生态分化：蚂蚁、腾讯、华为等同时参与大会的公司也有各自的风控Agent方案。不同厂商在“记忆管理”“多Agent协调”等架构层面的设计差异，将直接影响开发者选型和生态兼容性。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

来源：InfoQ CN