课程背景：
当前国家深入实施“人工智能 +” 行动，加快建设全国统一大市场，要求国有企业用好新质生产力工具，推动风控合规从事后追责向事前预警、事中管控转型。传统风控模式普遍存在痛点：业务链条长、数据分散，依赖人工抽样核查，容易出现人工疏漏、程序性违规识别滞后，风险发现晚、处置成本高；子企业、多业务线穿透监管难度大，围串标、合同瑕疵、资金异动、供应商失信等隐蔽风险难以全面识别。
与此同时，AI 大模型、智能识别、风险图谱技术快速在央企、地方国企落地，大量头部企业已经在招标采购、合同审核、财务资金、供应链、审计监督等场景实现风控智能化升级，但部分单位也出现 AI 滥用、数据泄密、算法黑箱、责任边界模糊等新型风险。
本次课程立足政策要求与企业现实痛点，结合国内近年真实国企案例，讲清政策、拆解场景、识别风险、输出可落地防控举措，帮助管理层与风控人员正确把握 AI 风控建设方向，平衡技术创新与风险安全。
课程收益：
l 懂政策：吃透 “人工智能 +” 行动、全国统一大市场建设对国企风控的政策要求，理解国资监管、数据安全相关制度约束，把握数智风控建设方向。
l 知痛点：剖析传统风控模式短板，识别业务全链条中人工疏漏、程序性违规高发环节，建立“人机协同” 风控思维。
l 学场景：借鉴国内头部国企真实落地案例，掌握招标采购、合同法务、财务资金、供应链、审计监督五大核心业务链条 AI 风控应用模式，学习 AI 降本增效实操路径。
l 识新风险：掌握 AI 应用带来的数据泄露、算法幻觉、责任真空、外包供应链等新型风险点，厘清领导、业务部门、风控岗位权责边界。
l 会落地：AI 风控建设举措、自查清单、人机协同责任清单，明确本单位 AI 风控建设推进要点，规避 “重技术、轻管控” 误区。
课程时间： 0.5天，6小时/天
课程对象： 公司领导班子、各部门负责人、各部门风控员
课程方式： 政策导向 + 问题导向 + 实战落地 + 解读“人工智能 +”全国统一大市场国家战略 + 解析国企经营全链条 AI 风控应用 + 兼顾 AI 技术红利与 AI 自身新型风险防控
课程大纲
第一讲：数智时代风控变革——国家战略、监管导向与现实痛点
1.1 国家顶层战略部署解读
1.1.1 “人工智能 +” 行动核心要义与国企使命
1.1.2 全国统一大市场建设对风控合规提出新要求
——破除市场分割
——信用监管
——公平交易、穿透监管
1.1.3 国资监管新规对智能风控的硬性要求
——国资委数字化
——合规管理
——违规追责（46号令）
1.2 传统风控体系现存突出问题
1.2.1 风险识别：
——抽样核查盲区多
——隐蔽违规、程序性问题容易漏判
1.2.2 工作效能：
——海量单据、合同、业务材料
——人工审核成本高、周期长
1.2.3 监管模式：
——事后处置为主
——事前预警、事中干预能力不足
1.2.4 穿透难点：
——多层级子企业
——跨业务链条数据割裂
——风险穿透识别困难
1.3 AI + 风控的价值定位与认知纠偏
1.3.1 AI 风控不是替代人
——补短板
——降负荷
——扩覆盖
1.3.2 误区警示：
——拒绝 “为 AI 而 AI”
——坚持业务需求导向
1.3.3 案例：某集团风控数字化转型失败复盘
——盲目采购 AI 系统
——业务场景不匹配造成资源浪费
第二讲：AI + 风控核心技术原理与国企可用能力
2.1 面向风控场景的 AI 技术通俗解析
2.1.1 大语言模型 NLP：
——合同、制度、文书智能解析
2.1.2 OCR + 多模态识别：
——票据、标书、档案材料要素提取
2.1.3 风险图谱：
——关联企业、人员、交易关系穿透挖掘
2.1.4 异常检测算法：
——资金、采购、业务数据异动自动预警
2.2 国企 AI 风控两种建设路径
2.2.1 私有化部署：
——核心涉密、高风险业务场景
2.2.2 轻量化 API 插件集成：
——非涉密业务快速落地
2.3 案例：某集团 “温设 AI2.0” 合规审查平台轻量化落地实践
——制度知识库、合同智能审查
——提升法务审核效率
第三讲：核心业务链条 AI 风控应用场景与案例复盘
3.1 招标采购业务链条 AI 风控
3.1.1 业务痛点：
——围串标、资格条件设置瑕疵、评审程序不合规、标书雷同、程序性疏漏
3.1.2 AI 应用场景：
——招标文件智能校验、清标、围串标风险识别、供应商资质自动核验
3.1.3 风险防控要点：
——AI 预警之后人工复核机制
——关键决策不得完全交由 AI
3.1.4 案例：中国华电物资智能招采风控系统
——多维度识别围串标
——累计预警 700 + 条围串标风险
——实现从事后查处转向事前拦截
3.2 合同法务业务链条 AI 风控
3.2.1 业务痛点：
——条款漏洞
——与内控制度冲突
——模板误用
——合规审查工作量大
3.2.2 AI 应用场景：
——合同风险智能识别
——法规制度匹配
——瑕疵条款智能提示
——范本校验
3.2.3 风险防控要点：
——AI 输出仅作参考
——法务终审责任不变
3.2.4 案例：国网江苏电力企业大脑，项目合同与竣工资料智能合规校验，8 秒定位项目增资不及时风险隐患
3.3 财务资金业务链条 AI 风控
3.3.1 业务痛点：
——异常资金划转
——逾期付款
——违规担保
——报销舞弊
——子企业隐性风险
3.3.2 AI 应用场景：
——凭证 OCR 识别
——资金异动预警
——逾期付款穿透稽核
——报销风险筛查
3.3.3 风险防控要点：建立资金高风险事项人工强制干预机制
3.3.4 案例：大型建筑央企集团 AI 资金风控平台
——穿透子企业财务数据
——提前预警 17 起违规资金操作
——降低国资流失风险
3.4 供应链供应商管理 AI 风控
3.4.1 业务痛点：
——供应商资质造假
——关联关系隐蔽
——失信主体准入
——合作后动态风险监控
3.4.2 AI 应用场景：
——供应商准入智能核验
——关联企业图谱
——经营风险动态预警
3.4.3 风险防控要点：外部接口数据真实性复核机制
3.4.4案例：某航空国企供应链 AI 风控
——供应商准入审核由 4‑5 天压缩至 4 小时
——减少人工录入校验错误
3.5 审计监督、内控检查 AI 风控
3.5.1 业务痛点：
——海量资料抽样检查
——隐蔽问题容易遗漏
——底稿工作量大
3.5.2 AI 应用场景：
——全量文档筛查
——问题线索自动归集
——审计底稿辅助生成
3.5.3 风险防控要点：AI 线索不等于结论，必须人工核实取证
3.5.4 案例：国家电网 AI 智能体逾期付款稽核
——凭证要素自动识别
——穿透定位责任主体
——提升稽核效率
3.6 研讨：结合本单位业务，梳理 2‑3 个最适合优先落地 AI 风控的业务场景
第四讲：AI 应用自身新型风险识别与全维度防控措施
4.1 AI 风控建设中的新型风险清单
4.1.1 数据安全风险：
——内部经营、涉密、敏感数据上传公共大模型造成泄密风险
4.1.2 算法技术风险：
——模型幻觉、误判、算法黑箱、模型漂移导致错误风险提示
4.1.3 责任治理风险：
——AI 决策后责任真空
——人机权责边界模糊
4.1.4 供应链外包风险：
——外购 AI 系统服务商能力不足、后门风险
4.1.5 制度合规风险：
——AI 应用未纳入内控、未履行评估备案
——巡视审计追责风险
4.1.6 案例：某国企员工使用公共大模型上传招投标涉密材料，造成信息泄露被问责
4.2 AI 风控体系建设制度与流程防控措施
4.2.1 治理架构：
——明确班子、业务部门、风控、法务、信息化部门职责分工
4.2.2 准入管理：
——建立 AI 应用分级评估准入制度
——高风险场景强制人工干预熔断机制
4.2.3 人机权责：
——制定《人机协同责任清单》
——明确哪些事项禁止 AI 独立决策
4.2.4 数据管控：
——落实数据分类分级
——涉密业务禁止使用公共大模型
——输入输出脱敏管控
4.2.5 算法审计：
——定期开展算法效果评估
——留存调用日志
——做到全程可追溯
4.2.6 外包供应链管控
——外部 AI 服务商尽职调查、合同安全约束
4.3 落地工具
4.3.1 AI 风控建设自查清单
4.3.2 AI 应用风险穿透自查表
4.3.3 人机协同责任参考清单
第五讲：企业推进 AI + 风控落地实施路径与总结
5.1 国企 AI 风控建设实施路径
5.1.1 第一步：场景筛选
——坚持需求导向
——优先选择痛点突出、见效快的场景试点
5.1.2 第二步：制度先行
——先定规则再上系统
——补齐内控、数据安全配套制度
5.1.3 第三步：试点运行
——小范围灰度验证
——持续优化模型规则
5.1.4 第四步：迭代推广
——试点成熟后逐步扩大覆盖范围
5.2 管理层、部门负责人、风控员履职要点
5.2.1 领导班子：
——把握方向、资源统筹、风险兜底
5.2.2 各部门负责人：
——梳理本业务风险场景
——规范本部门 AI 使用行为
5.2.3 风控员：
——风险识别、过程监督、问题复盘
——做好人机协同衔接
5.3 课程总结与答疑
5.3.1 核心要点回顾：
——用好 AI 工具
——守住合规底线
——技术为风控服务
5.3.2 现场答疑交流
