ARIA上线：AI驱动反欺诈风控系统新功能丨Riskified

AI如何改变风控团队的日常工作方式，已经成为行业讨论的重点。Riskified重磅上线ARIA：为您专属定制的AI风险情报分析师（AI Risk Intelligence Analyst）。

需要解决的问题是：一个几乎每个风控团队都在经历、却很少被单独讨论的问题——答案来得太慢。

风控团队的时间，正在被数据工作吃掉

在多数电商企业里，风控团队的一天是这样度过的：打开几个仪表盘核对指标，导出数据整理成表，回复业务和管理层随时发来的取数请求。等一份答案整理完成，信号往往已经过期，对应的欺诈模式也已经换了目标。

问题不在于团队不够专业，而在于从提问到得到答案之间的链路太长。这个链路上有四个环节在消耗时间：

环节	问题所在
指标查询依赖手工	订单通过率、拒付率、风险趋势这类高频问题，每次都要重新拉取数据、重新做表。回答一次不难，难的是每周都要回答十几次。
调查过程被工具切断	发现异常后要换界面查订单，查完又要回到报表做交叉验证。注意力在工具之间反复迁移。
信号时效在等待中流失	欺诈模式的存续周期正在缩短。一份需要两三天的分析，结论往往指向一个不再活跃的攻击。
汇报材料要重做一遍	面向管理层的材料通常需要把已有分析重新组织、重新可视化。这部分不产生新判断，却占用大量时间。

这四个环节叠加起来，结果是团队里最懂业务的几个人把大部分时间花在了取数和做表上。

ARIA = AI Risk Intelligence Analyst。这个命名本身就说明了它的产品定位：它被设计成团队的一位成员，而不是控制中心里的一个模块。

它具备三项核心能力：

比起描述，直接看一遍会更清楚。下面是ARIA在Riskified控制中心里的实际操作。

一次真实的提问：三句话完成一次完整分析

ARIA的能力通过一组连续提问被完整展示了出来，它们不是三次独立查询，而是一次连贯的思考过程：

过去，这个过程需要跨越三个工具、耗费数天；现在它发生在一次对话里。

下面这张截图来自真实场景。ARIA针对一笔被拒订单的设备指纹与邮箱域名做了交叉分析，直接返回了按IP国家拆分的通过率对比，并给出了初步判断——这类跨维度关联分析，过去往往要等账户安全团队手工排查才能得出。

ARIA能够回答问题的前提，是Riskified在购物全流程上的数据可见性。从用户第一次访问网站时留下的浏览与设备信号，到支付环节的身份与网络数据，再到物流签收、退换货与拒付这类售后记录——覆盖购物全流程三个阶段的数据，都沉淀进同一张身份图谱里，而不是分散在几个互不相通的系统中。

这三段数据打通之后，很多单点上看不出问题的行为，才会显露出模式。这也是ARIA与单纯的报表工具最本质的差别：它调用的不是一张表，而是一整条链路的上下文。

ARIA的设计目标不止于回答问题。

当一次调查得出结论，比如某个地区的拒绝率出现异常、某类订单存在集中的滥用行为，你可以直接在ARIA的对话界面中创建对应的策略，而不必把结论转交给另一个系统、另一个团队——包括触发拒付包赔流程里的证据组织环节。

从发现问题到采取行动，中间不再需要一次交接。对风控团队而言，这意味着工作重心发生了转移：过去大量时间花在获取信息上，现在可以更多地投入到判断和决策中。

AI正在改变很多岗位的工作方式，风控是其中变化最直接的一个领域。原因在于，风控是一个高度依赖数据且对时效极为敏感的职能。信息获取的效率每提升一档，判断的质量就会跟着提升一档。

这不只是Riskified一家的判断。Gartner在近期研究中也指出，面向业务和财务团队的对话式自然语言分析界面，正在把“建好一个仪表盘再等未来的问题”这种模式，替换成随时提问、即时拿到可视化答案的模式——这与ARIA想解决的问题是同一件事，只是发生在风控这个对时效格外敏感的职能上。