人工智慧將對催收帶來哪些新變化？

金融行業里有句話「三分貸七分管」，在「管」的過程中，催收是不可或缺的一環。但一提到催收，多數人們首先想到的都是「簡訊轟炸、爆通訊錄」等暴力催收手段。目前，針對催收的監管愈發嚴格，行業自律也讓催收變得更為規範。值得一提的是，人工智慧在催收中扮演的角色也越來越重要。

傳統催收方式多是勞動密集型的，而目前我國催收行業的真正從業者只有20至30萬人，這些催收人員要處理的不良資產有多龐大呢?據《中國金融穩定報告(2017)》顯示，截至2016年底，銀行業金融機構的不良貸款餘額為2.19萬億元，再加上互聯網金融公司、小貸公司等機構的不良資產，有業內人士認為，我國不良資產規模將遠超3萬億元。

在這樣的行業現狀下，人工智慧的介入顛覆了傳統的催收方式，有助於提升催收的效率。

筆者發現，有的機構會通過用戶「畫像」、訂單分類來設計催收數據模型，系統再根據行為模型分析生成智能化催收方案。該方案能夠提前預測客戶失聯的可能性，或是甄別出用戶還款的可能性，排查存量客群中的高風險客戶，進而及時調整、修改催收策略，提升催收效率。

目前已有多家機構在研發人工智慧催收機器人，包括金融機構、金融科技公司以及催收公司等。其中，金融機構和金融科技公司是推動智能催收的主體，因為有技術、有數據、有實際業務需求，是最願意進行技術投入的。此外，很多大的催收公司因為積累了大量的數據所以也期望和金融科技公司合作一起實現催收科技化。

在人工智慧的賦能下，催收方式將從勞動密集型轉變為技術密集型，以大數據和人工智慧為驅動，越來越透明化、標準化。隨著金融市場體量的擴大，工具化、系統化、批量化的催收方式或將成為未來的行業趨勢。

需要注意的是，智能催收還需要海量數據作為支撐，包括貸前申請數據、貸中服務數據、貸後催收數據、外部接入數據等，只有在海量數據的支撐下才能構建模型，也才有之後的通過模型設計催收策略。所以，如何獲取數據將成為智能催收發展的關鍵。

不過歸根到底，催收並非孤立的一環，金融機構也不可過分依賴催收。催收作為最後一道防線應與前置風控、反欺詐形成風險防控的組合拳。畢竟貸前風險可控，貸後發生逾期的幾率就小，反之，如果發生大規模逾期、壞賬，再強大的催收都是杯水車薪。

來源：農村金融時報

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！