對不起，我是來催債的

文 | 柯鳴

來源 | 智能相對論（aixdlun）

事情是這樣的。

前陣子跟一朋友借了筆錢，不多，5000塊錢。他從微信上發了個H5給我說錢到賬了，讓我下載某借貸APP提取。我也就照做了。昨天收到借貸寶打來的催款電話，一個女客服給我不溫不火掰哧半個小時，讓我一定要還錢，不然要影響信用。不管我怎樣回應，甚至惡語相向，她也一點兒都不生氣。

這讓我刷新了對催收的印象，一直以來，催收在我的印象中是這樣的：

又或者是這樣的：

當我們看慣了大金鏈子、墨鏡、肌肉男、張嘴閉嘴髒話的催收時，我不斷感慨現在催債方式都是如此的人性化。然而，我仔細一查才發現，該公司的呼出式催債客服均是AI，當時我的心裡是這樣的：

雖然之前已經了解了許多語音助理的技術革新，當自己真正經歷了一個話術表達如此自然、多輪複雜語言對話流暢如此的AI時，感受還是相當驚訝的，畢竟我一直幻想著和我通話的是一個聲音甜美的小蘿莉。

所以，最終我還是及時還上了錢，雖然被催債心情不是那麼好，但終歸催收這個形式還是不錯的，雖是AI，但也能夠滿足在交互中的基本需求。那麼AI催收到底是個什麼東西呢？智能相對論（aixdlun）分析師柯鳴為大家一探究。

AI催收——貸後催收的新寵兒

根據調查資料顯示，AI催收主要是以人工智慧技術來優化整個催收流程，其不僅僅局限於智能呼出式客服。

以整個催收流程為例，如下是通常催收的逾期指標定義：通常把逾期90+(M3+)定義成不良，行業常說的不良率就是指這個，把逾期180+定義成壞賬。

催收逾期指標定義

在這個過程中，在每一個還款日（m1,m2,m3等等）的前幾天一般都會開始通過電話的方式提醒用戶還款日要到了，注意及時還款，其實，這種方式在支付寶、白條以及各家銀行的信用卡中心都有應用。

從m1開始，一但還未還款就會形成逾期。一般在逾期後幾天，也會進行電話提醒，這裡就不是提醒還款，而是催促還款了。正如上圖一樣，隨著時間推移催收強度也會逐步增大，直至逾期到後面通過司法、委外上門等非常強烈的手段來進行處置，當然成本也會很高。

在整個催收過程中，要不斷的通過數據報表來分析逾期客戶，定出針對性的催收策略，並且不斷的根據各個月的催收指標進行調整。AI則是滲透至催收的各個環節，簡化催收過程的同時也優化催收效果。

AI怎麼催？又怎麼收？

催收原本是個鮮為人知的行業，傳統的催收公司一般以銀行和信用卡業務為主，比如老牌催收公司高柏、CBC、一諾銀華等。隨著AI技術的日臻成熟，催收市場逐漸實現AI賦能，而隨著互金和現金貸的興起，因其逾期體量較大，尺長對催收的需求呈幾何倍增長。根據調查研究顯示，目前放款在30億左右規模的現金貸公司催收坐席均在2000人左右。

在具體應用層面，隨著AI賦能催收業，許多催收公司因為積累了大量的數據也希望能夠與金融科技公司合作一起實現催收的智能化與科技化。在操作層面上，智能相對論（aixdlun）分析師柯鳴認為全面智能化的催收業務主要體現在以下幾個方面：

1.智能外呼

在貸後領域，標準化業務包括前端語音外呼、人工質檢、批量簡訊、信息修復、批量訴訟、報表、分案等，智能外呼作為前端語音呼出的高階版，其可以實現語音合成、語義識別、人機對話、情緒管理等多種外呼形式，這將大大節省外呼坐席的人力成本。

2.智能質檢

從目前來看，大多數質檢都是以人工聽錄音的方式來完成，這種方式不僅耗費大量人力，而且有著明顯的滯後性，難以達到真正的全覆蓋。AI加持的質檢領域可以實時對於外呼通話進行監控，實時捕捉催收員的情感、態度、不合規話術、敏感詞等，實時進行監控預警及評價，避免滯後性。

3.智能報表

作為貸後精細化運用的核心工作，傳統報表生成耗費大量人力，AI可以實現強可視化的「智能報表」，可以從決策層、中層管理人員、底層管理人員、員工等不同角度生成報表進行展示。例如，生成回報率及成本收益情況報表滿足決策層的獲知要求，生成差異化的員工通話時長、投訴情況、匯款情況等信息滿足底層管理人員的需求。

4.智能分案

分案核心目的是資源的優化配置讓最合適的人在最合適的時間通過最合適的施壓力度催收最合適的案子。AI催收通過刻畫用戶「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。

AI催收的未來在哪裡？

麥肯錫全球研究報告曾指出，「2018年超300萬員工需要向機器人老闆報告」，「45%的活動可用當前技術自動化，不僅低薪工作，甚至高薪工作中相當一部分日常活動也會被自動化，20%的CEO的活動也是可以被自動化的」，可見現在正處於一個全面人工智慧的時代。

AI催收發展到如今確實已經稍見成熟，但是在踏足這條「黃金大道」的同時，智能相對論（aixdlun）分析師柯鳴認為依然應該認清幾個基本問題。

1.AI並非催收行業的「治本之策」

催收行業，AI一定不會是其「治本之策」，最大程度上來說，是一劑「強心劑」。何出此言？因為，催收的核心在於催收策略的制定和實際落地運用程度。AI所提供的一種形式，而最終的成效與應用情況，依然需要市場來檢驗。

換而言之，在一定的成本控制下，如何把潛在逾期風險或者實際逾期行為的傷害降到最低，這考驗的是策略人員的業務能力與整體的專業建模。

催收強度與催收效果示意圖

之於一般的消費金融公司來說，在逾期初期，並不需要高強度的催收模式，但是這是催收的黃金時期，催收策略效用要大於催收強度，隨著時間的拉長，催收難度逐步增大，變成壞賬呆賬的可能性進一步增加，這時候，應該把催收強大增大。

這一切，需要的是催收策略上的直擊人心，AI包裝下的催收形式僅僅能起到一定程度上的促進作用，而真正成功的催收是催收策略與用戶心理探究上的成功。

而在識別高低風險客戶領域，AI依然無法完全替代人類。傳統金融機構基本上會將高風險的客戶派發給最有經驗的催收員來處理。因為對於高風險客戶，機構無法坐以待斃，或者逾期時間延長後再增加催收的強度，而是必須在早期就盡量的採取高強度的催收策略來讓客戶回款。

2.搭載AI，智能催收依然前景廣闊

雖然AI催收存在著部分問題，但仍然可以看到起在智能催收領域能夠「大展拳腳」。美國的債務催收行業已經孕育了兩家納斯達克的上市公司，分別是PraGroup和Encore capital。同時，債務催收行業里以True accord為代表，運用最新演算法的創新型智能催收公司正在逐漸發力。

以True accord為例，其通過大數據採集豐富的用戶信息，進而幫助系統深度學習以接近消費者。一方面，其能夠通過多種渠道與客戶溝通（電子郵件，文本，電話，信件，網頁），並估計與用戶最匹配的通信風格；另一方面，TrueAccord建立了一個自動化系統，利用社會網路分析、機器學習和行為分析等，聯繫債務人，幫助他們確定支付計劃，從而還清債務。

在呼出式坐席方面，捷通華聲研發出一款智能外呼機器人，可依據嚴密的業務邏輯完成信息驗核、還款通知、催收警告等任務，並且能將客戶與機器人的通話全文轉寫，為追款提供結構化數據線索。

科技巨頭百度的金融服務事業群研發負責人也在去年KDD China 峰會上，宣布百度正在建設包含逾期催收和失聯修復等領域在內的一整套風控模型體系。

誠然，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。

畢竟，那個催收的人工智慧小姐姐還是讓人還錢都得勁啊！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！