今天開算一卦，智能催收時代來了嗎？

今天的催收是一個勞動密集型行業，一屋子的催收人員在電話機旁聲嘶力竭，然而效率和產出又是如何呢？在人工智慧蓄勢待發的今天，智能和科技也正在悄然入局催收行業。

——瓜姐

一年以前，談起人工智慧催收，很多人（特別是催收公司）覺得不現實，總感覺落地應用是件非常遙遠的事情。從今年下半年開始，當各類的智能催收機器人鋪天蓋地的出現在市場上的時候，很多人慌了，機器人取代人工智慧的時代是否真的來了。

今天開篇算三卦：

1）催收行業現狀及人工智慧催收出現的契機

2）人工智慧催收能否迎來春天？未來發展預測？

3）基於人工智慧，如何搭建科技化催收體系？

1

人工智慧催收為什麼會出現？

催收原本是個很少為人所知的行業，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。由於銀行准入門檻高、合規要求高、利潤較薄，導致這個行業一直沒有大的發展，頭部約20家企業佔據了市場超過85%的份額。

誰曾想到，15年開始隨著互金和現金貸的興起，導致催收市場發生了翻天腹地的變化。對於很多新興金融公司來講，回收率已經取代合規成為了排在第一位的指標，行業准入門檻大幅度降低；並且，由於互金及現金貸逾期體量較大，導致市場對催收的需求呈幾倍增長（根據調研發現，目前月新增放款在30億左右規模的現金貸公司需要催收坐席數量基本在1500-2000人左右）。

門檻的降低及需求大幅增長帶動催收行業快速發展，據統計，目前市場上大大小小的催收機構超過5000家，多的上萬人，少的幾十人，平均利潤率20-45%之間，儼然已經成為一個「投資少、回報高」的搶手行業。

2

科技和人工智慧催收為什麼會在此時火起來？

1）貸後行業數據及科技滲透率低，急需科技提升效率。大多數公司貸後目前僅停留在報表和系統層次，較為落後，科技對貸後有很大的空間。據前招行卡中心貸後管理人員稱，招行信用卡上了預測式外呼系統後，人員效率提升了近4倍；

2）貸後業務需求快速增長。由於互金和現金貸的興起導致行業需求大幅度增加，很多甲方將催收獨立出去單獨運作，個別甲方的催收模塊人員超過3000人；

3）人員招聘壓力大，成本不斷上漲，前期催收業務完全可以有機器進行替代。由於現金貸等業務快速擴張，導致催收市場人員缺口巨大，人員成本翻倍增長，招聘成了很多公司的首要問題；人工智慧核心目標就是降低成本和節約人力，符合當前趨勢；

4）大數據的發展及海量語音庫為模型訓練提供了海量素材。隨著業務規模上升，貸後數據及催收語音庫規模指數增長，為模型訓練積累了大量數據。很多科技公司（如科大訊飛等）開始和一些大型甲方或催收公司合作，一起訓練細分場景的智能機器人。

基於上述種種契機，人工智慧催收火急火燎的出現在了市場上。

3

人工智慧催收未來會怎麼發展？

任正非講，「從科技角度來看，未來二、三十年人類社會將演變成一個智能社會，其深度和廣度我們還想像不到。越是前途不確定，越需要創造」。根據麥肯錫全球研究報告指出，「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。

目前貸後領域多家機構在研發人工智慧催收機器人，參與競爭的主體包括大的甲方、催收公司、金融科技公司等。大的甲方和金融科技公司一般會是人工智慧推動的主體，因為這兩方有錢、有技術、有數據、有實際業務需求，是最願意進行技術投入的；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。那麼，未來催收業務如何實現全面智能化呢？

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，那麼，我們看看人工智慧在這些領域能有哪些優化。

1）智能外呼。催收前端外呼是高度標準化的客服提醒業務（信用卡通常指逾期30天以內，現金貸一般14天以內），人工智慧目前已經提供了比較完美的解決方案，主要涉及語音合成、語義識別、人機對話等技術（不是技術專家只能從業務角度YY歡迎留言補充）。

當然，機器永遠是不可能替代人的，但是節省30%左右的人力問題是不大的

2）智能質檢。當前，大多數質檢都是通過人工聽錄音的方式完成的，不僅耗費大量人力，還有明顯的滯後性，也不能做到100%覆蓋。人工智慧質檢機器人是完美的解決方案，它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）智能報表系統。報表是貸後精細化運營的核心工作，但是報表生成耗費大量人力，所以可視化強的智能報表系統尤為重要，報表系統需要從決策層、中層管理人員、底層管理人員、員工等角度設置不同的展示。比如，決策層關心的是公司整體回收率及成本收益情況、底層管理人員（組長）關心的是每個員工的通話時長、投訴情況、回款情況排名等，需要差異化設計；

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。智能分案需要將催收員情況與案件難易情況進行匹配、催收策略與模型匹配，實現資源最優化配置；

5）智能輔助。智能輔助包括批量簡訊、批量訴訟、信息修復等，實現自動定時任務，儘可能減少人工干預。

當然，如果作為一個科技公司的話，還有一個終極目標是通過系統實現資產包定價，這在以後資產包買賣、abs發行環節會有非常重要的作用。

本文來自公眾號：瓜姐講堂，carguagua，歡迎交流。