智能催收的时代真的来了么？是的，真的来了。

一年以前，谈起人工智能催收，很多人（特别是催收公司）觉得不现实，总感觉落地应用是件非常遥远的事情。从今年下半年开始，当各类的智能催收机器人铺天盖地的出现在市场上的时候，很多人慌了，机器人取代人工智能的时代是否真的来了。

今天开篇算三卦：

1）催收行业现状及人工智能催收出现的契机

2）人工智能催收能否迎来春天？未来发展预测？

3）基于人工智能，如何搭建科技化催收体系？

第一卦：人工智能催收为什么会出现？

催收原本是个很少为人所知的行业，传统的催收公司一般以银行和信用卡业务为主，比如老牌催收公司高柏、CBC、一诺银华等。由于银行准入门槛高、合规要求高、利润较薄，导致这个行业一直没有大的发展，头部约20家企业占据了市场超过85%的份额。

谁曾想到，15年开始随着互金和现金贷的兴起，导致催收市场发生了翻天腹地的变化。对于很多新兴金融公司来讲，回收率已经取代合规成为了排在第一位的指标，行业准入门槛大幅度降低；并且，由于互金及现金贷逾期体量较大，导致市场对催收的需求呈几倍增长（根据调研发现，目前月新增放款在30亿左右规模的现金贷公司需要催收坐席数量基本在1500-2000人左右）。

门槛的降低及需求大幅增长带动催收行业快速发展，据统计，目前市场市场上大大小小的催收机构超过5000家，多的上万人，少的几十人，平均利润率20-45%之间，俨然已经成为一个“投资少、回报高”的抢手行业。

那么，科技和人工智能催收为什么会再这个时间节点火起来，算下来有几点原因：

1）贷后行业数据及科技渗透率低，急需科技提升效率。大多数公司贷后目前仅停留在报表和系统层次，较为落后，科技对贷后有很大的空间。据前招行卡中心贷后管理人员称，招行信用卡上了预测式外呼系统后，人员效率提升了近4倍；

2）贷后业务需求快速增长。由于互金和现金贷的兴起导致行业需求大幅度增加，很多甲方将催收独立出去单独运作，个别甲方的催收模块人员超过3000人；

3）人员招聘压力大，成本不断上涨，前期催收业务完全可以有机器进行替代。由于现金贷等业务快速扩张，导致催收市场人员缺口巨大，人员成本翻倍增长，招聘成了很多公司的首要问题；人工智能核心目标就是降低成本和节约人力，符合当前趋势；

4）大数据的发展及海量语音库为模型训练提供了海量素材。随着业务规模上升，贷后数据及催收语音库规模指数增长，为模型训练积累了大量数据。很多科技公司（如科大讯飞等）开始和一些大型甲方或催收公司合作，一起训练细分场景的智能机器人

基于上述种种契机，人工智能催收火急火燎的出现在了市场上。

第二卦：人工智能催收未来会怎么发展？

任正非讲，“从科技角度来看，未来二、三十年人类社会将演变成一个智能社会，其深度和广度我们还想象不到。越是前途不确定，越需要创造”。根据麦肯锡全球研究报告指出，“2018年超300万员工需要向机器人老板报告”，“45%的活动可用当前技术自动化，不仅低薪工作，甚至高薪工作中相当一部分日常活动也会被自动化，20%的CEO的活动也是可以被自动化的”，可见现在正处于一个全面人工智能的时代。

目前贷后领域多家机构在研发人工智能催收机器人，参与竞争的主体包括大的甲方、催收公司、金融科技公司等。大的甲方和金融科技公司一般会是人工智能推动的主体，因为这两方有钱、有技术、有数据、有实际业务需求，是最愿意进行技术投入的；很多大的催收公司因为积累了大量的数据所以也期望和金融科技公司合作一起实现催收科技化。那么，未来催收业务如何实现全面智能化呢？

在贷后领域，标准化业务包括前端语音外呼、人工质检、批量短信、信息修复、批量诉讼、报表、分案等，那么，我们看看人工智能在这些领域能有哪些优化。

1）智能外呼。催收前端外呼是高度标准化的客服提醒业务（信用卡通常指逾期30天以内，现金贷一般14天以内），人工智能目前已经提供了比较完美的解决方案，主要涉及语音合成、语义识别、人机对话等技术（不是技术专家只能从业务角度YY欢迎留言补充）。下面是某家人工智能公司开发的催收机器人：

没错，对话中的妹子是个机器人，是不是有点怀疑人生了。从音色、情感、语速等方面已经完全判断不出是个机器人了，并且话术很合规很标准，也能准确识别客户的意思。目前产品已经上线进入推广阶段，试想，等学习模型进一步成熟后机器人和人的效果还会有多大差距？

当然，机器永远是不可能替代人的，但是节省30%左右的人力问题是不大的

2）智能质检。当前，大多数质检都是通过人工听录音的方式完成的，不仅耗费大量人力，还有明显的滞后性，也不能做到100%覆盖。人工智能质检机器人是完美的解决方案，它可以实时对于外呼通话进行监控，实时捕捉催收员的情感、态度、不合规话术、敏感词等，实时进行监控预警及评价，避免滞后性。

3）智能报表系统。报表是贷后精细化运营的核心工作，但是报表生成耗费大量人力，所以可视化强的智能报表系统尤为重要，报表系统需要从决策层、中层管理人员、底层管理人员、员工等角度设置不同的展示。比如，决策层关心的是公司整体回收率及成本收益情况、底层管理人员（组长）关心的是每个员工的通话时长、投诉情况、回款情况排名等，需要差异化设计；

4）智能分案。分案核心目的是资源的优化配置让最合适的人在最合适的时间通过最合适的施压力度催收最合适的案子。智能分案需要将催收员情况与案件难易情况进行匹配、催收策略与模型匹配，实现资源最优化配置；

5）智能辅助。智能辅助包括批量短信、批量诉讼、信息修复等，实现自动定时任务，尽可能减少人工干预。

第三卦：基于人工智能，如何搭建科技化催收体系？

由于篇幅原因，本文就不详细展开了，后面会再写一篇关于精细化、智能化催收体系搭建的文章。智能化的体系大概分为几块：

1）数据整合与闭环，包括贷前申请数据、贷中服务数据、贷后催收数据、外部接入数据等，形成闭环的数据更新体系；

2）策略、模型、分案。通过数据构建模型，通过模型设计催收策略，通过策略来设定分案规则，每一个模块环环相扣；

3）外呼系统。包括自动外呼和人工外呼，自动外呼自动对接系统导入数据定期外呼及短信，同时进行人工外呼。人工外呼需要进行客户画像，提示催收员相关话术技巧等；

4）报表系统，可以按照权限和需要实现实时的业务监控及预警，实现人力调配决策；

5）辅助系统，实现短信、信息修复、质检等业务智能化、批量化、合规化；

6）系统，实现催收员自动及业务前期指引等。

当然，如果作为一个科技公司的话，还有一个终极目标是通过系统实现资产包定价，这在以后资产包买卖、abs发行环节会有非常重要的作用，有兴趣的朋友可以留言深度交流下。