AI 催收可否畫下暴力催收的休止符？

智能催收較人工提效數倍，杜絕暴力催收取決於人

51 信用卡因委託外包催收公司涉嫌尋釁滋事等犯罪行爲被查、中國最大的催收公司湖南永雄集團欲在紐交所上市，自去年 9 月以來多家金融大數據公司被查，到了這年末，央行出手整治「暴力催收」，12 月 27 日，央行發佈了《中國人民銀行金融消費者權益保護實施辦法 (徵求意見稿)》，意見稿指出，金融機構向金融消費者催收債務，不得采起違反法律法規、違背社會公德、損害社會公共利益的方式，不得損害金融消費者或者第三人的合法權益。金融機構委託第三方追討債務的，應當在書面協議中明確禁止受託人使用前款中的追討方式，並對受託人的催收行爲進行監督。

近期在金融科技領域發生的一系列大事件讓「暴力催收」再一次成爲熱議的焦點話題。

所謂暴力催收，是指催收機構或催收員採用恐嚇、脅迫、辱罵等暴力方式提醒債務人還款的行爲。暴力催收一直是催收行業的頑疾，常被詬病卻屢禁不止。

這幾年，隨着 AI 技術、大數據、雲計算等智能技術愈來愈多地被運用到金融科技領域，智能催收逐漸崛起，有望解決暴力催收沉痾。

風控是消費金融業務的核心環節，上述技術目前已經在貸前、貸中、貸後等全流程中普遍運用。具體到貸後催收環節，如何經過智能催收策略和手段提升回款率，下降壞帳風險是互金機構廣泛關注的問題。

傳統的催收方式主要之內催和外催爲主，內催多經過電話、外訪等方式，若是內催無效，逾期週期過長，不少機構便會轉爲委託第三方企業催收，一些外包機構的催收人員素質參差不齊、加之高額催收佣金提成的吸引誘發了各式暴力催收手段。

傳統催收方式人力成本高、週期長，暴力催收則遊走在違法邊緣。360 金融大數據總監蘇綏表示，相比於傳統催收方式及暴力催收，AI 催收具備諸多優點，第一，機器人等 AI 催收產品是標準化的，不會受利益因素驅動。第二，機器人是可控的，催收員這一特殊工種在工做中易出現情緒化波動而影響催收效果，催收機器人自己不存在這一問題，機器人的話術已提早通過人工審覈，不會帶有情感化的因素。第三，降本增效，以 360 催收機器人爲例，在一樣的時間段，人工一天能夠撥打 300 個電話，機器人則能夠撥打 800-1000 個，效率是人工的數倍。AI 催收系統方便部署，可根據業務需求隨時擴容，遠低於人工招聘、管理、培訓成本。

總體來看，金融領域對智能催收產品已有較高接受度，一些銀行在逐步嘗試，例如浦發銀行信用卡中心自 2016 年起引入了 FICO CCS 自動語音催收系統，節省了 30% 以上的催收人力。一些互聯網金融公司的的智能催收產品和應用場景更加成熟深刻，蘇寧金融擁有「千尋」智能催收服務系統，去年其與科大訊飛合做成立了第一個「智能催收實驗室」；拉卡拉金科的「小藍」催管大師主要用於貸後環節，經過電話機器人下降人工成本；拍拍貸旗下「智牛」催收機器人主要用於早期催收，針對逾期 3 天內的用戶催收回款率可達到人工的 90%。

智能催收產品的普及改變了以人工坐席爲主的傳統催收模式，機器和人工坐席的佔比已不分伯仲。蘇綏認爲，智能催收徹底取代人工催收之路，還很漫長，至少將來一兩年，必定是人機結合的模式，只不過在不一樣的催收階段，人機結合的比例各有不一樣。爲保障催收效果和控制成本，將來最佳的形態是機器佔大頭，人工作輔助。此外，他認爲，智能催收產品使用的階段會愈來愈日後發展，而不只僅侷限於貸後早期。

智能催收能從根本上杜絕暴力催收嗎？

「若是一家公司，默許暴力催收的存在，那什麼技術能解決這個問題呢？技術是一種輔助工具，本質上，暴力催收造成的緣由在於人」，蘇綏表示。

技術創新可以變革舊事物，逐漸替代一些傳統的低效的人工催收方式。智能質檢等技術解決方案能夠減小乃至避免暴力催收的出現，然而，智能催收卻沒法控制人的主觀性。

AI 技術在貸後催收環節的運用語音、語義理解、NLP 技術普遍運用

如今市面上主要有催收機器人、語音質檢、話術助手、智能分案、智能短信、網上法庭等智能催收產品，尤以機器人產品居多。語音識別，語音合成、語義理解、NLP、知識圖譜等技術是貸後催收環節主要運用到的技術。

據蘇綏介紹，針對貸後催收環節，360 金融主要推出了 3 款產品：語音催收機器人、質檢、智能分案。2017 年，360 借條信貸業務增速加快、業務量呈現指數級增加，由此帶來的催收員擴招成本隨之激增。在這樣的背景下，智能催收解決方案 -360 語音外呼系統從 0-1 逐漸構建起來。該系統的底層是一套語音交互系統，涉及一些電信運營商的底層技術，此外包括語音識別、NLP、大數據等 AI 相關技術，以及一套對話系統。

語音催收機器人是一種主動外呼任務，機器人經過自動撥號技術撥出電話，經過語音識別技術將語音轉化爲文本，再經過對話系統的天然語言處理技術、語義理解技術識別用戶的意圖，並根據用戶意圖進行答案生成，再將回答合成語音播放給用戶。機器人完整的工做流程中運用了語音識別、合成，語義理解、天然語言處理等技術。深度學習算法在其中的具體運用包括，語音合成中的端對端的解決方案，語義理解上運用了 RNN，CNN、TextCNN 等語義類似度計算、意圖識別的模型。

智能分案是經過 AI 技術進行合理的案件調度，以達到降本增效的目的。分案系統中設有爲逾期用戶構建的 C 卡評分（用於預測催回難度的模型）。此外還會結合用戶欠款金額、帳齡、客羣的風險等級、業務類型等多維度數據制定不一樣的催回策略，選擇最有效的催收方式，例如，針對欠款金額大的案子，系統會自動肯定由機器 + 人工結合的催收方式。從短信提醒、IVR 語音通知，機器人、到人工電話催收，造成了一套全流程的智能「路由」系統，智能分案決定了一個案子的觸達媒介和催收方式。

據瞭解，目前 360 金融 75% 的催收工做由語音機器人完成。

交互效果和人持平是終極目標

在對話方面，360 智能語音機器人可以自主理解上下文並進行多輪對話，支持語義理解的內容打斷，啓用真人發音 +TTS 合成發音，語音合成的天然度較高。它還能根據催收的不一樣階段採用不一樣的聲音，如早期使用語速較慢、音色天然的偏提醒類的聲音，對於逾期時間較長的案子，則採用偏嚴肅的聲音。

蘇綏坦言，現階段，催收機器人在智能打斷體驗上尚未人與人對話中那般天然。由於在實時對話中，須要準確理解人的意圖，當被一方打斷時，另外一方是應該停下來仍是繼續說下去，停下來以後如何根據新的對話意圖，做出迴應。對於機器人而言，應對上述複雜場景有必定難度，尤爲是當環境嘈雜時，如何避免干擾也是當前的一個難點。

「對智能語音機器人來講，打斷體驗將來還須要不斷優化，何時可以經過圖靈測試，真人分不出來是機器人了，能像人同樣該停則停，交互的天然程度便會躍升一個臺階」。

目前行業裏的智能催收應用多集中於貸後早期，以 30 天之內的逾期爲主，以 30 天以上的逾期爲主的催收機器人還很是少，緣由在於，從效果上看，後期的回收率不如人工。爲提高催收效果，蘇綏團隊嘗試了一系列技術方案，包括施壓點的挖掘、話術推薦、話術發現等，另外，還針對金融領域作了定製化的語音識別模型。

施壓點的挖掘是根據聊天過程當中得到的債務人的家庭、教育程度等信息或借貸行爲數據預測債務人不一樣的特徵屬性，從而設置施壓點。例如，若是在聊天中得知債務人有孩子，則可在後續對話中說起「徵信數據可能影響孩子上學」等針對性話術。話術發現是經過過後挖掘出那些機器人沒有做出完美回答的高頻問題，將回答再更新造成正循環機制，讓機器人經過不斷學習提升回答準確度。

「咱們但願催收機器人，無論在逾期的任何階段，它的催收效果都能作到和人持平」，蘇綏表示，這是一個終極目標。

AI 催收比人更合規

360 金融主要經過智能質檢和情緒檢測、情緒識別來提升合規性。據悉，智能語音機器人天天可針對幾千個小時 - 上萬小時不等的語音完成 100% 質檢，相比人工質檢員的能效提高至 3 倍。

另外一方面，針對於人工通話，可利用 AI 技術強化質檢流程，檢測催收員在對話過程當中是否存在話術錯誤或回答不當等問題。經過情緒檢測、情緒識別技術，在過後 / 實時檢測對話中，自動識別的能量檢測系統能夠發現催收員及用戶是否有情緒失控行爲，若是催收員出現上述情形，後續會造成技術規範並給催收員作培訓，經過這種機制作持續的反饋和迭代，以識別和保障合規性問題。

考慮到性價比，通常而言，情緒檢測多在過後進行，而非實時。蘇綏透露，團隊在實時對話上也在進行一些探索，目前正在研發一款相似「話術助手」的產品，在人工通話中，AI 助手一直在實時檢測聊天過程，它有兩個做用，一是話術引導，根據用戶的回答引導催收員的話術方向；二是情緒識別，若是檢測到催收員或用戶有情緒波動，AI 助手將提醒他「冷靜」。

近段時間，國家對暴力催收加大了整治力度，重錘之下，那些不合規的產品 / 企業也終將被淘汰。一個使人關注的問題是，有望緩解暴力催收亂象的智能催收是否合規？

蘇綏認爲，AI 催收要比人工催收更合規。他表示，人是最不可控的，而機器是相對可控的。機器對話過程當中的話術是能夠被定義的，也無情緒化波動問題，所以不存在合規性的問題。智能機器人也不會帶來騷擾問題，機器人的撥打頻率和時間都有嚴格設置。在數據隱私方面，360 金融各業務系統所積累的數據會進行脫敏處理，全部採集的數據儲存在安全集羣中，整個數據傳輸過程作加密處理，一些語音數據保留一段時間會刪掉。

從監管的角度看，監管的對象並不是是機器人自己，而是從公司層面出發應用 AI 技術的催收業務方案，合規性的判別標準體如今技術、工具是否被濫用。個別風控公司利用爬蟲等大數據技術挖掘用戶的隱私，2019 年 315 曝光的「智能騷擾電話」 機器人一天可撥打 5000 個電話，主要用於貸款理財類、違規催收等場景...「濫用」問題也有可能發生在智能催收過程當中。

催收行業已經成爲互金產業不可替代的環節，但當前相應的法律法規和監管體系發展還較爲滯後，智能催收是否合法合規還存在標準缺失、模糊的問題。2019 年 3 月兩會期間，全國政協委員王貴國提出了《關於增強債務催收行業自律的建議》，他認爲，破解債務催收行業困境的根本出路，是推進行業立法。相信將來隨着監管、立法的不斷增強，AI 催收將會更加合法合規。

嘉賓介紹：

蘇綏，360 金融大數據總監，負責大數據風控系統及語音機器人等 AI 技術在金融全場景的應用落地。曾就任於阿里、百度，從事 Query 理解、搜索相關性、對話系統等方向的技術研發工做，在搜索、廣告、對話機器人領域有多年的實戰經驗。2017 年初加入 360 金融，從 0 到 1 搭建 360 金融的大數據風控系統，日均放款過億。從零組建語音外呼機器人團隊，產品已經在營銷獲客、貸後催收等領域有普遍應用。