忽略成本前提談催收，沒有任何可比性。智能催收是局部性的降本增效，整個催收的方法論並沒有改變。
催收的優化必須跟壞賬率的變化結合起來看，在保持壞賬不變前提下的成本優化才是真正的降本增效，否則即是舍本逐末。
金融公司，最大的風險是人。
金融行業裏有句話說“三分貸，七分管”。
不管是銀行還是現在的互金機構，催收的重要性體現在兩個方面：壹能夠最大化的降低壞賬損失；二，通過強大的催收能力搶灘較高風險的業務並獲得收益。
互金機構客群違約風險高於 信用卡 客群，催收效果的細微變化可能引起的是利潤上百萬量級的進賬或者損失。
隨著現金貸的崛起和沒落，催收行業似乎迎來了壹個春天。
壹方面客戶量迅速爆發，另壹方面客戶越來越難催，行業性的壞賬在飆升。
智能催收作為壹種新型方式橫空出世。
2018年AI大熱，智能催收真的是催收行業的未來麽？未必。
何謂智能催收？
根據公開報道，智能催收主要是以人工智能技術來優化整個催收流程。
先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。
當然壞賬的定義和計提、核銷機制每家公司都有所不同，這裏暫時不提。
催收逾期指標定義
在這個過程中，在每壹個還款日（m1,m2,m3等等）的前幾天壹般都會開始通過電話的方式提醒用戶還款日要到了，註意及時還款。這種方式， 支付寶 、白條，各家銀行的信用卡中心都在采用。
從m1開始，壹但還未還款就會形成逾期。壹般在逾期後幾天，也會進行電話提醒，這裏就不是提醒還款，而是催促還款了。所以，上圖整個催收強度會逐步增大，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。
這其中，包含了電呼、外包、質檢等不同方面的工作。
催收過程簡易圖
智能催收變革了哪些環節？
而現在智能催收技術提到的主要革新的是以下幾個環節：
1 智能電呼（呼入和呼出）
2 智能分案（涉及的主要是催收策略）
3 智能報表
4 智能質量檢查（質檢）
智能電呼：大量壓縮人力成本？未必
智能電呼裏面又有兩種。壹種是典型的錄播，即語音機器人的說話信息都是提前人工錄好導入，這跟淘寶的機器人客服很像。
另外壹種是實時的人工智能語音回復，暫且可以理解成iPhone的siri或者Amazon的Alexa。
智能客服的核心在於增加對用戶的提醒度，提高頻率並降低成本。
傳統的催收公司采用人工電話的方式。不少金融公司都會將這個業務外包出去，外包按照坐席個數來調配金融公司的催收單量。壹個坐席即為壹人。行業內平均每天的人均產能在200-300通左右。
而對催收公司的分潤，基本上也是采用按照待催額度的不同比例來給予回傭。
這裏給大家提醒壹點，不要被很多人工智能公司官網的樣本所吸引。官網壹般來說都是polish後的版本，具體想要了解在催收業務中，機器人客服到底做的怎麽樣，壹定要去做測試。
當下行業內有種觀點，人工智能顯著降低了人工成本。
從每單的成本來看，確實比人工要有比較大的優勢，但如果把這個成本的降低跟後期催收壞賬指標結合在壹起看，結果未必那麽樂觀。
目前催收行業內主流的電呼平臺的不同計費標準
純人工撥打的方式，行業內基本上按照每通電話的撥打率，為2元／通。而目前主流的人工智能替代人工撥打的收費方式，是按照使用時長計費，基本上是每分鐘壹元或者0.5元左右。
由於人工電話基本上每通的平均時長也在壹分鐘左右，所以這裏我們可以近似統壹的來比較。
目前，在人工智能領域，科大訊飛是做的比較好的，它的收費也相對高於行業其他供應商，我們取壹個中間區間，1.5元。其他供應商也相應按照中值，0.5元。
假設以每天同樣需要撥打200通電話為例，不同的花費如下：
註：這裏的壞賬率指的是采取不同的催收方式所引起的後期指標變化。人工智能數據的來源是國內幾家主流消金公司所做的業務測試數字。
純人工至少要比采用人工智能降低壹個點的壞賬率。重復壹句，去做業務測試，不要輕信任何公司官網上的描述。如果假定待催金額30000元／天，壹個月就在90萬左右。
如果選擇人工智能：
壞賬降升高壹個點，損失：90萬*1%=9000元。
成本降低，省下：（400-100）元*30=9000元。
基本打平。
如果我們把人工智能的單價再降低，調為0.25元。那成本上就能省下 350元*30=10500元 9000元。
如果壞賬的gap不是壹個點，變成2個點。90萬*2%=18000元 10500元。
以上的數字推理，基本上都是采用了行業裏的業務均值，會有上下偏差，但幅度不會太大。
從上面的簡單推到我們可以至少得出三個結論：
1. 在單價上，人工智能比純人工具有顯著的優勢，能夠大大降低單均成本，毫無疑問。
2. 如果綜合後期的催收效果，把不同方式引起的壞賬率也參考進來的話，人工智能是否更劃算尚待觀察。
3. 單點來看，壞賬率上升帶來的損失遠比成本降低更可怕。
金融是壹個風控風險強滯後性業務，所有的變動必須把可能會引起的壞賬變化考慮其中。
如果拋開壞賬率不談而單方面進行各項優化，無異於舍本逐末。
智能分案（催收策略）：無法控制人這個變量，人工智能的價值並不大
這是整個貸後催收核心的工作。不同客戶在不同時間以什麽樣的催收方式和催收頻率去觸碰。根據不同的數據反饋和行業經驗制定壹個成本和回收率之間的最佳催收方案，這就是策略的價值。
催收策略基本上涉及到以下幾個因素：人（催收員），在什麽時間（催收時機）以什麽方式（催收強度／頻率）處理什麽不同案件（催收案件特征）。
不管是自動化 的微信、短信、電話提醒還是人工催收，策略的制定都需要人來做出設計。到目前為止，人工智能尚不能替代人的作用。
智能報表：自動化報表早已在行業內普及
報表貫穿於整個催收管理。就目前來看，人工智能所提供的自動報表跟催收系統內置的報表並沒有太大的區別。
基本上做MIS系統的企業，催收系統都能夠提供不同維度的自動報表生成。行業內不少像華騰這樣的第三方企業兜售的催收系統中，都含有內置報表，這個技術已經成熟多年。
在這壹點上，人工智能沒有顯著優勢，甚至人工智能的報表水平是否能夠持平MIS報表，也需要進壹步的觀察。
智能質檢：人工智能優於人工
在質檢領域，目前來看，人工智能是有領先優勢的。
不管是自建催收團隊和外包給第三方催收公司，都需要定期調取錄音對催收電話的質量進行壹定的把控，這就是所謂的質檢。比如不能辱罵，威脅，業務表述清晰等等。
傳統的質檢方式，基本上采用的從催收錄音庫中隨機抽取壹定量的樣本，招募壹批質檢專員來壹個個的聽，記錄下有問題的案件，測算比例。
而人工智能的情況下，可以采用把抽檢出來的語音樣本通過語音轉文字的方式，先轉化成文本，進而進行自動化的關鍵詞信息檢索。在這壹點上，理論上人工智能可以大大降低成本。
但這裏有壹個問題，但從實際來說，催收質量問題，是催收員出了問題。當業務規模起來，前期靠人工質檢把關團隊基本穩定後，壹個正常的催收員不會突然出格質量偏差。
這塊質檢也不是完全隨機抽樣，可以通過對人的管理來進行幹預，而且也有大數定理。所以，隨著規模大起來，穩定以後，可能效果沒那麽大。
催收領域真正有效的系統：自動撥號系統
自動撥號系統：即在拿到預期賬戶列表以後，根據定好的規則對需要電話呼叫的賬戶進行排序，用算法來優化呼叫的順序，最大化每個坐席的產能。
自動撥號系統是大型催收機構的必備。
下面是壹些使用該系統後的前後業務數字對比：
註：圖中數字來源於《消費金融真經》壹書
但該系統的應用高度依賴於貸後策略人員的專業技能。自動撥號系統的規則是管理人員來定，保證盡量讓優質的催收員接聽多的電話，同時保持壹個較高的電話接通率。
比如如何確保壹個優秀的催收員在掛斷電話的壹刻立刻給他派送壹個最新的案件，無縫銜接。另外，自動撥號系統並不是這兩年AI帶起來的新產物。這是壹個非常成熟的行業產品，國內外大的信用卡中心早已應用多年。
但這套系統也有明顯的缺陷，基本上要千人以上的規模才有使用的必要性和可能性。太小的催收公司，采購這樣的系統，壹是成本太高，二則，自動撥號系統需要依賴龐大的數據庫的不同變量才能讓算法作出最有決策。如果樣本量很小，意義並不大。
催收的核心到底是什麽？
催收是壹個勞動密集性的行業，催收能力好壞的核心，是能不能盡可能的低成本，高效的收回欠款。
催收的核心在於催收策略的制定和實際落地運用程度。在壹定的成本控制下，如何把潛在逾期風險或者實際逾期行為的傷害降到最低。這裏面很考量壹個專業建模和策略人員的業務能力。
如上圖所示，在整個貸後催收環節環節中，催收強度和催收效果實際上有截然不同的策略。
對於消費金融公司來說（現金貸除外，商業模式完全不同），在逾期剛剛開始的時候，並不需要采取最強的催收強度，但這時候催收效果理論上應該是最好的。
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壹步增加，這時候，應該把催收強大增大。
催收還有壹項重要的收入，就是罰金。甚至在某些策略下，讓特定壹部分客戶逾期或者逾期較長時間，是金融機構有意為之。
金融機構可不傻，這樣做，有他的道理在。因為好的催收，壹定是壞賬損失，罰金收入，催收成本這三個因素的最佳平衡值。
上圖只是簡單羅列了三種不同催收策略下的情況的對比。
最優的催收，就是盡可能做大正值，降低負值。這三個因素，又相互關聯，牽壹發而動全身，並非易事。
這裏面又延伸出兩個核心環節：識別高低風險客戶和催收評分的創立。至少就目前主流催收機構的現狀而言，人工智能均無法代替人。
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，機構不能漫無目的等待，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采取高強度的催收策略來讓客戶回款。
而如何識別客戶中的高風險客群，這就需要用到催收評分系統。催收評分系統可以基於過往的客戶表現和統計學的方法，加上行業的催收經驗（包括不同的催收策略可能引起的用戶還款概率的變化等等）。
人工智能的確在某些單點做出了效率的提升，但這個提升，需要被納入到整體的催收成本的大圖中去考慮。否則無意義。
另外，目前的人工智能外呼，距離真人還有很大差距。當越來越多客戶識別出來這是機器人在講話時，是不是會產生反效果呢？