現在這個階段的人工智慧

還只是資料智慧

所以資料線上

是第一步的關鍵！

商業單位業務流程再造就會從最大化收集資料，讓資料線上來規劃

當大量資料線上後，各商業單位資料可以交換共享。

這樣就實現了你不需要再提供證明。

大資料透過演算法會給你打分，你就是一個數據模型。

直接高精準的稽核額度和風險評估

人工智慧改變貸款和貸款管理的方式，正是利用其不受時間空間限制和能夠透過深度學習不斷提高對客戶個性化理解的特點實現的，對更廣範圍、更小額度的客戶的貸款需求進行滿足（emm...也就是有爭議的p2p領域）。

以阿里巴巴的螞蟻小貸為例，它的貸款額度之小、貸款客戶數量之大、反應速度之快、資金使用效率之高、員工人數之少等很多方面，都遠遠超過了傳統金融機構（來自阿里巴巴的）。它正是透過運用人工智慧科技的上述特點實現了爆炸式成長——不眠不休的人工智慧才能滿足巨量客戶的需求對接和即時的迅速反應，同時減少人力的運用，而結合深度學習的能力才使得它能夠滿足那些小額度的個性化貸款需求並在彙總後進行合理的貸款管理。

在傳統的經營中，企業家們信奉著二八法則，即關注最頂端20%的顧客以獲取80%的利潤，並滿足於此。但在人工智慧的參與下，與二八法則互補的長尾效應也應越來越得到重視：原本分佈在尾部的個性化的、零散小量的需求，也就是剩下原本不被重視的“八”現在也能透過人工智慧的特點得到以往主要依靠人力的時代無法得到的關注和滿足，併成為潛藏巨大機會、值得開發的新藍海。但是在相關資產的管理方面還需要我們人類進行更好的規範。

人工智慧確實改變了貸款和貸款管理。但只是一方面工作。貸款過程需要多方協作。人工智慧解決一部分貸前審查，複雜操作流程和提供大資料參考環節。人工智慧優點顯而易見但我認為貸款管理最核心部分還是貸後管理部分。

人工智慧應用於貸款，可控制貸款的前端和後端管理！在前端方面，大資料分析，綜合評分貸款人的綜合資質，達標的給出額度和利息，減少人工評估分險和人力成本。貸款管理同樣便捷，根據貸款餘額和逾期貸款進行人物畫像分析，不斷完善風控模型和前端一起協作。

以現在的形勢來看，人工智慧還不能完全承擔貸款管理。

通常來講，貸款與個人信用資質有著密切的關係，由於現階段個人徵信大資料未被完全公開，很多線上人工智慧貸款平臺不能全面掌握資料來源。所以造成的直接結果就是貸款金額普遍較小，用以降低線上人工智慧稽核的風險。對於貸款人來講，如果貸款金額過低等於杯水車薪，更為無法解決其實際需求。

由於個人借貸屬於民事行為，在後期催收過程中乏善可陳，國家又明令禁止暴力催收的不良行為，很多線上人工智慧貸款公司只能將催收業務外包，但很多外包公司也是透過爆炸式電話聯絡借款人，遇到老賴和惡意拖欠其效果也顯得一般。同時線上借貸公司還要支付昂貴的催收人工費用。

人工智慧對個人的稽核存在嚴重的機械性，對於考核點較為單一，不能蒐集更多的貸款者資訊作出全面的評估。對於自身收集的個人資訊的真偽不容易辨認，容易被偽造、包裝和篡改。

人工智慧改變貸款格局是大勢所趨，隨著個人徵信資料的公開與普及，未來會逐步替代傳統的借貸模式，但目前仍需待時日！