项目介绍¶

在互金以及消金行业的 “客服、营销、催收” 这三类业务场景有着大量 AI 外呼的需求，像马消、科大讯飞、百度、捷通等公司纷纷推出了自家的 AI 外呼产品。催收机器人则是针对贷后电催领域的一次重大技术变革，通过 AI 外呼工具高效触达逾期用户，改变了以往需要大量 “铺人工坐席” 的外呼作业模式。

AI 催收机器人在业务、合规甚至技术上，都有着其独特的价值，导致不少公司开始投入大量资源打造自家的 AI 催收机器人。接下来，我们将详细介绍如何从零搭建一个 AI 催收机器人，并围绕该核心建设 AI 外呼策略、效果评估、指标监控、人机协同等。

1. 价值体系¶

我们先来介绍一下 AI 外呼机器人的价值体系，主要体现在以下几方面：

业务价值：

降低人力成本：将一些容易催回或者小金额案件让 AI 催收，人工处理一下难催回以及大金额案件，优化催收资源的合理配置。
提高催收效率：传统人工催收的产能天花板极低，且大量时间耗费在空号、拒接等无效触达上。一方面可以先使用 AI 外呼工具进行触达，筛选出有效的号码以及易回收案件，提高催员挑案效率；另外一方面，基于用户画像、话术推荐、坐席陪练等人机协同方式，提升催收效果。
加强风险管控：针对 AI 提取出的客户标签（例如，生病、失业、自杀等高风险信息），制定策略动态分案，加强逾期用户的及时管控。例如，情绪激动或者有投诉倾向的用户，及时通过分案调整到易投诉队列。
策略驱动：基于逾期天数、逾期金额、C卡、历史投诉情况等多维度数据对客群进行分层，逐步探索 AI 独有的触达策略。例如，什么样客群适合 AI 催收，不同客群应该运用何种应对话术。

合规价值：

话术标准化：AI催收机器人的应对话术较为标准化，不会在与用户的沟通中造成矛盾升级，能大幅降低用户投诉概率。
守住监管红线：人工会出现在非规定时间拨打，或者超频拨打的监管红线问题，而 AI 催收机器人在系统限制下作业，自动识别并过滤非合规时段，严格控制对同一客户的触达频次，确保作业行为 100% 合规。
数据最小化：AI催收机器人只使用必要的用户信息，避免了人工催收中常见的私自留存、违规查询或泄露客户通讯录等隐私风险。
数据留痕：拨打记录、通话文本全程留痕，应对监管检查和客户投诉能提供完整的证据链。

技术价值：

提升科技属性：AI催收机器人作为一个比较重大的项目，经常在年终财报中用以体现公司的科技能力，当然这也能提升公司股价等。

数据价值：

沉淀高质量非结构化数据资产：催收场景中每天会产生海量的语音交互数据，通过 ASR（语音识别）和 NLP（自然语言处理）技术，这些非结构化的语音对话被转化为文本，并从中精准提取出用户的 还款意愿、逾期原因、情绪状态 等关键标签，联动催收策略进行风险管控。此外，这些数据还可以反哺给数据工程或者风险模型团队，能够极大地丰富债务人画像，为贷前风控模型的迭代提供极具价值的贷后表现反馈（如识别新型欺诈特征或共债风险）。
三方数据产品：很多公司推出自己的 AI 催收机器人产品，可以获取到很多外部公司的逾期用户信息，例如手机号、逾期天数、逾期金额，从而打造打造或加强自家逾期类三方数据产品。
数据化驱动：传统人工与用户的沟通语音属于非结构化数据，较难从中解析出对话轮次维度的意图标签和应对话术，而AI催收机器人很容易给出相关数据，使得催收过程的决策更加透明且完整。此外，基于数据驱动的方式优化AI能力，针对各漏斗节点进行查漏补缺，改善意图识别的准确率，以及应对话术的合理性。

2. RoadMap¶

完整的 AI 催收机器人涉及上下游业务环节非常多，这里梳理一下核心环节：

graph TB
    %% 定义样式
    classDef mainNode stroke:#333,stroke-width:2px;
    classDef subNode fill:#E1F5FE,color:#333,stroke:#2F80ED,stroke-width:1px;
    classDef leafNode fill:#fff,color:#333,stroke:#E1F5FE,stroke-width:1px,stroke-dasharray: 5 5;

    subgraph AIBotBuild["1.AI催收机器人构建"]

        subgraph ASR["语音识别 ASR"]
            ASR1["非实时ASR"]
            ASR2["实时ASR"]
            ASR3["打断机制"]
        end

        subgraph AIBotCore["核心大脑 (NLU + DM)"]
            direction TB
            NLU["意图梳理 (NLU)"]
            DM["应对话术设计 (DM)"]

            NLU --> Intent["意图识别"]
            NLU --> Entity["实体抽取"]
            NLU --> Sentiment["情绪/风险侦测"]

            DM --> Strategy["策略路由"]
            DM --> Script["话术生成"]
            DM --> Knowledge["知识库检索"]
        end

        subgraph TTS["语音合成"]
            TTS1["男生 | 女生"]
            TTS2["年龄段"]
        end
    end

    subgraph AIBotTest["2.AI催收机器测试 | 话术流程调整"]
        direction LR
        T1["非一线坐席多轮预测试"]
        T2["一线坐席预测试"]
        T3["生产小批量测试"]
        T4["线上灰度测试"]
        T1 --> T2 --> T3 --> T4
    end

    subgraph AICltPolicy["3.AI策略框架"]
        direction LR

        subgraph CustPolicy["客群策略"]
            direction TB
            C1["逾期天数"]
            C2["逾期金额"]
            C3["C卡评分"]
        end

    end

    subgraph PerfEval["4.效果评估"]
        direction LR

        subgraph RepayRate["回收率"]
            direction TB
            RR1["Vintage回收率"]
            RR2["MTD回收率"]
            RR3["每日回收率"]
        end

        RepayRate --> RR4["厂商对比 | 归因分析"] --> RR5["灰度调整"]
    end

    subgraph Monitor["5.指标监控"]
        direction LR

        subgraph MetricsCase["基础指标"]
            direction TD
            M1["分案量|出催量|自然回款量"]
            M2["拨打量|接通量|接通率|接通时长"]
        end

        subgraph MetricsAI["过程指标"]
            direction TD

            MA0["对话轮次"]
            MA1["首轮挂断率"]
            MA2["核身通过率"]
            MA3["批扣成功率"]

            subgraph MetricsAIIntent["意图指标"]
                MA51["用户沉默率"]
                MA52["兜底意图率"]
                MA53["承诺还款率"]
            end

        end

        MetricsCase --> MetricsAI
    end

    subgraph ColAIMan["6.人机协同"]
        direction TD
        AM1["用户画像"]
        AM2["话术推荐"]
        AM3["坐席陪练"]
        AM4["案件/号码推荐"]
        AM5["案件AI巡航"]
        AM6["智能催记"]
        AM7["AI助手"]
    end


    %% 连接关系
    ASR --> AIBotCore
    AIBotCore --> TTS
    AIBotBuild --> AIBotTest 
    AIBotTest --> AICltPolicy
    AICltPolicy --> PerfEval
    PerfEval --> Monitor
    Monitor --> ColAIMan

    %% 应用样式
    class AIBotBuild,AIBotPreTest mainNode;
    class AIBotCore,NLU,DM,CustPolicy,RepayRate,MetricsAIIntent subNode;
    class Intent,Entity,Sentiment,Strategy,Script,Knowledge leafNode;