人工不智能：AI狂飙三十年 第107章 精准风控救下坏账危机
信和金融的坏账危机，来得比项目计划早。
六月中旬，平台一批小额商户贷逾期率突然上升。最开始只是风控日报里一条红线，后来红线越来越粗，像有人拿记号笔在老板额头上写“现金流危险”。信和内部紧急开会，人工审核团队说商户资料看起来没问题，传统规则也没有明显异常。
苏晓把异常数据发给林凡：“模型灰度环境跑一下。”
项目经理很紧张：“还没正式上线。”
苏晓说：“不上线，只分析。我们需要知道风险从哪里来。”
林凡和马骏连夜把近期贷款样本接入灰度模型。星穹底座负责特征抽取，本地规则做风险解释。凌晨一点，模型给出一个奇怪的高风险聚类：一批商户注册地址不同，行业不同，申请金额不同，但设备指纹、申请时间、收款账户关联和营销来源高度相似。
张磊听完，睡眼惺忪地说：“这不就是穿了不同马甲的同一批人？”
林凡说：“像团伙贷。”
苏晓很快上线。她没有问“模型准不准”，先问：“证据链够不够人工复核？”
林凡把关联图发过去。几十个节点被线连在一起，像一张不太吉利的蜘蛛网。部分商户来自同一个“创业扶持群”，群里有人指导他们包装流水、统一申请、拿钱后分成。话术里甚至出现“AI 审核很快，资料按模板填”。
张磊看到“创业扶持群”，血压立刻有反应：“又是群？”
何苗说：“灰产很爱群，因为群能让个人冲动看起来像集体机会。”
苏晓组织信和人工复核。复核结果证实，至少二十多个申请存在资料包装和账户关联。平台立刻暂停相关批次放款，避免进一步损失。初步测算，如果按原计划放款，坏账可能扩大到几百万。
信和老板在会上松了一口气，连说三遍“幸好”。
项目经理也很兴奋：“这就是 AI 风控价值。”
林凡点头。必须承认，这一次 AI 做了好事。它从人眼看不出的碎片里找到了关联，把风险提前拽出来。人工审核员不是不认真，而是他们看单个申请，看不见跨账户、跨设备、跨时间的网。
苏晓却没有沉浸在胜利里。
她说：“先别急着庆祝。我们要看错拦。”
会议室安静。
“这批高风险里，有没有正常商户被关联进去？暂停放款会不会影响真实经营？通知怎么写？申诉怎么开？”苏晓一口气问完，“风险拦住了，不代表人就可以被晾着。”
林凡看着她，心里暗暗服气。
很多人只在模型成功时看见效率，苏晓在模型成功时也看见被成功波及的人。
复核中确实发现两个商户是错关联。他们使用同一家代办公司的设备提交资料，但经营真实，流水也正常。如果按模型高风险直接拒绝，他们会莫名其妙失去贷款机会，还不知道自己被哪张网套住。
苏晓要求人工复核通过，并在系统里记录错关联原因，后续降低该特征权重。
项目经理问：“这会不会削弱模型拦截能力？”
苏晓说：“会一点。但不改，模型会把代办设备等同于欺诈。下次更多正常人被拖进去。”
林凡补：“模型不是只要抓坏人，也要学会放过好人。”
老周听完，在公司群里发了一句：
风控不是乱杀。
张磊截图收藏：“周哥金句越来越短，威力越来越大。”
这次危机后，信和老板对 AI 风控态度大变。他在复盘会上说，智能模型是平台未来核心能力。林凡听着这话，既高兴又警惕。因为老板们最容易从一次成功里得出过度结论：既然模型这次救了钱，那以后就让模型多决定。
苏晓显然也想到这一点。她在复盘报告最后写：
本次模型有效识别团伙风险，但所有高风险决策均经过人工复核。建议保留人工复核、错拦申诉和特征回溯机制，禁止将灰度分析结果直接作为自动拒绝依据。
信和老板看完，说：“苏经理，你这报告前半段像表扬模型，后半段像防着模型。”
苏晓说：“因为这两件事都是真的。”
林凡差点鼓掌。
晚上，云启未来白板写：
AI 能看见人看不见的网，也可能把无辜的人网进去。
何苗写：
成功案例最容易让人忘记边界。
张磊写：
风控不是乱杀。
林凡写：
模型救了钱，人工救了人。
苏晓后来看到白板照片，回了一句：
最后一句可以进报告，但会被老板嫌矫情。
林凡回：
那就写给白板。
苏晓：
白板比很多报告诚实。
林凡看着这句，忽然觉得工作被机器追着跑那阵子虽然冷，但也不是没有亮光。
危机结束后，信和给相关商户发了通知。苏晓坚持不用“系统检测到您存在风险”这种冷冰冰的句子，而是改成“您的申请因部分信息需要人工核验，暂缓处理”。她说，正常商户看到前一句会觉得自己像罪犯，看到后一句至少知道还有解释空间。
林凡问：“你连通知措辞都管？”
苏晓说：“风控不是只在后台发生。通知怎么写，决定被拦住的人会不会觉得自己还有尊严。”
这句话让张磊非常震动。他说：“我以前收到拒信时，如果它写‘我们看见了你的具体经历，但岗位暂不匹配’，我可能会少骂半小时。”
何苗说：“那你还是会骂。”
“骂十五分钟。”
信和老板后来想把这次案例做成宣传，说“AI 精准识别欺诈团伙，守住金融安全”。苏晓要求加一句“所有处置均经人工复核”。宣传部门嫌这句不够酷，她说：“不加就别用我的项目。”
最后加了。
林凡觉得，苏晓的专业不是冷，而是她知道哪些地方必须冷，哪些地方必须给人留温度。
六月中旬，平台一批小额商户贷逾期率突然上升。最开始只是风控日报里一条红线，后来红线越来越粗，像有人拿记号笔在老板额头上写“现金流危险”。信和内部紧急开会，人工审核团队说商户资料看起来没问题，传统规则也没有明显异常。
苏晓把异常数据发给林凡：“模型灰度环境跑一下。”
项目经理很紧张：“还没正式上线。”
苏晓说：“不上线，只分析。我们需要知道风险从哪里来。”
林凡和马骏连夜把近期贷款样本接入灰度模型。星穹底座负责特征抽取，本地规则做风险解释。凌晨一点，模型给出一个奇怪的高风险聚类：一批商户注册地址不同，行业不同，申请金额不同，但设备指纹、申请时间、收款账户关联和营销来源高度相似。
张磊听完，睡眼惺忪地说：“这不就是穿了不同马甲的同一批人？”
林凡说：“像团伙贷。”
苏晓很快上线。她没有问“模型准不准”，先问：“证据链够不够人工复核？”
林凡把关联图发过去。几十个节点被线连在一起，像一张不太吉利的蜘蛛网。部分商户来自同一个“创业扶持群”，群里有人指导他们包装流水、统一申请、拿钱后分成。话术里甚至出现“AI 审核很快，资料按模板填”。
张磊看到“创业扶持群”，血压立刻有反应：“又是群？”
何苗说：“灰产很爱群，因为群能让个人冲动看起来像集体机会。”
苏晓组织信和人工复核。复核结果证实，至少二十多个申请存在资料包装和账户关联。平台立刻暂停相关批次放款，避免进一步损失。初步测算，如果按原计划放款，坏账可能扩大到几百万。
信和老板在会上松了一口气，连说三遍“幸好”。
项目经理也很兴奋：“这就是 AI 风控价值。”
林凡点头。必须承认，这一次 AI 做了好事。它从人眼看不出的碎片里找到了关联，把风险提前拽出来。人工审核员不是不认真，而是他们看单个申请，看不见跨账户、跨设备、跨时间的网。
苏晓却没有沉浸在胜利里。
她说：“先别急着庆祝。我们要看错拦。”
会议室安静。
“这批高风险里，有没有正常商户被关联进去？暂停放款会不会影响真实经营？通知怎么写？申诉怎么开？”苏晓一口气问完，“风险拦住了，不代表人就可以被晾着。”
林凡看着她，心里暗暗服气。
很多人只在模型成功时看见效率，苏晓在模型成功时也看见被成功波及的人。
复核中确实发现两个商户是错关联。他们使用同一家代办公司的设备提交资料，但经营真实，流水也正常。如果按模型高风险直接拒绝，他们会莫名其妙失去贷款机会，还不知道自己被哪张网套住。
苏晓要求人工复核通过，并在系统里记录错关联原因，后续降低该特征权重。
项目经理问：“这会不会削弱模型拦截能力？”
苏晓说：“会一点。但不改，模型会把代办设备等同于欺诈。下次更多正常人被拖进去。”
林凡补：“模型不是只要抓坏人，也要学会放过好人。”
老周听完，在公司群里发了一句：
风控不是乱杀。
张磊截图收藏：“周哥金句越来越短，威力越来越大。”
这次危机后，信和老板对 AI 风控态度大变。他在复盘会上说，智能模型是平台未来核心能力。林凡听着这话，既高兴又警惕。因为老板们最容易从一次成功里得出过度结论：既然模型这次救了钱，那以后就让模型多决定。
苏晓显然也想到这一点。她在复盘报告最后写：
本次模型有效识别团伙风险，但所有高风险决策均经过人工复核。建议保留人工复核、错拦申诉和特征回溯机制，禁止将灰度分析结果直接作为自动拒绝依据。
信和老板看完，说：“苏经理，你这报告前半段像表扬模型，后半段像防着模型。”
苏晓说：“因为这两件事都是真的。”
林凡差点鼓掌。
晚上，云启未来白板写：
AI 能看见人看不见的网，也可能把无辜的人网进去。
何苗写：
成功案例最容易让人忘记边界。
张磊写：
风控不是乱杀。
林凡写：
模型救了钱，人工救了人。
苏晓后来看到白板照片，回了一句：
最后一句可以进报告，但会被老板嫌矫情。
林凡回：
那就写给白板。
苏晓：
白板比很多报告诚实。
林凡看着这句，忽然觉得工作被机器追着跑那阵子虽然冷，但也不是没有亮光。
危机结束后，信和给相关商户发了通知。苏晓坚持不用“系统检测到您存在风险”这种冷冰冰的句子，而是改成“您的申请因部分信息需要人工核验，暂缓处理”。她说，正常商户看到前一句会觉得自己像罪犯，看到后一句至少知道还有解释空间。
林凡问：“你连通知措辞都管？”
苏晓说：“风控不是只在后台发生。通知怎么写，决定被拦住的人会不会觉得自己还有尊严。”
这句话让张磊非常震动。他说：“我以前收到拒信时，如果它写‘我们看见了你的具体经历，但岗位暂不匹配’，我可能会少骂半小时。”
何苗说：“那你还是会骂。”
“骂十五分钟。”
信和老板后来想把这次案例做成宣传，说“AI 精准识别欺诈团伙，守住金融安全”。苏晓要求加一句“所有处置均经人工复核”。宣传部门嫌这句不够酷，她说：“不加就别用我的项目。”
最后加了。
林凡觉得，苏晓的专业不是冷，而是她知道哪些地方必须冷，哪些地方必须给人留温度。