银保监会刚刚公布的三季度银行业监管指标数据显示，2020年三季度末，商业银行不良贷款余额 2.84 万亿元，较上季末增加 987 亿元。这仅仅是商业银行的数字，消金互金公司的不良贷款余额同样水涨船高。
催收这个万亿级的市场，规模仍在扩大。它是金融体系不可或缺的一环，但又常常被“不确定性”笼罩。
“合规”是影响“不确定性”的最关键因素，它常常挂在每一个从业者、管理者的嘴边，然而每家机构实际上遵循的标尺，各不相同。
很大程度上是因为，对催收业务而言，“合规”既是生存问题，也是发展问题——这个行业里，没有人能忽视“合规”与“业绩”之间的相关性。不过，在不确定性中寻找确定性的企业，才能走得更远……
01 确定性
在合规问题上妥协，以换取业绩增长，是一条危险的捷径，充满了不确定性。以至于，每隔一段时间，就能看到某个金融机构因为催收不合规，而被处罚的消息。
但这个行业里也有确定的事情。比如，催收员的人员流动性很大，催收员新人和资深的催收员之间业绩水平可以相差两三倍，资深催收员和金牌催收员又有一定差距。
如果能够快速提升催收员新人的水平，持续提升资深催收员的水平，让他们更接近金牌催收员的表现，企业的业绩就能大幅度提升。
这是一条确定的路，也是一条更难的路。
甚至，很多从业者都想到了这条路，只是不知道具体应该怎么做。有些从业者已经加强了面向催收员的培训，但是传统的培训方式，效果往往有限，很重要的原因是，催收员在培训时看似学会了的东西，是否在实际沟通中能够用上，企业没有什么监督方式……总不能把每个人每天的所有通话录音，全部都再听一遍吧？
事实上，靠人力肯定不行，但是靠技术，已经可以了。
新一代可靠的技术，不仅可以“把全部录音都再听一遍”，看看催收员有没有按照采纳已知话术模板的内容，而且可以找出新的、有助于最终成功清收的话术和最佳实践，然后实时提醒普通催收员在沟通中也能采用最佳实践。
02 挖掘最佳实践
03 实时辅助
04 机器学习
05 结语
“过去大家普遍认为，人与人的沟通过程是非常个性化和多样化的，所以依赖标准化、结构化数据的AI技术很难带来实际帮助。”循环智能CEO陈麒聪表示，“正是得益于新一代的自然语言处理和深度学习技术的突破，企业才能更准确高效地识别出同一个语义的上百种表达方式，针对海量沟通内容的高效数据挖掘和信息提取才有了可能。”
据了解，循环智能在金融和贷后催收领域，服务多家头部标杆企业，包括招商银行、平安银行、众安保险、捷信、你我贷、人人贷、CBC、华道、锦创等。其核心团队来自清华大学和卡内基梅隆大学，在北京、上海和深圳均设有办公室。
最近，循环智能公布融资消息，红杉资本中国基金领投了该公司新一轮 1200 万美金的融资，万物资本和金沙江创投跟投。此前循环智能也获得包括真格基金、金沙江创投和靖亚资本在内的投资机构支持。CEO陈麒聪说，在互联网金融和贷后催收领域，循环智能始终致力于用AI机器学习提升每个催收员的产能，并带来更好的合规性。
【如需进一步了解行业前沿实践，可点击「阅读原文」领取《2020催收产能提升白皮书》和《2020智能质检白皮书》资料】