预警模型正在接管贷后管理的“体力活”，但它永远替代不了人工走访的“手艺活”——这个判断，是我看了三十几家银行的风险报表、躲过两次风险信号误报之后，愈发笃定的。

先说个让人心里发紧的数字。银保监会2024年发布的《银行业金融机构行政处罚情况通报》里，涉及贷后管理不到位的罚单有391份，占比接近全部公司信贷类罚单的四成。罚款金额加起来超过1.8个亿，单笔最大的一张，开给了一家股份行，理由是“贷后检查流于形式、风险预警处置不及时”。说实话，罚单密集到这个程度，监管的耐心已经快被磨光了。可另一边，银行的日子也不好过——净息差一路压到1.40%附近，人力成本卡得死死的，招聘指标连年收缩。这种局面下，预警模型成了众人眼里的救星。

模型确实干了不少漂亮事

我见过某家股份制银行的对公信贷系统，接入税务、水电、法院执行、环保处罚等十七路外部数据之后，把贷后风险识别的提前量从平均45天拉到了90天。去年他们靠这套系统拦截了一笔2.3亿的关联交易风险——借款人把经营性贷款辗转挪去投了房地产，要不是资金流水异常模型抓得早，这笔账大概率要挂在不良里过年。另有城商行的零售条线告诉我，引入贷后预警模型后，逾期贷款的早期识别率提升了二十多个百分点，催收的人力成本降了差不多三分之一。这些数字听起来提气，资本市场的分析师们也喜欢拿这些当亮点写进研报。

模型的高明之处，在于它没有情绪，不会因为跟客户喝了三顿酒就放松警惕。它能同时盯着几千家借款企业的账户异动，能在凌晨三点把一条“法人代表股权被冻结”的信息弹到客户经理的手机屏幕上。这种覆盖面和响应速度，人工走访拍马都追不上。所以我的态度很明确：贷后管理不上模型的银行，未来三年连合规关都可能过不去。

但模型也有瞎眼的时候

可你要是因为这个就以为模型能替客户经理去跑那些尘土飞扬的工厂和仓库，那就太天真了。2024年我跟踪过一个真实案例。浙江某纺织企业，一季度各项预警指标干干净净——纳税正常、电费正常、结算流水正常、征信无逾期。结果呢？老板在境外赌场输了一千多万，把厂房设备抵押给民间借贷，三个月后资金链断裂，等客户经理收到模型发出的“空壳化”预警时，企业的核心资产早被搬得差不多了。事后复盘，模型抓不到的关键变量是什么？老板的精神状态、企业实际控制权的微妙变化、厂区门口已经半个月没停过客户车辆——这些信息，模型再升级十个版本也学不会。

后来我跟一个在一线干了十二年的老信贷员聊天，他说了句让我印象特别深的话：“模型能告诉你企业账上缺不缺钱，但它告诉不了你为什么缺钱。缺钱是去补流还是去堵窟窿，这个判断，必须人到现场才能看得出来。”再后来我翻了几家银行的年报，发现一个有意思的现象——凡是把贷后走访频率写进考核指标的银行，不良率不见得最低，但风险化解的成功率明显更高。光大银行2024年年报里披露，他们对公风险贷款通过早期预警干预实现回收的比例超过35%，而提前干预的主要触发因素里，“现场走访发现异常”的权重，排在所有数据指标之前。

监管的态度其实已经很明白了

《商业银行金融资产风险分类办法》征求意见稿里明确要求，风险分类不能仅仅依赖模型结果，必须结合人工判断和实地调查。《固定资产贷款管理办法》第十九条更是白纸黑字写着“贷款人应通过现场或非现场方式，对贷款资金使用情况、借款人经营状况进行持续检查”。注意这里说的是“或”——不是“和”。但你再往下看细则，风险评估的“交叉核验”要求里，明确列了“实地查看经营场所、核验资产实物状态”。反正各家银行在落地执行的时候，都不敢真把现场环节砍掉，怕的就是监管问责时说不清楚。

再说一个现实层面的理由。贷后走访这件事，本质上是一道合规程序。你去看了，拍下照片，留下记录，哪怕是走个过场，出了问题你也能说自己尽到了勤勉义务。你不去，光靠模型推送的几百条预警信息——说实话，一旦贷款出了问题，监管问你“预警之后你做了什么”，你总不能回答“我看了系统自动生成的报告”吧？2023年某国有大行就吃过这个亏，模型已经提示了风险信号，客户经理打了个电话核实了事，没去现场，后来企业实际已经停产三个月，银行被监管认定为“贷后管理严重不尽职”。

所以我的判断是什么

预警模型和人工走访从来不是替代关系，而是接力关系。模型负责拉网，把成千上万的存量客户筛出一批“需要看的人”；人工负责定点突破，去现场、去库房、去车间，把模型看不透的那层窗户纸捅破。好的贷后管理，一定是模型在前面探路，人在后面补刀。风险线索分三级：红色预警必须48小时内到场核实，橙色预警一周内完成现场访谈，黄色预警结合季度走访合并处理。你把这套动作嵌入日常信贷流程，比争论哪边更管用实在得多。

我给一家农商行做方案的时候提过一句：把客户经理每个季度的走访任务跟模型推送的风险线索绑定，带着问题去现场，回来再反哺给模型做学习样本。走了三个月之后，他们分管副行长跟我说了一句话——模型推荐的客户里，十个有七个确实有问题，但剩下三个问题的性质，不到现场永远猜不到。这句话，我觉得可以作为这个话题的注脚。

反正我的看法不会变：预警模型是贷后管理的千里眼，但千里眼也得有脚才能走到客户身边。让模型去做它擅长的事，把人从重复劳动里解放出来去做真正需要判断力的事情——这才是智能化该有的样子。

本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行从业者的效率工具与专业内容。