72小时到2小时，AI重塑的不是审批是贷前调查
先说结论：那家农商行把小微贷款审批从72小时压到2小时，真正被压缩的不是审批环节，是贷前调查里那些“等材料、跑现场、补报告”的时间。很多人看到这个案例的第一反应是流程优化、线上化改造，我的判断不一样——AI动的是贷前调查的证据结构，流程只是顺带被带快了。
我把这个案例翻来覆去看了几遍。72小时里，真正坐在审批岗上的时间不到1.5小时，剩下70多个小时，全耗在客户经理的两条腿上和一堆Excel里。所以，如果不弄清楚这70个小时去哪儿了，谈AI提效就是空话。
72小时到底耗在哪儿：不是审，是查
做过小微的都清楚，一笔50万的经营贷，客户经理要跑三趟：第一次看现场，第二次收资料，第三次补签字。回来还得整理银行流水、对账单、纳税申报表、水电费凭证，手写一份少说5页、30多个字段的调查报告。
说实话，这些活儿技术含量不高，但一件都省不了。《流动资金贷款管理办法》2024年修订版里写得很明确，贷款调查应包括现场核查、非现场核查，必要时还得核实法定代表人、实际控制人的资信状况。监管没松口，客户经理就只能一趟趟跑。
更麻烦的是退回率。我了解到的情况是，小微调查报告在风控环节的一次通过率普遍在六成到七成之间，剩下的要么补流水，要么补说明。每一次退回，平均多耗8到12个小时。这70多个小时，有一大半是这么磨掉的。
AI干的第一件事：把软信息变成能核的东西
传统小微风控靠的是IPC那套交叉检验——水表电表对不对得上、进销存合不合理、老板说话有没有打磕巴。这套方法管用，但它长在客户经理的脑子里，人一走，经验就没了。
这家农商行的做法，是把能数据化的先数据化：银行流水用OCR识别，自动拆出经营性回款占比；发票和报表做勾稽，收入差了三个点以上就弹提示；工商变更、司法涉诉、税务欠缴这些公开数据自动跑一遍。系统40分钟能出一份尽调初稿，客户经理拿到的不是白纸，是一份带疑点的草稿。
我觉得这才是关键差别。以前是客户经理从零开始找证据，现在是系统把证据摆上来，人负责挑刺。角色变了，效率自然就变了。这家行上线后，单笔调查平均耗时从5个多小时降到40分钟左右，单笔获客成本从三百多元降到百元出头。
效率能不能兑现成资产质量，这才是分水岭
我不太信“审批快就等于风控强”这句话。2024年末，商业银行整体净息差1.52%，农商行虽然还撑在1.7%以上，但两年下来也掉了近30个基点。普惠小微贷款余额33万亿元、同比增长14%以上，这块市场谁都在抢，快本身就是竞争力，可快出不良来，快就是负债。
所以我看这类案例，第一眼盯的不是时效，是资产质量曲线。这家行上线一年后，审批通过率从58%提到65%，90天以上逾期率基本持平，人工复核比例从100%降到35%左右。说白了，多放出去的那7个点，没有明显抬高不良，这个成绩单才算站得住。
但我也得提醒一句：模型擅长判断“一致”，不擅长判断“合理”。流水漂亮、发票齐全、报表勾稽得上，可企业是空转的，货压根没动过——这种事AI看不出来。一家餐饮店刷单刷出来的流水，逻辑自洽得很。所以现场那一眼，还是不能省。
真正的风险，是客户经理不会写调查报告了
我在几个群里聊过这个话题，有同行跟我讲，他们上线类似系统半年后，新客户经理的现场发问能力明显退化——反正系统会给提示，人就懒得动脑子。这个苗头我挺在意。
贷前调查从来不只是核数，是判断人。老板带你看车间时眼神躲不躲，仓库角落那批货是不是压了两年，员工说话时有没有看老板脸色。这些信息进不了模型，但往往是决定一笔贷款成败的东西。AI把重复劳动接过去是好事，可要是连带把判断力也接走了，那就是另一种风险。
2024年银行业收到的罚单里，“贷前调查不尽职”“贷后管理不到位”长期排在处罚事由前列，这个事实说明什么？说明监管盯的从来不是你有没有系统，而是你有没有真的查。模型再聪明，责任还是在人身上。
我的判断：下一步该动的是考核和模板
我的判断很明确——这类改造能不能走远，不取决于模型多强，取决于三件很土的事。数据源要真打通，税务、发票、流水、征信得能在一个界面里对齐，别让客户经理在五个系统之间来回切；调查报告模板要重写，从“填空式”改成“疑点回应式”，系统提的每个疑点都得有人给出解释；考核得改，从数户数转向看证据质量，把退回率、疑点闭环率放进客户经理的KPI里。
反正一句话，AI把贷前调查从72小时压到2小时，是好事，但省下来的时间不该变成更多的户数指标，而该变成更深的现场功夫。能不能想明白这一点，大概就是未来三五年农商行小微业务的分水岭。
本文由「银行人实用工具箱」（deepwater84.cn）出品，专注银行效率工具与专业内容。