1客户嘴上要的
「小微贷款材料太多,审批岗看不过来。做个 OCR + AI,自动审核材料,最好能自动出审批意见。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
在审批端做材料识别和自动打分,演示「营业执照、流水、纳税证明三秒识别完毕」。上线后审批时长没变:审批岗本来就不慢,慢的是材料退回去、客户经理再跑一趟客户、再提交。而「自动出审批意见」碰了授信审批权限,审批部直接拒绝。
3好 FDE 的实际走法
共 6 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1 周跟一笔贷款走完全程
- 跟普惠金融部 2 个客户经理跑一天客户,再跟授信审批部 2 个审批岗坐一天。从信贷系统拉出近 3 个月的申请记录:一笔贷款平均 7 天,其中审批岗实际审阅不到半天,剩下的时间在退件和补件上,被退回的申请平均退回 1.8 次。
- 把近 1000 条退回意见分类,发现 35% 是「材料之间对不上」:流水户名和营业执照不一致、申请金额与纳税规模不匹配、经营地址与照片不符、征信授权书过期。再加上材料缺失、过期等问题,约 60% 的退回原因在客户现场就能发现。
- 真问题是「问题在最晚的环节才被发现」。成功标准改成:首次提交通过率 50% → 70%;申请到审批完成的周期 7 天 → 3 天。
第 2 周定范围 + 让审批部拥有规则
- 砍范围:只做经营性贷款的一款主力产品,只检查退回意见里出现最多的 15 条问题(覆盖退回原因的约 60%)。
- 政治难点在审批部:他们担心客户经理拿到检查清单后「按清单包装材料」。好 FDE 的做法是让审批部定清单、管清单,系统只是把审批部的标准提前给客户经理看。审批部变成规则的主人,阻力就变成支持。
- 踩坑不碰「自动审批意见」。授信决策有权限和责任人,AI 越过这条线,整个项目会被叫停。
第 3–4 周原型 + 用历史退件做 evals
- 在客户经理的移动展业端加一个「提交前预检」:拍照上传后,自动识别并交叉比对各材料的关键字段,列出「哪里对不上、要补什么」,每条标注对应审批部的哪一条规则。
- evals:取 300 笔有退回记录的历史申请,看预检能否提前抓到实际退回原因,要求召回率 ≥ 85%;再取 100 笔一次通过的申请,误报每笔不超过 1 条,否则客户经理会嫌烦而不用。
- 踩坑手机拍的流水和执照质量差,OCR 识别错会造成假冲突。识别置信度低的字段标「请人工确认」,不直接报错。
第 5 周Demo + 试点
- 选一个支行的 6 个客户经理试点两周,让他们本人在客户现场用。对照同期其他支行的首次通过率和周期。
- 第一周试点失败过一次:支行外出网络差,照片上传比对要 1 分钟,客户经理在客户面前等不了,干脆不用。改成现场先离线识别、回到网点再同步比对后,使用率才上来。
第 6 周交接交接
- 交接给审批部一位审批组长负责规则清单的增删,普惠金融部一位产品经理负责推广和培训。每月从新的退回意见里补规则,这是系统持续有效的前提。
4这个案例教给你的可复用判断
先看整条流程的时长分布,瓶颈常常不在客户点名的那个环节。
能在上游发现的问题,不要留到下游检查;把检查前移,比加快检查更省时间。
让规则的主人拥有规则,阻力方就会变成维护方。
误报率决定一线愿不愿意用,evals 要同时量召回和误报。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
银行的其他案例
内容更新:2026-11-11