如何通过人工智能与大数据等先进技术快速妥善处置不良贷款资产，成为化解金融风险的主要路径之一。

深圳联合金控风险资产管理有限公司(以下简称“联合金控”)董事长程飞在近日举行的money20/20杭州峰会间隙接受本报记者采访时表示，基于大数据、人工智能、云计算等技术的快速发展，公司推出名为“知案”的金融机构不良资产案件管理智能平台，打造债权管理、借款管理等七大模块功能，为等金融机构提供数据化的债权评估系统，准确的数据统计智能报送，全案件任务跟进及提醒，完备的委外机构管理体系，同步协作功能，以及丰富全？的知识内容。

程飞告诉记者，截至去年底，中国商业银行的不良资产规模达到约2万亿元，但不良资产业务中的信息化及智能化程度却远不能与其规模相匹配，甚至远低于银行其他业务部门的信息化水平。究其原因，不良资产业务流程长且涉及领域跨度大，导致很多银行不大敢利用大数据、人工智能、云计算等技术建立新的流程管理与风险管控体系，避免在风控流程与业务处置环节出现疏漏。

他表示，“当前人工智能与大数据等技术日益成熟，已经能够解决银行等金融机构的后顾之忧。”比如“知案”平台通过不良资产清收业务实际场景出发，协助金融机构构建数据自动抓取、ocr识别、分布式云计算、ai机器学习、文本搜索引擎等一系列新的不良资产处置业务操作流程，从而形成自有的风险资产大数据体系，实现智能风控。

他直言，由于企业经营状况时时变化，以往银行相关部门人员需要花费约3个月时间才能完成企业信息全部收集与时时更新，导致在不良资产清收业务流程里，大量银行相关部门员工必须耗费约3/4时间做企业经营数据更新与运营状况核实，只有1/4时间聚焦不良资产处置方案设计与客户谈判，因此不良资产清收处置的整体效率相当低下；若能通过金融机构不良资产案件管理智能平台的时时数据更新与企业经营状况大数据分析，持续减少这些员工在收集更新企业经营数据的精力时间消耗，他们就能花费更多精力设计更优化的不良资产清收处置方案，从而提高不良资产的处置效率。

记者了解到，目前大额不良资产的处置方式通常有三种，一是诉讼，这种方式流程周期会非常长，一般需要两到三年；二是与客户谈判和解；三是把资产债权直接卖给资产管理公司。不少业内人士因此认为，当前大数据与人工智能等技术在不良资产处置与风控领域的应用，主要集中在处置流程的线上化与智能化，但决定不良资产处置执行效率的关键因素——法院执行效率与客户谈判效率，仍高度依赖人工操作执行。

“我们希望人工智能的数据积累和深度学习能力能很快弥补这个空白。”程飞表示。不过，若人工智能技术没有多年的数据积累学习能力，难以真正替代人工决策。究其原因，不良资产涉及的行业范畴相当广泛，需要对行业有大量研究分析的基础上，人工智能技术才能有效协助提高人工决策的运作效率。

此外，人工智能能否进一步提高不良资产的智能风控效率与资产处置决策机制，也与各级法院能否开放端口进行数据直接对接，资产管理公司能否对接端口对同类不良资产开展风险定价探究，债务人多头借债信息能否实现共享以提高判断决策效率息息相关。

因此，联合金控基于贷后不良资产处置的智能化运作经验与分析成功，正打算将智能风控从贷后环节向贷前环节延伸，将服务范畴进一步覆盖到非银行金融机构，

“不良资产处置的复杂性，决定了大数据、人工智能等金融科技技术只有与应用场景相结合，才能让先进技术直接服务于业务场景，做到准确把握客户需求，提供有针对性的技术，有效解决客户在不良资产处置日常工作里的各类具体问题。”程飞坦言。

以上是网络信息转载，信息真实性自行斟酌。