信贷审批中的 AI 辅助决策：参考而不是指令

信贷审批中的 AI 辅助决策，指的是由系统完成多源信息的整合、矛盾识别与风险提示，再由审批人判断是否授信、授信多少。它的目标是压缩信息处理时间，而不是把决策权移交给模型

系统能提供什么

• 信息整合：把征信、流水、税务、工商等多源材料按统一格式汇总，减少审批人来回翻阅。
• 矛盾识别：材料之间对不上的地方（收入与流水的口径差异、工商状态与申报信息不一致）先标出来。
• 同类参考：按行业、规模与业务类型给出历史上同类申请的一般处理方式，作为对照而非结论。
• 审批建议草稿：按既定规则生成建议文本，供审批人修改后使用。

系统不能提供什么

边界不清是这类项目最容易出问题的地方。以下内容不属于系统应当给出的输出

• 最终授信决定：涉及商业环境、客户关系与政策导向，无法完全数据化。
• 对客户还款意愿的判断：这类判断依赖难以量化的信息，一旦由模型输出，责任归属会立刻模糊。
• 合规性结论：某些业务是否触及监管红线，必须由合规确认。
• 对材料真实性的最终认定：系统可以标注可疑，认定仍需人工核实。

解释性的最低要求

审批人不会使用一个自己看不懂的结果。解释不必是技术层面的归因，但至少要能回答这条提示是根据什么来的

• 提示必须能指向触发它的具体字段或材料，而不是只给一个分数。
• 规则类提示要能说明命中的规则条目，模型类提示要能说明影响最大的几个因素。
• 同一条提示在不同申请上的表现要一致，不能时有时无。
• 审批人推翻系统建议时要填写理由，这些理由反过来用于校准规则。

偏差与公平

如果历史审批数据里存在被长期延续的歧视性做法，模型会把它当作规律学下来。因此对通过率的定期分组复核是必要的，发现异常差异时应当停下来看数据，而不是继续优化准确率

上线之前先定三件事

辅助决策的效果高度依赖使用规范，而规范要在上线前定，事后再补往往形同虚设

• 授权边界：哪些岗位在多大幅度内可以自主决定，超过额度或涉及例外情形必须上提到谁。
• 推翻留痕：审批人可以不采纳系统提示，但要写明理由，理由按类型统计后用于校准规则。
• 退出机制：如果提示长期被大面积推翻，说明规则与实际业务已经脱节，需要停下来重定规则，而不是加大推送力度。

验收口径

• 任意一条风险提示都能追溯到它依据的材料或规则。
• 审批人的采纳与推翻都被记录，且推翻原因可统计。
• 系统输出中不存在构成授信决定或合规结论的表述。
• 分组通过率有定期复核记录，异常差异有处置动作。