中银消费金融有限公司集中运营中心总监 李德辉

  保护金融消费者合法权益，是贯彻落实金融工作政治性、人民性的本质要求和集中体现，是防范和化解金融风险的重要内容，也是推动金融业高质量发展的必然要求。

  一、构建“大消保”工作格局

  2024 年，恰逢《中华人民共和国消费者权益保护法》实施30 周年之际，配套的《中华人民共和国消费者权益保护法实施条例》正式实施。在金融领域，监管部门提出加快构建“大消保”工作格局，标志着我国金融消保事业步入了新的发展阶段。

  近年来，全国金融消费者投诉数量大幅上升。国家金融监管总局官网披露数据显示，2023 年一季度，监管部门共接收并转送银行业消费投诉104 909 件，较上年度同比增长38%，较上季度环比增长51%。投诉反映的主要问题，涉及个人贷款业务占比57%、信用卡业务占比31%，同属零售金融信贷业务。监管部门同期接收并转送保险消费投诉26 188 件，其中涉及财产保险投诉11 398 件，占比44% ;财产保险投诉中的理赔纠纷9621 件，占比84%。

  金融机构消保工作形势严峻。事实上，监管接收并转送投诉仅为投诉整体的冰山一角。以某国有大行为例，其官网披露2023 年该银行共受理消费者投诉627 179 件，而监管部门披露的一季度接收并转送该银行投诉为5676 件，折算至全年口径占比不足4%。与此同时，金融消保监管处罚趋严。《金融消费者权益保护调研报告(2024)》显示，2023 年，金融监管机构对银行、保险、证券、平台金融等机构开具的罚单中，涉及消保问题的共计873 单，同比上升72%，相应处罚金额约76 亿元，占当年处罚总金额的46%。

  二、强化顶层设计

  加快构建“大消保”工作格局，是一项系统性工程。金融机构要强化顶层设计，守正创新，借鉴全面风险管理框架，全面提升消保风险偏好、治理框架、政策制度、消保文化等四项软实力。与此同时，以补齐数智化能力短板为抓手，重点提升模型策略、大数据基础、I T 系统支撑等三项硬实力，将消保风险偏好与政策制度等要求落地落实。其中，模型策略发挥核心作用，由大数据支撑训练优化，以IT 系统作为载体。

  1.充分借鉴全面风险管理框架

  在风险管理领域，信用风险是因客户违约而引起的风险，可通过客户违约概率模型进行信用风险的计量预测。客户投诉也是一个概率事件，可以被计量、被预测。对照风险管理实践，金融机构可以创新开发出客户投诉概率模型，提前预测和锁定高投诉风险客户，并据此提供差异化服务。以此为起点，消保工作守正创新可以打开新思路，即充分借鉴全面风险管理框架理念和实践。C O S O E R M 框架强调将风险管理与企业战略、组织文化和业务流程深度融合。巴塞尔协议框架强调风险必须被合理识别、准确计量、充足覆盖、动态监控。两个框架均以全面性和科学性著称，为金融机构风险管理工作提供了方法论和工具，已成为全球金融业稳健经营的两大基石。金融消保与风险管理多维度对照借鉴情况见表1。

  表1 金融消保与风险管理多维度对照借鉴情况

  2.全面提升四项软实力

  一是消保风险偏好。金融机构在实现经营目标过程中，根据自身业务特点、发展战略和市场环境，确定愿意承担的消保风险水平(如每万客户的投诉比率)，为本机构消保工作提供明确的方向和边界，实现消保工作与整体业务战略的一致性。

  二是消保治理架构。完善的消保治理架构包括明确的组织架构、职责划分、决策机制以及监督评估体系，以确保实现消保管理体系高效运作和各部门协同配合，消保工作全员参与、全过程管理。

  三是消保政策制度。金融机构应建立健全消保政策制度，贯彻落实监管合规要求，明确产品、营销、客服、投诉处理等各方面的消保规范。

  四是消保文化。通过培训和宣传教育，金融机构应培育积极的消保文化，将以客户为中心的服务理念贯穿于金融服务始终，增强消费者对金融机构的信任。

  3.重点提升三项硬实力

  一是模型策略。管理学大师彼得·德鲁克有句名言：“你如果无法度量它，就无法管理它。”对消保工作来说亦是如此，典型如前文提到的客户投诉概率模型。事前预防阶段，消保审查模型可以发挥重要作用，通过知识图谱与自然语言处理技术，扫描识别产品条款与宣传文案违规风险。结合客户分群模型，对不同客群启用差异化服务策略，如通过深度聚类技术识别高风险群体，对老年客户采用交易延迟到账与亲属联动提醒策略。事中管控阶段，部署销售行为监测模型，通过语音识别、自然语言处理技术识别销售中的误导性话术。事后处置阶段，借助知识图谱与规则推理技术，运用大模型自品，一方面减少盲目营销投诉风险，另一方面提升业务转化率。

  三、全流程数智化赋能

  金融机构做好金融“五篇大文章”，依靠粗放型发展模式将难以实现，唯有走内涵式发展道路，聚焦客户诉求，持续优化客户体验。要因地制宜发展新质生产力，将数智化消保嵌入产品设计、营销推介、售后服务的全流程。

  事前预防：智能消保审查是事前预防的关键抓手，金融机构要把消保监管要求嵌入产品设计和业务流程，从制度层面落实到系统层面。将内外部制度、禁用词、敏感词及典型案例等导入智能消保审查平台，提供给大模型学习训练。在产品和服务投入市场前，调用已训练好的大模型，全面审查业务规则、协议条款、宣传文本等，识别潜在风险，自动推荐审查意见，提示对应的法规条款，从源头把关，避免有瑕疵的产品和服务进入市场。

  事中管控：构建“客服—营销—催收”一体化运营作业平台，在呼入呼出联络交互能力基础上，提供语音识别、语音合成、自然语言处理、多轮对话、情绪分析、声纹识别等各项AI 能力，并配置相应的对话策略，赋能各个业务场景。客服方面，通过A I 客服机器人提供全渠道、全媒体、7×24 小时不间断的标准化咨询服务，办理账户查询、转账、贷款申请等常规事务。人机协同模式下，人工客服能投入更多精力处理非标准化问题。其间，部署座席助手实时分析会话上下文，给人工客服自动推荐应答话术，并针对通话内容开展实时的智能质检;利用话术模板和声纹技术等，辅助预警投诉风险。营销与催收外呼方面，采用情绪分析技术识别客户情绪，针对愉悦、中性、抱怨、愤怒等不同情绪，动态调整沟通策略，提高问题解决成功率。另外，记录对客户在一定时间内电话、短信、移动端等各渠道的信息推送频次，避免重复呼叫和高频营销。

  事后监督：客户投诉信息是金融机构的宝贵资源，通过溯源管理定位产品与服务瑕疵，为后续优化提供依据。传统的溯源管理流程相对冗长，较为费时费力，主要依靠人工调阅工单文本内容和听取通话语音记录。数智化技术在各环节赋能溯源管理：一是通过智能通话小结获取溯源输入项。以往在客户咨询、投诉问题处理完毕后，经办人员需要手工录入处理结果，多存在信息不全不准的情况。运用语音识别技术，可自动将通话语音转写为文字，并由大模型提炼为通话小结。二是通过工单分类模型自动识别客户反映的问题并作出分类，如果超出已知问题分类范围，则分析客户联络信息关键词，归纳提炼形成新的问题分类。三是通过投诉标签模型将非结构化的投诉文本与业务、产品、服务场景深度关联，实现从投诉现象描述到背后原因的解析。例如某保险公司收到客户投诉“理赔金额与预期不符”后，将投诉文本解析并与保单条款、销售记录相关联，归因分析为“免责条款表述模糊”，整改后此类投诉大幅下降。工单分类模型积累的文本数据可用于投诉标签模型分类器的训练，投诉标签模型输出的分析结果可反哺至工单分类模型优化分类，两者相互促进。

  四、未来展望

  数智化技术正在全方位地深刻影响着金融业，与消保场景有机融合后，为构建“大消保”工作格局注入了新动能。同时，其间可能存在的风险和挑战也要予以警惕。

  一是算法歧视问题治理。算法和自动化决策系统在金融机构信用评估、风险定价等关键业务环节中越来越重要。当数据存在隐含偏见或算法设计出现瑕疵时，可能会导致部分群体在贷款审批、保险费率等方面受到系统性地、不合理地差别对待。针对算法歧视问题，建议金融机构在数据收集环节，关注数据的多样性和公正性，避免数据隐含偏见被算法放大。在算法开发和应用环节，建立算法审查机制，确保基于算法决策的合理性和公平性。例如引入公平性约束条件，开发可视化的A I 解释工具，以满足监管审查需求。此外，通过压力测试验证模型的稳健性，以防范因算法瑕疵引发系统性风险。

  二是黑灰产协同打击机制建立。近年来，从事非法代理投诉的黑灰产教唆部分客户向金融机构和监管部门多头投诉、频繁施压，谋取不当利益，挤占了大量的监管资源，分流耗费了金融机构本应配置到客户“急难愁盼”问题上的服务资源。通过声纹识别比对，结合投诉频率、投诉内容综合分析，有助于金融机构识别涉嫌黑灰产线索。但应对和打击黑灰产，最终离不开监管机构、司法机关、金融机构、金融消费者的协同合力。

  三是复合型消保人才培养。数智化赋能金融消保，对金融机构消保人员结构和素质能力提出了更高要求，建议加快构建新型消保人才矩阵，包括懂技术的分析能手、知法规的合规专家、善服务的体验管家，打造既懂监管规则代码化转译，又精通客户体验量化评估的新型消保队伍，夯实数智化赋能人才底座。