2. 授信决策基础

在讨论“转人工审核”与“边界样本策略”之前，必须先建立一张清晰的授信决策地图：一笔授信申请从进件到放款，究竟经过哪些环节？哪些环节由系统自动完成，哪些必须由人介入？自动决策与人工审核各自解决什么问题？只有把这些问题回答清楚，后续关于“何时转人工”“边界样本如何分流”的策略才有稳定的落点。

一、核心原理：授信流程是一条“风险递减、成本递增”的漏斗

授信流程的本质，是在有限时间内用可控成本，把大量申请逐步收敛为“可放款、可拒绝、需补充材料”三类结果。它通常包含以下环节：

1. 进件与身份核验：采集申请人基本信息、证件、授权协议，完成实名、反欺诈初筛。
2. 数据聚合与特征加工：拉取征信、内部历史、三方数据，生成评分卡与规则所需变量。
3. 策略与模型决策：规则集、评分卡、机器学习模型共同输出风险分、额度、定价建议。
4. 决策路由：根据分数与规则命中情况，将案件分流为自动通过、自动拒绝、转人工审核。
5. 人工审核：对存疑案件进行材料核验、电话核实、反欺诈调查，给出人工结论。
6. 终审与放款：确认额度、利率、期限，签约放款，并进入贷后监控。

这条漏斗有两个关键特征：越往后，单笔处理成本越高；越往后，剩余案件的风险不确定性越大。自动化决策负责“用低成本处理高确定性案件”，人工审核负责“用高成本处理低确定性案件”。二者不是替代关系，而是分工关系。

二、方法流程：自动化决策与人工审核的定位

自动化决策通常由三层构成：硬规则、评分卡/模型、额度定价策略。硬规则处理“一票否决”或“一票通过”的极端情况；评分卡与模型处理中间地带的概率判断；额度定价策略则把风险分映射为具体授信条件。

人工审核的定位不是“重新算一遍分数”，而是补足系统缺失的三类能力：

• 信息补全能力：系统拿不到或拿不准的信息，如收入证明细节、经营场所真实性、借款用途合理性。
• 矛盾解释能力：当多头借贷、联系人异常、设备指纹冲突等信号同时出现时，判断是“真风险”还是“数据噪声”。
• 例外裁量能力：对边缘客户、特殊场景、政策例外，给出有依据的个案结论。

因此，一个健康的决策体系应当明确：哪些案件“系统说了算”，哪些案件“系统只给建议、人工说了算”，哪些案件“系统必须拦截、人工仅做复核”。

三、常见决策类型与边界样本

从决策结果看，授信决策通常分为四类：自动通过、自动拒绝、转人工审核、补充材料后重审。其中“转人工审核”又可按风险方向细分为“疑似高风险复核”和“疑似低风险误拒”。边界样本正是落在自动通过与自动拒绝之间的那部分案件，它们分数接近阈值、信号相互矛盾，是转人工审核的主要来源。

决策类型	典型触发条件	处理方式	核心目标
自动通过	高分、规则全过、无反欺诈信号	系统直接放款	效率最大化
自动拒绝	低分、命中硬拒绝规则、严重欺诈	系统直接拒绝	风险最小化
转人工审核	分数边界、信号冲突、关键信息缺失	人工调查后结论	平衡风险与通过率
补充材料后重审	材料不完整、可验证信息不足	客户补件后重新决策	减少误拒、提升体验

边界样本的典型特征可以用一段伪代码来描述其路由逻辑：

if hard_reject_rule_hit:
    decision = "自动拒绝"
elif score >= pass_threshold and no_fraud_signal:
    decision = "自动通过"
elif score <= reject_threshold:
    decision = "自动拒绝"
else:
    # 边界区间：分数在 reject_threshold 与 pass_threshold 之间
    if missing_key_fields or conflicting_signals:
        decision = "转人工审核"
    else:
        decision = "转人工审核"  # 保守起见，边界样本默认人工复核

这段逻辑的关键在于：边界区间的宽度、冲突信号的判定方式、缺失字段的优先级，都会直接影响人工审核的量和质。边界区间过宽，人工成本飙升；过窄，则误拒和漏放增加。

四、案例与复盘：一次边界样本分流调整

某消费信贷产品曾出现“自动拒绝率偏高、人工审核积压”的问题。复盘发现，评分卡在 580～620 分区间内，模型分与规则分经常冲突：模型认为可过，规则因多头借贷命中而拒绝。团队最初把所有冲突案件都转人工，导致人工审核量增加 40%，但通过率仅提升 2%。

调整策略后，团队做了三件事：第一，把“多头借贷次数”从硬拒绝改为分层信号，仅在次数超过阈值且近 30 天查询机构数异常时才转人工；第二，对缺失收入证明但其他信号良好的案件，先走补充材料流程而非直接转人工；第三，对边界区间内模型分与规则分冲突的案件，按冲突类型打标签，优先处理高风险冲突。

调整后，人工审核量下降 18%，通过率提升 3.5%，且逾期率未显著上升。这个案例说明：转人工审核不是“越多越安全”，而是要把有限的人工产能用在真正需要人类判断的案件上。

总结来看，授信决策基础可以归纳为三句话：流程是漏斗，自动化与人工是分工，边界样本是策略调优的核心战场。理解这三句话，后续关于转人工审核触发、边界样本分层、人工结论回流模型的讨论，才能形成闭环。