导读：催收原本是个存在感并不太强的行业，传统的催收公司一般以银行和信用卡业务为主，并且由于银行准入门槛高、合规要求高、利润较薄，导致这个行业一直没有大的发展，头部约20家企业占据了市场超过85%的份额。 但自15年开始随着互联网信贷经济的兴起，导致催收...
催收原本是个存在感并不太强的行业，传统的催收公司一般以银行和信用卡业务为主，并且由于银行准入门槛高、合规要求高、利润较薄，导致这个行业一直没有大的发展，头部约20家企业占据了市场超过85%的份额。
但自15年开始随着互联网信贷经济的兴起，导致催收市场发生了巨大的变化。对于很多新兴金融公司来讲，回收率是排在第一位的指标；并且，由于互金及现金贷逾期体量较大，导致市场对催收的需求呈几倍增长。
门槛的降低及需求大幅增长带动催收行业快速发展，据统计，目前市场上大大小小的催收机构超过5000家，多的上万人，少的几十人，平均利润率20-45%之间，俨然已经成为一个火热的抢手行业。但快速扩张的业务也导致了催收行业出现了亟待解决的痛点，。1、贷后行业数据及科技渗透率低，急需科技提升效率。大多数公司贷后目前仅停留在报表和系统层次，较为落后，科技对贷后有很大的空间。据前某银行的贷后管理人员称，在使用预测式外呼系统后，人员效率提升了近4倍；
2、贷后业务需求快速增长。由于互金和现金贷的兴起导致行业需求大幅度增加，很多甲方将催收独立出去单独运作，个别甲方的催收模块人员超过3000人；
3、人员招聘压力大，成本不断上涨，前期催收业务完全可以有机器进行替代。由于现金贷等业务快速扩张，导致催收市场人员缺口巨大，人员成本翻倍增长，招聘成了很多公司的首要问题；人工智能核心目标就是降低成本和节约人力，符合当前趋势；
4、大数据的发展及海量语音库为模型训练提供了海量素材。随着业务规模上升，贷后数据及催收语音库规模指数增长，为模型训练积累了大量数据。很多科技公司开始和一些大型甲方或催收公司合作，一起训练细分场景的智能机器人
基于上述种种契机，再加上人工智能等先进技术的蓬勃发展，智能催收开始大显身手。
