欢迎来到进口食品商务网！

一个历来以骚扰和恐吓运气不好的人而闻名的行业，正在用人工智能催收员取代人类催收员，一家公司称此举将“永远改变催收员”。

总部位于纽约和班加罗尔的Skit.ai表示，人工智能工具将把该行业带入“一个催收债务的新时代”。该公司声称，数字语音代理——机器人电话的新化身，使用人工智能聊天机器人和文本转语音功能进行动态、响应性的对话——可以在短短几天内拨打数百万个出站电话，以比人工员工低得多的成本联系并要求讨债公司的所有债务人付款。

该公司的博客声称，人工智能可以在收集过程的每个阶段使用人工智能，通过“端到端自动化”实现“即时可扩展性”，这当然会提高生产率并降低成本。另一方面，对于电话另一端的人来说，在这个过程中与真人交谈的机会变得越来越遥远。

短剧。ai没有回应Motherboard关于使用ai催收债务的问题。不过，面向收债人的软件服务正越来越多地开始融入机器学习，甚至是生成式人工智能，以期优化从债务人那里收回资金的方式。在人工智能炒作如火如荼、债务达到历史最高水平的时候，这些用途只会越来越多。

自动人工智能系统给陷入困境的人打电话的前景，给这个长期以贫困和边缘化人群为目标的行业增添了另一个反乌托邦元素。与白人社区相比，黑人社区的债务催收和强制执行更有可能发生，研究表明，掠夺性债务和利率使人们陷入无休止的循环，从而加剧了贫困。

近年来，美国的借款人一直在积累债务。根据纽约联邦储备银行(New York Federal Reserve)的数据，2022年第四季度，家庭债务升至创纪录的16.9万亿美元，同时抵押贷款和汽车贷款等较大债务的拖欠率也在上升。信用卡余额也达到了创纪录的水平。疫情引发了在线消费的巨大繁荣，除了传统的信用卡，年轻的消费者也被金融科技初创公司推出的新金融产品所吸引，比如Klarna、Sezzle、Quadpay等公司非常流行的“先买后付”模式。

因此，债务不断增加，随着利率上升，越来越多的人拖欠还款。这意味着更多的未偿债务将被转移到催收环节，从而使该行业有机会在刺激、哄骗和施压人们还债的古老过程中加入一些人工智能。

为了深入了解这是如何工作的，我们只需要看看制作债务催收软件的公司的销售副本。在这里，产品的描述混合了通用的公司语言和反乌托邦的预示:SmartAction，另一个与Skit类似的对话式人工智能产品，提供了一项债务催收服务，声称可以帮助“减轻客户在不舒服的过程中可能与人类打交道的负面情绪”——因为他们肯定会更舒服地尝试与机器人协商付款。

与此同时，Latitude“解决了功能上的差距，同时减少了代理的压力，提高了恢复率”;Katabat提供“全渠道编排、真正的机器学习”和“强大的收集策略引擎”;TrueAccord运营着一个“行业领先的恢复和收款平台，由机器学习和消费者友好的数字体验提供支持。”TrueAccord还吹嘘自己提供了更多同理心的债务催收体验，这自然是通过同情的特征来实现的:“在A/B测试中测试消费者研究，以及机器学习。”

这与许多人工智能产品的核心承诺是一样的:做得更多、更快，减少人工参与;将收集到的数据反馈给系统;只要你需要，调整、完善和重复。

在给Motherboard的一封电子邮件中，分布式人工智能研究所(DAIR)的创始人蒂姆尼特·格布鲁(Timnit Gebru)将人工智能在债务催收中的应用描述为“惩罚那些已经在挣扎的人”。

“在收入不平等现象严重的时候，在我们应该减少学生债务等问题的时候，我们真的在试图建立工具，给那些正在挣扎的人施加更大的压力吗?即使软件按预期工作，这也是真的。”Gebru说。

“除此之外，我们知道这些基于法学硕士的系统有很多偏见，编码霸权和刻板印象，”Gebru补充道，指的是她与其他几位研究人员共同撰写的关于大型人工智能模型的论文的发现。“我们甚至不知道他们在做什么，他们也没有被要求告诉我们，这一事实也令人非常担忧。”

一些从人工智能整合中受益最大的公司是那些纯粹为了收债而存在的公司。这些被称为债务买家的公司，以极低的折扣(通常是一美元的几美分)从其他债权人手中购买“不良”债务，然后尽其所能让债务人全额偿还。他们不发放贷款，也不提供客户可能欠他们的任何服务;这是一种商业模式，建立在从拖欠付款的人身上获利的基础上。他们还严重依赖民事法院系统，一些专家认为，人工智能产生的债务诉讼很快就会淹没民事法院系统。

许多债务催收软件的供应商都向这些第三方买家宣传他们的产品，但一家名为Arrears.com的公司是少数同时明确提到大型语言模型的公司之一。截至目前，数字收款平台声称集成了GPT-3，但显然将目光放在了更新的更新上:最近的一篇博客文章对GPT-4债务催收的令人兴奋的世界进行了大肆宣传，当要求人们支付账单时，GPT-4债务催收显然将更加个性化，高效和情商。

该公司在博客文章中写道:“在自信和同理心之间取得适当的平衡是催收债务的一个重大挑战。”该公司声称，GPT-4能够对客户“坚定而富有同情心”。

当算法、动态优化的系统应用于信贷和金融等敏感领域时，偏见很有可能在不知不觉中被引入。麦肯锡一份关于数字收款策略的报告清楚地表明，人工智能可以用来根据风险概况识别和细分客户。信用评分加上贷款人可以考虑的任何其他数据点，并相应地微调联系技术。

国家消费者法律中心(National Consumer Law Center)的高级律师奥德特·威廉姆森(Odette Williamson)表示，人工智能模型可以从训练数据中发现系统性偏见，这些数据反映了长期以来对低收入群体和有色人种的贷款歧视。

“(培训)数据是不准确和具有误导性的，还是完整的?”威廉森说。“考虑到我们在美国的种族主义历史……这些数据是否反映了歧视趋势，如果是这样，这将如何影响一个系统未来做出的决定，即针对谁以及在债务催收方面有多积极?”

2016年，澳大利亚出现了一个现实世界中自动追债危害的例子，当时政府在福利支付上多付了钱，然后使用自动化系统试图得到这笔钱——结果是灾难性的。

从监狱判决到预测辍学率，再到监控福利欺诈，对结果的偏见的意识需要仔细的审计，Williamson说。

她说:“归根结底，我们必须确保这些模型在统计上是合理的，它们在开发的每个阶段以及部署时都经过了测试……如果模型显示出歧视性或有偏见的结果，而你无法修复它，那么它们就不应该被使用。”

监管机构意识到，在一般意义上，人工智能对消费金融构成了许多可能的风险。就在几周前，也就是4月底，消费者金融保护局(CFPB)与司法部、联邦贸易委员会和平等就业机会委员会发表了一份联合声明，表明了针对使用自动化系统产生的歧视性做法的意图。

通过电子邮件联系到CFPB发言人，他没有证实人工智能债务催收系统是否是一个特别关注的领域，但他告诉Motherboard:“无论使用哪种工具，CFPB都希望债务催收人遵守《公平债务催收实践法》的所有要求，以及《消费者金融保护法》对不公平、欺诈和滥用行为的禁止。”