苏晓发现风控误伤，是在一份周报里。

周报标题很漂亮：《AI 风控上线后审批效率提升与风险控制成效》。

里面有一堆让老板看了会微笑的数字：审批时长缩短 63%，高风险拦截率提升 28%，人工审核成本下降 41%，坏账预警准确率提升。

信衡老板在会上说：“这说明我们的智能化方向非常正确。”

苏晓没有笑。

她盯着一行小字：小微商户贷款通过率整体下降 7%，其中个体工商户下降 13%。

“这个拆一下。”她说。

数据团队说：“样本还不大，可能是模型更谨慎。”

苏晓说：“谨慎对谁谨慎？”

林凡接到她的消息时，正在帮张磊改“具体度评分”。

苏晓发来一张表，表里按行业、地域、经营年限、店铺规模、线上流水比例拆分了贷款通过率。

异常很快显出来：没有完整线上流水的小店、夫妻店、老社区商户，被模型拒绝的比例明显上升。

这些商户不是坏人。

他们只是数据少。

一家修鞋店，经营十五年，没有线上流水，现金交易多，被系统判为收入不稳定；一家早餐铺，老板娘用女儿的收款码收钱，账户主体不一致，被判为经营真实性存疑；一家老裁缝店，店面租约是口头续签，系统缺少材料，直接降分。

苏晓把这些案例念出来，会议室越来越安静。

信衡老板说：“但从模型角度看，这些确实风险高。”

苏晓说：“从数据角度看风险高，不等于从现实角度看一定高。

模型看不见的，不该自动算成没有。”

林凡补：“数据缺失不等于信用缺失。”

这句话让苏晓看了他一眼。

她点头：“对。

尤其对线下小店。”

风控模型喜欢可量化的东西：流水、征信、合同、平台交易、扫码记录、税票。

它不喜欢那些靠邻里口碑、现金交易、熟客赊账、十几年经营习惯撑起来的小生意。

可城市里大量普通人的生活，正是由这些不够数字化的小店托着。

模型上线后，坏账风险降了，但也把一部分“数字痕迹少”的人挡在门外。

张磊听完，皱眉：“这不就是谁更像系统喜欢的人，谁更容易被借钱？”

何苗说：“是。

数字化程度变成信用的一部分。”
本章未完，请翻下一页继续阅读.........