资产保全的智能化升级需要什么样的 FDE——当监管边界比模型能力更早决定自动化的上限

资产保全的智能化升级需要什么样的 FDE——当监管边界比模型能力更早决定自动化的上限

核心摘要

• 资产保全 FDE 的第一个交付物是合规边界清单，不是系统——在催收环节，自动化的上限由监管条文定义，不由模型能力定义
• 国标 GB/T 45251-2025 第 5.3.1.8 条明确授权"可使用人工智能技术开展催收作业"——同时把"含智能语音"并入每日 3 次的频次池，授权与约束写在同一条文件里
• 真正的红灯在银保监办发〔2022〕2号：核心能力不外包、模型管理核心环节自主掌控——共建的是工具，自主掌控的是判断，因此 FDE 必须站在行内
• 资产保全最确定的智能化收益在规则与模板，不在模型——海安农商银行以 12 套诉讼材料模板自动生成，把立案周期从 10-15 天压到 1-3 天

一、先把量级摆出来

讨论"需要什么样的 FDE"之前，先看这个岗位面对的业务盘子有多大（PRIMARY，金融监管总局 2026 年二季度监管指标，2026-08-14 发布）：

分机构看，差距比总量更值得注意（PRIMARY，同上）：

三个数字构成了本文的全部张力（本文分析）：

其一，关注类 2.21% 且环比上升，说明压力在前移。 资产保全的活不是把 3.7 万亿存量处置掉就完了，是要拦住正在滑向不良的那一部分。这决定了 FDE 的第一现场不是清收现场，是资产管理与风险预警现场。

其二，不良率环比上升、拨备覆盖率环比下降，是同时发生的。 也就是说资产保全的工作量在增加，而承担它的安全垫在变薄。

其三，这条线上的人力规模决定了自动化的收益上限。 公开招聘公告可以给出一个粗略但具体的量级（PRIMARY，招聘公告原文）：平安银行深圳地区的催收绩效督导岗位，需"每日追踪银行车贷逾期 90+ 自催收团队（200-300 人）"并"巡视全国各催收辖区（40-50 个城市）"；恒丰银行诉催管理岗要求硕士起、5-10 年经验、且其中 8 年以上须为资产保全／风险处置相关岗位、有 2 年以上须在国有大行或全国性股份制银行总行或一级分行本部。这类岗位的招聘门槛本身就说明：这个条线既缺人，也难留人。

其四，1.41% 的净息差是这条业务线的真实约束。 智能化在这条线上不能是"锦上添花的效率工程"，它要在一个已经四年单边下行的息差环境里证明自己的账。这一条直接决定了 FDE 模式在这里最难的地方——不是技术，是 ROI 审核。

二、第一个交付物不是系统，是边界清单

站内已有三篇文章讨论过银行 FDE 的一般形态：德勤实践提炼的七维能力画像、埃森哲千人 FDE 队伍的建制化启示、以及 Datawhale 案例集归纳的六条方法论（均为 SECONDARY，公开报道与第三方发布）。这些讨论有一个共同的前提假设：FDE 的工作是把业务流程"解构"成可工程化的任务。

在资产保全，这个前提需要先加一道闸。

催收不是普通的业务流程，它是受强监管约束的行为。现行约束至少来自三份可查的文件：

其一，国标 GB/T 45251-2025《互联网金融 个人网络消费信贷 贷后催收风控指引》（国家标准公告 2025 年第 4 号，全国金融标准化技术委员会归口、主管部门为中国人民银行，发布与实施同为 2025-02-28，同时废止中互金 2024-05-15 版《互联网金融贷后催收业务指引》，SECONDARY 转述但条款为国标原文）。它的适用范围里明确写着"自行开展或委托第三方催收机构开展"——委外是允许的，适用主体包括商业银行、消费金融公司、小额贷款公司、汽车金融公司，以及金融资产管理公司、地方 AMC、融资担保公司等债权受让方，信用卡类可参照。对智能化最致命的三项：

• "有效通话"被定义为通话时长 6 秒及以上、且双方经沟通形成真实意思表达。这一条把 AI 外呼纳入监管口径的射程：一个智能体打出的电话如果达到这个定义，它就是一次完整的催收行为。
• 5.3.2.1 告知式催收：以语音形式（含智能语音）进行告知式催收，同一金融机构与其合作的第三方催收机构，对单一债务人拨通电话频次每日合计不应超过 3 次。括号里的"含智能语音"是整份文件里对 AI 最直接的一处点名——它意味着智能外呼不另设标准，而是被明确并入了原有频次池。
• 5.3.2.2.2 交互式非现场：与单一债务人主动有效通话每日不应超过 3 次；现场催收（5.3.2.2.3）与单一债务人主动有效沟通每日不应超过 1 次，未经同意不应进入住宅等私人场所。
• 同一信贷产品的信函催收，间隔周期不宜少于 7 个自然日；未事先约定催收时间的，催收作业不应在每日 22:00 至次日 8:00 之间进行。
• 联系方式的获取限于五类合法途径（合同约定、金融机构预留、沟通中获取、债务人自行公开、以及在此合理范围内的其他合法途径）。

其二，《金融机构个人消费类贷款催收工作指引（试行）》（湖南省小额贷款行业协会，SECONDARY 全文转载）：

• 第十三条：未经债务人同意，严禁在每日晚 22:00 至次日早 8:00 进行电话催收、外访催收及其他催收。
• 第十四条：主动通话频密程度应控制在合理及必需范围内，同一联系方式尝试拨打次数当天不宜超过 6 次。
• 第三十一条：会员单位应切实履行外部催收机构催收行为管理主体责任，每年对外部催收机构现场或非现场检查频次不低于 1 次。
• 第三十六条：互联网平台按约定从事催收业务的，会员单位应将其作为外部催收机构进行管理，落实金融机构监督、检查、培训、追究违约责任等穿透管理要求。

其三，中国互联网金融协会《互联网金融逾期债务催收自律公约（试行）》（2018-03-28 发布，五章三十一条，PRIMARY 协会发布稿）：

• 第八条：应建立催收业务系统，催收活动应在系统内进行记录，相关数据应保管 5 年以上。
• 第十一条（外包管理）：实施催收外包应建立完善的外包管理制度，审慎选用外包机构，明确划分经济法律责任，持续关注外包机构的财务状况、业务流程、人员管理与投诉情况；如因外包管理不力造成损害，从业机构应承担相应责任。
• 第十四条：无法与债务人取得联系时，方可与债务人事先约定的联系人进行联系。
• 第十七条：应在恰当时间开展催收活动，不得频繁致电骚扰债务人及其他人员。
• 第二十一条：现场催收应全程录音或录像。
• 第二十五条：不得诱导或逼迫债务人通过新增借贷或非法途径筹集资金偿还逾期债务。

而整份文件里最关键的一句，在 5.3.1.8：

金融机构和第三方催收机构可使用人工智能技术开展催收作业。（SECONDARY 转述国标原文）

这一条把此前的推论方向整个改了。 它意味着监管对 AI 催收的态度不是禁止，而是授权加约束——授权的同时附带三项要求：各环节均须符合本文件要求；设计应具备包容性、公平无歧视，且在可用性、可靠性、准确性上"不应对债务人造成不便和障碍"；秉持科技赋能，算法设计与数据应具备安全性。这组要求恰好构成资产保全 FDE 的验收标准——"不造成不便和障碍"不是一个技术指标，是一个必须能被举证的产品属性。

把这三份文件叠起来，得到的结论对 FDE 是决定性的（本文分析）：

第一，委外不是被禁止，而是变成了一种带连带责任的关系。 第十一条没有说"不得委外"，它说的是"委外要管、出了事一起担"。而第三十六条更进一步——AI 催收平台在监管口径上被当作外部催收机构管。这意味着一个用智能体做外呼的系统，在合规上等同于一家催收外包机构：要接受检查、培训、考核、追责。

第二，自动化上限是被条文锁死的，不是被模型能力决定的。 语音催收每日合计 3 次、现场沟通每日 1 次、22:00–8:00 禁行、信函间隔不少于 7 天——这些是硬约束，一个再强的模型也不能突破；而"含智能语音"这四个字说明，监管在设计这些上限时，已经把 AI 外呼算在内了。FDE 的核心工程问题因此从"能不能做"变成了"在给定频次与时段内，如何让每一次触达都可解释、可追溯、可举证"。

第三，也是最容易被忽略的一条：合规能力必须内建成系统属性，而不是流程文档。 现场催收全程录音录像、联系人仅在失联时可联系、不得诱导新增借贷——这三条如果靠人工遵守，就必然会被规模化智能体的速度冲垮。 至于催收记录保存年限，自律公约要求 5 年以上、国标要求至少 2 年，两套口径并存意味着 FDE 必须按更长的一方设计，并把这个差异写进边界清单。 它们必须变成系统里的硬约束、硬校验与硬留痕。

第四，自动化能做多重，取决于另一份与催收无关的文件。 银保监办发〔2022〕2号《关于银行业保险业数字化转型的指导意见》确立了两条硬原则（PRIMARY，监管原文）：第（二十五）条要求外包风险管理"坚持管理责任、核心能力不外包原则"；第（二十六）条要求"模型管理核心环节要自主掌控"。同一文件第（六）条还鼓励"组建不同业务条线、业务与技术条线相融合的共创团队"，第（三十）条把数字化转型情况纳入银行保险机构信息科技监管评级评分。

把这三条与国标的 AI 授权条款并排看，政策意图就清楚了：用 AI 可以，核心能力不能外包，模型管理必须自主掌控。 换句话说，智能化允许"借力"，不允许"外包判断"。（本文分析）

这一条决定了 FDE 岗位的落点：它必须站在行内，而不是站在供应商那边。

所以资产保全 FDE 的第一个交付物，是一份边界清单，而不是一个系统。 这份清单要回答四个问题：哪些动作允许自动化、允许到什么频次与时段、每一步留下什么证据、异常时谁有权停。

这不是本文的发明，是把监管条文翻译成工程约束的动作。 站内已论证过"没有线上化就没有标注、没有标注就没有监督信号"；本文补一句同样结构的话：没有边界清单就没有可审计的自动化。

三、资产保全 FDE 的能力差异

把站内已归纳的通用 FDE 能力画像（模型与架构选型、Token 经济学、主权与数据合规、微调与本地化、智能体编排与治理、业务解构、现场交付工程）与第二节的监管要求对齐，资产保全 FDE 需要额外补三项（本文分析）：

第一项：合规边界设计能力。 通用 FDE 的"业务解构"是把流程拆成可工程化任务；资产保全 FDE 必须先判断哪些动作根本不应被工程化。站内已把资产保全任务分为流程／工具型、文书／口径型、窄分类型、经验判断型四类，并指出经验判断型不可回退、不可归因，因此不应微调、只能做材料准备与选项呈现。同样的逻辑在 FDE 层面成立：经验判断型任务连"自动化半步"都不该走。 而这个判断不能由 FDE 一个人做出——它是合规判断，需要合规与法务共同签字。

第二项：可审计性工程能力。 通用 FDE 关心"系统能跑"，资产保全 FDE 必须关心"每一步能举证"。具体到本文的三份规范：触达频次与时段要能证明没有超限；联系人联系要能证明是在失联前提下；现场录音录像要能证明存在且可调阅；数据要能保存 5 年可追溯。这意味着留痕不是可选项，它是交付物的一部分。

第三项：组织翻译能力（双向）。 FDE 要把监管语言翻译成工程约束（向上），也要把工程约束翻译成业务语言（向下）。后者常被忽略：一线处置人员不会因为"频次计数器加了个锁"就理解为什么系统拒绝了他第六次外呼。没有这一步，系统会被绕过。 而绕过一次，就是一次监管事件。

四、六个真实的落地挑战

站内三篇 FDE 文章的基调偏"应该怎么做"。这一节做一件不同的事：把做不成的原因说清楚。

挑战一：FDE 是"人"的角色，银行的采购与考核是"项目"制的。 驻场工程师的产出依赖长期在场、持续观察、反复试错；但采购流程以项目为单位、以交付物验收、以合同周期结算。两套时钟对不上——项目结束了，人还在现场；或者项目还在，人已经轮岗。（本文分析）

挑战二：验收困境，而资产保全比多数场景更严重。 通用 FDE 可以在几个月内看到"审批时长下降"，资产保全的产出是处置结果——回收率、处置率、清收周期。而不良处置的周期常以年计，跨年度。FDE 在任期内大概率看不到自己的结果指标。 如果考核只看上线数量，理性选择就是只做容易验收的项目。（本文分析）

挑战三：知识流失，而"资产沉淀"这件事最容易被做成口号。 站内文章建议"每个 FDE 项目结束后必须沉淀出可复用的方案模板、数据质量检查清单、提示词/编排资产、评测集"。但如果沉淀物绑定在个人经验、命名习惯和未文档化的判断上，人一走就断。 在资产保全尤其危险——因为沉淀的核心是"处置规则"，而规则是监管敏感的，不能散落在个人笔记本里。（本文分析）

挑战四：组织归属是一个不可两全的结构性矛盾。 FDE 归业务部门，洞察深但技术不沉淀、且难以跨部门复用；FDE 归科技部门，技术可沉淀但进不了业务现场、拿不到真实判断。这不是管理问题，是设计问题——而多数银行会在项目推进中被动滑向其中一边。（本文分析）

挑战五：边界判断的责任不能压在 FDE 个人身上。 第二节说过，经验判断型任务不该自动化。但现场压力下，"该不该让系统自动发这条短信"是一个每天都要回答的问题。 如果这个问题的答案由单个 FDE 临场决定，那么每一个决定都是一次未被制度化的合规风险。正确的形态是：FDE 提方案，合规签边界，档案留痕，三方各在自己名字上签字。（本文分析）

挑战六：规模化的成本悖论。 FDE 模式本质是高成本、低复用——贵在人的稀缺性与在场的必要性。而资产保全的 ROI 审核环境是 1.41% 的净息差。"派 10 个人驻场一年"在多数银行的立项会上过不了。 这不是 FDE 不值得，是它必须被设计成可复用，否则无法在资产保全这种量级上立项。（本文分析）

五、国内外经验：可借鉴的与不可照搬的

先说明一点：本文对 FDE 制度化一侧的引用依据是公开报道与第三方发布（SECONDARY），未能逐一核实 Palantir 等公司的官方 JD 与工程博客原文（UNVERIFIED），因此以下结论限于公开材料可支撑的范围。

最值得借鉴的一条，是三个标杆的共同结构（本文分析）：

三个都是"平台 + FDE"，没有一个是"FDE 单独"。

这是本文最想传达的经验判断：FDE 模式成立的必要条件是有一个可复用的平台底座。 FDE 的价值来自"把一个场景的解法快速复制到下一个场景"，而复制能力来自底座，不来自人。一家没有平台底座的银行照抄 FDE，只会抄到"派驻人"这一半——于是成本高、复用差、人一走就断，正好落入第四节的挑战一与挑战三。

由此推出第二条经验：对外采购时要问的不是"能派多少人"，而是"交付的是人还是底座"。 判据很具体：第二年换一个场景，能否复用上一年的产物，而不必再派同样多的人。 答案如果是"不能"，那买的是人天，不是智能化能力。

第三条经验关于国内：合规边界是硬约束，不能像某些场景那样靠"上线后观察"迭代。 第二节的三份文件已经说明边界在哪里。这意味着国内的 FDE 角色里，"合规翻译"这一项的权重显著高于国外对等岗位——国外 FDE 更像是产品与工程的接口，而银行的资产保全 FDE 还要兼做监管条文的工程化翻译。这不是能力差异，是制度环境差异。（本文分析）

第四条经验来自一家没有用智能体的银行。 海安农商银行上线"诉讼一件事"智能小程序，一键生成 12 套标准化诉讼材料（民事起诉状、财产保全申请书、授权委托书、送达地址确认书等），诉讼材料筹备用时压缩超 90%，立案周期从 10-15 天压到 1-3 天，截至 4 月末累计执结不良贷款案件 239 件、收回资金 1.48 亿元（PRIMARY，银行官方发布）。

这个案例值得单独看的地方在于：它没有用大模型，用的是模板与规则。 而这恰恰印证了本文的核心判断——资产保全智能化最确定的收益在规则与模板，不在模型。一份标准化材料模板的业务逻辑本来就存在，缺的只是把它自动化的那一步。而如果连这一步都不做，讨论"要不要 FDE"是本末倒置的。

第五条经验最有意思，是一条关于"FDE"这个标签本身的观察。 按 EDGAR 全文检索逐份核对 Palantir 的 10-K（本文自行检索，PRIMARY）："forward deploy" 在 FY2020 年报出现 2 次（含 1 次在风险因素段），FY2021 与 FY2022 各 1 次，而 FY2023、FY2024、FY2025 三份年报中出现 0 次；现行 FY2025 年报改用 "field-service representatives" 表述外派人员，截至 2025-12-31 全职员工 4,429 人。

一家把 FDE 写进招股说明书的公司，在三年内从监管文件中把这个词撤了出去。 这不必然意味着不重视这个角色（Palantir 的招聘页至今仍把 Delta 作为三大角色之一），但它至少说明一件事：FDE 是一个有效的交付形态，不是一个稳定的品牌资产——银行如果把"FDE 人数"当作建制目标，很可能建的是个随时会被调整的临时编制。（本文推论）

最后一条，也是最不好听的：最需要 FDE 的机构最养不起 FDE。 农商行 2.83% 的不良率意味着最大的工作量，而它们恰恰是 IT 预算最小、工程人才最缺的机构（本文分析，基于第一节的分机构数据）。而 FDE 的市场定价恰好在另一个方向（PRIMARY，公开招聘页面的薪资区间）：OpenAI 的 FDE 岗位多个城市区间为 16.2 万至 28 万美元、资深区间 18.5 万至 30 万美元；Anthropic 伦敦的 Forward Deployed Engineering Manager 区间为 25.5 万至 32.5 万英镑。也就是说，一个能让 FDE 队伍运转起来的机构，其人力成本本身就要求它拥有相当规模、可摊薄的业务盘子。

国内外经验里没有一条是写给这类机构的。 强行套用 FDE 自建模式只会得到"建了建制、用不起来"，而这恰恰是站内已提示过的陷阱。

但这里必须接回第二节的红灯：银保监办发〔2022〕2号要求"核心能力不外包"与"模型管理核心环节自主掌控"。所以"不自建"也不是一个可行答案。 现实的形态是分层共建——总行建底座与规则资产、把可复用组件沉淀下来，基层机构保留现场标注与口径判断、并对处置决策负责。共建的是工具，自主掌控的是判断；这两件事在 FDE 的岗位设计里是同一个人的两半，这也是本文第六节第五步的核心。

六、给银行的一条现实路径

综合监管边界、能力差异与六个挑战，本文给出一条可执行路径（全部为本文分析）：

第一步：先出边界清单，再谈系统。 把适用的催收与处置规范逐条翻译成工程约束——频次上限、时段禁行、联系人联系前提、录音录像要求、数据保存年限、禁止新增借贷诱导。这份清单应由合规与法务签字确认，FDE 负责工程化。 顺序不可颠倒。

第二步：把 FDE 的产出物定义为"规则资产"而非"提示词资产"。 规则受监管约束、可跨项目复用、且不随人走；提示词三者都不满足。判据很简单：一个人离职后，这条规则还能不能被下一个场景用上？ 如果不能，说明它还是个人经验，不是资产。

第三步：验收双轨。 短期用可测量的过程指标（材料齐备性核对耗时、时效监控覆盖率、留痕完整率），长期用结果指标（回收率、处置率），并在立项时就把"结果指标以年计、无法在项目周期内验证"写进预期管理。不写这一句，FDE 团队会在每个季度评审上被质疑。

第四步：合规共签机制前置。 边界清单的每个条目都留档，经手人是 FDE、批准人是合规、留痕人是档案。这样做的成本是行政的，收益是在监管检查时，FDE 团队不需要逐个场景自证清白。

第五步：分层建制，但把"共建"与"自主掌控"的边界写死。 总行或头部机构建底座与规则资产、把可复用组件沉淀下来；分支机构保留现场标注、口径判断与处置决策责任；外部生态提供可复用组件而非驻场人力。边界必须写死，因为银保监办发〔2022〕2号同时要求"核心能力不外包"和"模型管理核心环节自主掌控"——共建工具可以，处置判断不能交出去。

按第二节的分析，最需要谨慎的恰恰是催收触达环节——它应该被视为"外部催收机构管理"范畴，而不是"AI 能力试点"。

七、结论

资产保全的智能化升级，需要的不是更聪明的 FDE，而是能同时读懂监管条文与工程实现、并且敢在两种语言之间做翻译的 FDE。 这类人极少，而且不能靠招聘解决——只能靠建制：让这个角色有归属、有签字权、有可沉淀的产出物。

六个挑战里最难的两个都不是技术问题：验收口径错配（挑战二）与组织归属不可两全（挑战四）。它们不会因为买了更好的模型而消失。

国内外经验给出的最实用一条是：别只学 FDE 的组织形式，把底座一起学。 三家标杆都是"平台 + FDE"。只抄"派驻人"这一半，成本高、复用差、人一走就断——这恰恰是国内许多 AI 落地项目不成的原因。

而对资产保全这个具体场景，还有一条行业外的经验无法提供：自动化上限由监管条文决定，不由模型能力决定。 每天 6 次、22:00 到次日 8:00 禁行、失联才能联系联系人——这些是硬约束，任何更强的模型都绕不过去。 所以资产保全 FDE 的第一个动作不是选模型，是把边界画出来。

落到一句可执行的话：先签一份合规边界清单，把"共建工具"与"自主判断"的线画死，再派一个站在行内的 FDE 把它变成可审计的系统——顺序反了，智能化的规模越大，监管暴露面就越大。

作者毕超，金融行业风险管理从业者。本文仅代表作者个人观点，不构成任何机构立场。