Hero FinCorp 以 AI 情境重建放貸架構——半年內信貸成本下降 15%

Hero FinCorp 是 Hero 集團旗下的非銀行貸款機構，服務遍及印度逾 96% 郵遞區號、超過 1,300 萬名客戶；該公司打造了「Dhruv Tara 計畫」，這是一套由 AI 主導、涵蓋整體信貸生命週期的放貸架構：客戶開發、核貸、開戶、投資組合監控、服務與催收。它所要解決的問題是：以聯徵分數、還款紀錄與文件為基礎的放貸決策，只能說明部分實情，對於正式信用紀錄薄弱的客戶尤其如此，因為他們的檔案低估了實際風險。

這套架構以情境取代單一分數的視角。雲端資料湖將聯徵與還款資料，結合銀行往來訊號、商品及服務稅（GST）資料、帳戶聚合器輸入、人口統計、資產特徵與地理資訊——超過 100 項微型市場資料點與 40 多個 API，讓貸款機構得以在郵遞區號層級解讀模式，從當地收入行為到資產常態皆然。十五個動態風險與催收模型為還款能力、穩定性與意願評分，並驅動預測式催收，更早、更適切地介入，而非一視同仁地對待所有借款人。

公司申報的營運成果如下：2026 財年下半年信貸成本較上半年下降 15%，同期不良資產總額（GNPA）改善約 20%。AI 也進入第一線——聊天機器人、互動式語音應答（IVR）、自動化工作流程與 AI 電子郵件如今處理近 60% 的客戶查詢，每季節省超過 40 萬人力分鐘，而其中一項開戶流程從 90 個欄位縮減為三個。

營運長 Priya Kashyap 闡述這套紀律：AI 在金融服務業的真正價值不只在於速度，更在於更好的決策——改善風險篩選、及早偵測壓力、減少客戶摩擦。人類團隊保留情境判斷、治理與問責，模型則大規模處理模式。

2026 財年下半年相較上半年，信貸成本下降 15%，GNPA 改善約 20%；AI 處理約 60% 的查詢，每季節省 40 萬人力分鐘；開戶流程從 90 個欄位縮減為 3 個。

信用檔案薄弱的借款人，過去因資料不足而被定價；微型市場情境找回了聯徵檔案從未有過的訊號。

過去一律化的催收對每位違約借款人一視同仁；預測模型則依行為安排介入時機與對象。

這項建置把智慧放進決策路徑本身，而非在舊流程旁加掛 AI 工具。

當所有人都依據同一份聯徵檔案核貸時，優勢會轉向情境——借款人住在哪裡、當地收入如何運作——而不是再去看同一個分數。

這些數字為公司自行申報；資料並未提供獨立查核。所述下一階段是在整體放貸生命週期中深化情境：以更豐富的訊號更早辨識風險、降低客戶摩擦並提供個人化互動，同時在問責至關重要的決策上保留人類判斷。