与此同时，金融产业还具备高风险标签，这其中的关键就在于风控命门，不完善的社会信用体系使得金融风险问题频发。鉴于金融本身的重要性，金融信用体系缺失所影响的绝不仅仅是金融产业。
弗朗西斯福山在其著作《信任：社会美德与创造经济繁荣》中将华人圈归于低信任度社会，其症结在于缺乏社会的中间组织。
从这个维度来看，完善的社会信用体系建设绝不是政府一方面的事，还需要庞大的“中间组织”参与进来。对于金融产业而言，需要广大头部金融科技企业站出来，承担起应尽的社会责任。
AI时代的产业重塑：效率提升是表，深层次机器学习是里
人工智能技术的飞速发展，为社会信用体系构建、金融风控体系完善提供了问题解决的契机。如今看来，金融科技对金融产业的影响也是显而易见的。
目前看来，人工智能在金融领域的应用场景主要包括智能投顾、风控、智能客服等，对应的技术就是机器学习、自然语言处理、人脸识别等，具体表现为金融服务效率与质量的提升。
值得一提的是，目前人工智能技术对金融产业的影响更多的体现在贷前和贷中服务。例如贷前审核通过AI技术，减少人工文档审查等冗余工作，实现自动化，减少金融服务的审核时间，在同样的时间内做更多的申请。另外，人工智能、大数据在贷中风控管理方面已经开始发挥重要作用，高效数据流转与自动化决策，实现了科技对传统风控的升级改造。
然而，在贷后管理方面金融科技目前的影响力还非常小。要知道金融行业的风控管理应该贯穿于整个服务的纵向全流程，任何一个环节存在短板就意味着坏账等金融风险发生概率的提升。
从人的角度来看，每个人在享受便捷金融服务的同时，难免会出现一些资金纠纷。有的确实信用存在问题，故意赖账。有的可能只是因为其它原因耽误还款时间，并不是主动失信违约。这需要平台识别清楚，避免误伤，避免漏网。这需要金融机构把关好金融服务最后一道关——贷后风险管理。
关于贷后管理，从行业角度来看，这一场景缺乏相应的技术支持，这也为贷后管理的信用数据收集增添障碍，并且使得整个借贷链条数据缺乏完整的闭环。
此外，贷后管理通常被认作是一个既有合作又有冲突的场景。这一场景对相关客服话术、情绪等因素要求极高。然而，人都是有情感的，面对复杂的贷后管理客服出现情绪性的话语也在所难免，这也导致数据收集的不准确。
