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。”
苏晓要求抽样人工回访。她和林凡一起去看了几家店。早餐铺老板娘听说贷款被拒，没有生气，先是茫然：“我每天早上四点起床，卖了八年包子。你说我经营不真实，那我这八年是在梦游吗？”
林凡站在蒸汽里，突然觉得那份风控报告很冷。
老裁缝店的师傅更直接：“我不会搞那些线上流水，我就会改裤脚。现在不会用手机，连借钱都不配了？”
苏晓没有急着解释。她认真记录材料，问经营年限、熟客比例、租金、进货、家庭情况。她问得很细，但不居高临下。
回去后，她提出增加“线下经营补充证明”通道：社区证明、租金记录、供应商收据、邻里评价、人工回访，都可以作为模型数据不足时的补充材料。对数据缺失但长期经营的小商户，不得直接自动拒绝。
信衡老板担心成本：“这样人工又上来了。”
苏晓说：“你要的是风控，不是把不会数字化的人赶出去。”
林凡说：“否则坏账率好看了，客户也少了。”
这句话老板听进去了。
苏晓后来给林凡发消息：
模型误伤最麻烦的地方，是它常常让报表变好看。
林凡回：
因为被误伤的人不在成功率里。
苏晓：
也不在庆功会里。
晚上，云启未来白板写：
数据少，不等于人不可信。
何苗写：
模型看不见的生活，不该被判成风险。
张磊写：
不会扫码的包子铺，也可能比互联网项目靠谱。
林凡写：
风控如果只相信数字，就会先拒绝那些还活在现实里的人。
苏晓看到照片，回：
最后一句太长，但意思对。
林凡回：
白板不收版面费。
苏晓发了一个句号。
林凡看着那个句号，觉得她可能是在笑，也可能是在忍住不吐槽。
误伤通道试运行后，第一批通过人工补充材料重新获批的商户里，就有那家早餐铺。老板娘拿到贷款额度，没说什么宏大感谢，只在微信里发了一张照片：新蒸笼到了，笼屉摞得很高，白汽往上冒。
苏晓把照片转给林凡：“这比老板的表扬有用。”
林凡回：“因为这是钱最后变成了什么。”
苏晓：“对。风控报告里看不到蒸笼。”
林凡盯着“蒸笼”两个字，忽然想起公司那些柱状图。数据当然重要，可数据如果永远不回到具体的人和物，就会让人误以为世界只是表格里的升降。
他在笔记本补了一句：
模型说通过率，生活说蒸笼到了。
第二天，苏晓把“蒸笼案例”放进内部培训，但没有写店名。她只写：一个被模型拒绝的小店，人工复核后获得贷款，购买新设备，经营继续。
有同事问：“这种案例会不会太个别？”
苏晓说：“误伤落到人身上，从来都是个别。但制度如果不管个别，就会批量制造个别。”
林凡听到这句，觉得她又该上白板。
这次他没问授权，直接写了。
苏晓看到后，只回了两个字：
下次。
林凡判断，这算默许的一种低温版本。
他在旁边补了个括号：
白板引用需谨慎。
尤其引用苏晓。
要留余地。