Dave Girouard - Making Better Loans - [Founder’s Field Guide, EP. 52]

Dave Girouard - Making Better Loans - [Founder’s Field Guide, EP. 52]

本期速览

Dave Girouard（Upstart联合创始人兼CEO）在节目中探讨了AI驱动的借贷平台如何通过机器学习模型提高贷款可及性与可负担性。核心观点是：借贷本身的市场和机会被严重低估，不应仅视为获客工具——Girouard指出，美国借贷产生的净利息收入与整个科技行业的利润相当，这一量级远超多数人的认知。

---

主题一：速度作为习惯——决策的三层加速机制

Girouard认为，企业速度的核心在于「决策-执行-说服」三层链条的加速，而非单纯追求快。

• 决策筛选：CEO的目标不是做更多决策，而是让重要决策在组织下层完成。Girouard强调：「如果你参与了公司的每一个决策，那是个坏信号。」关键是要区分哪些决策值2分钟、哪些值2天，并避免追求共识——「看看所有城市公园里的雕像，没有一座是委员会立的。」
• 执行加速：核心是挑战时间假设。Girouard回忆在Google时，Larry Page的经典追问——无论团队说2个月还是6个月，他都会问「为什么不能在一周内完成？」这迫使团队暴露隐藏的串行假设，转而思考并行执行。
• 外部说服：对合作伙伴/供应商，Girouard的策略是「让他们站在你的立场上无法拒绝」——通过理性、逻辑和友善，让对方自愿加速，而非强硬施压。

Girouard自认的不确定性：速度并非万能，过度追求可能导致错误决策，但「一个及时的决定几乎总是好过延迟的正确决定」。

---

主题二：AI借贷的核心——从FICO到360度风险画像

Girouard判断，FICO评分系统已过时30年，AI模型能通过更多维度的数据大幅提升信用预测精度，并同时提高各人群的贷款可及性。

• FICO的局限：1989年诞生的三位数评分无法捕捉一个人的全部信用特征。Girouard指出，美联储研究显示「30%的非裔美国人FICO评分处于最低的十分位」，说明该系统存在结构性偏差。
• Upstart的模型机制：从「三位数」扩展到「12-60个变量」，包括教育水平、所学专业、行业、雇主等。模型核心是预测每月的现金流——「如果你有一笔3年期贷款，就是36个月，模型要预测你会在哪个月违约或提前还款。」
• 数据与算法的协同：Girouard解释，更复杂的算法需要更多训练数据——Upstart每月有4-5万笔还款或违约数据作为训练素材，模型随数据积累持续迭代。
• 反直觉发现：早期聚焦「薄信用档案」的年轻借款人——Girouard的20岁联合创始人（耶鲁毕业、SAT满分、六位数收入、零债务）被多家机构拒绝或仅获24%利率的1万美元贷款——这成为Upstart的起点。

证伪条件：若模型在某个人口群体上出现系统性偏差，Upstart可回退到旧版本——公司每季度向CFPB提交所有申请人的偏差测试数据。

---

主题三：商业模式——不做银行，做银行的AI大脑

Girouard明确表示，Upstart选择成为银行的科技合作伙伴而非银行本身，这一决策定义了公司的增长路径。

• 收入结构：约97%的收入来自银行支付的三种费用——推荐费、平台费（代表银行处理贷款发放）、贷款服务费。银行保留所有贷款决策的「旋钮和刻度盘」（Girouard称之为「极客旋钮」），可自主设定目标回报率和风险偏好。
• 价值主张：银行可选择两种极端策略——保持批准率不变，将损失降低约75%；或保持损失率不变，将批准率提升2-3倍。Girouard认为「中间地带」是常态。
• 客户体验：中位借款人年龄在20多岁，约70%的贷款实现「全自动处理，无需人工介入」——申请后数秒获利率，即时批准，无需上传文件或电话沟通。

Girouard的自我辩护提示：他承认「说服世界AI可以更公平」是最大挑战，读者应注意这是持仓方视角——监管和消费者保护组织的质疑是真实存在的。

---

主题四：借贷市场的结构性机会——效率差距的两个数量级

Girouard认为，借贷行业的效率低下程度远超多数人的想象——「90%的利息支付是完全不必要的，源于风险模型的迟钝。」

• 量级对比：Girouard将Upstart的机会与Renaissance Technologies的高频交易对比——「他们试图削掉3个基点，而我们面对的是两个数量级的低效率。」
• 市场结构：个人贷款（年约1000亿美元）是增长最快的类别，但远小于汽车贷款（约7000亿美元）和抵押贷款（更大数量级）。Girouard观察到，无担保贷款正从有担保贷款（如房屋净值贷款）和信用卡手中夺取市场份额——「人们宁愿为10天到账的1万美元贷款多付一点利息，也不愿等两个月办房屋净值贷款。」
• Buy Now Pay Later的威胁：Girouard认为，Afterpay被Square收购后，BNPL玩家拥有了「双边网络」，可能对Visa/MasterCard的支付轨道构成真正威胁——但关键问题是「商家实际支付的费用是否高于Visa/MasterCard」，这决定了该模式的可持续性。

证伪条件：若BNPL的商家费用持续高于传统支付网络，或出现价格战导致利润压缩，则该模式的颠覆性将减弱。

---

主题五：创始人CEO vs 职业CEO——决策权威的差异

Girouard认为，创始人CEO在决策速度和权威上拥有职业CEO无法比拟的优势，尤其是在公司需要快速转向时。

• 具体案例：COVID期间，Upstart在三个月内完全改变了战略方向——「如果我是被董事会雇来的CEO，他们会想『这家伙在搞什么？』但作为创始人，我可以直接说『不，我了解这家公司，它就是我。』」
• 对比视角：Girouard以DoorDash（创始人领导）和Uber（职业CEO领导）为例，认为前者在决策灵活性上具有「巨大优势」。
• 公共市场差异：Girouard发现，公共市场投资者比私人市场投资者更愿意接受Upstart——「私人市场从未真正理解我们，或者就是不喜欢我们。」公共投资者可以「今天买入、明天卖出」，因此更关注增长和利润数据本身，而非叙事。

Girouard的自我反思：他承认Upstart在私人市场融资困难可能源于自身——「我们太内向，没有从行业角度讲好故事。」

---

提及的标的

标的	嘉宾态度	关键数据
Upstart	看好（创始人视角）	约97%收入来自银行费用；70%贷款全自动处理；中位借款人年龄20多岁；每月4-5万笔还款/违约数据
Visa/MasterCard	风险提示	BNPL可能构成威胁，但「强大的网络效应已存在很久，几乎不可打破」
Square（收购Afterpay）	中性观察	拥有双边网络，可能对传统支付轨道构成压力
DoorDash	正面评价	创始人领导，具有决策优势
Uber	中性评价	职业CEO领导，存在「动态差异」
Renaissance Technologies	对比参照	试图削掉3个基点，而借贷行业有「两个数量级的低效率」

---

值得记住的判断

1. 「90%的利息支付是完全不必要的」（Girouard）——源于风险模型的迟钝和低效，而非借款人实际信用风险。

2. 「借贷的净利息收入与整个科技行业的利润相当」（Girouard）——这一量级对比揭示了借贷市场的真实规模，远非「获客工具」所能概括。

3. 「一个及时的决定几乎总是好过延迟的正确决定」（Girouard）——速度习惯的核心是「先决定花多少时间做决定」，而非追求完美。

4. 「Larry Page会问：为什么不能在一周内完成？」（Girouard回忆）——无论团队报2个月还是6个月，这一追问暴露了隐藏的串行假设，迫使团队思考并行执行。

5. 「30%的非裔美国人FICO评分处于最低的十分位」（Girouard引用美联储研究）——FICO系统本身存在结构性偏差，AI模型有潜力成为「平等化工具」。

6. 「我们从未得到超过一份有效的领投条款书」（Girouard）——Upstart在私人市场融资极其困难，最终通过公共市场证明了自己——「公共投资者可以今天买入、明天卖出，因此更关注数据本身。」

7. 「创始人CEO可以三个月内完全改变方向，职业CEO会被质疑」（Girouard）——COVID期间Upstart的战略转向是创始人权威的典型案例。

8. 「AI记录过去，AI预测未来——两者天然相关」（Girouard）——加密的不可变记录与AI的预测能力结合，可能催生更好的信用产品，尤其在跨境场景中。