Искусственный интеллект во взыскании: аналитика рынка и возможности FIS Collection

Экономический журнал “Рынок взыскания” опубликовал обзор о влиянии технологий искусственного интеллекта на развитие рынка возврата просроченной задолженности, представив международный и российский опыт. Эксклюзивно для СМИ FIS Collection Product Owner Андрей Наумкин рассказал про автоматизацию разных стадий collection с использованием ML-моделей.

В материале эксперты рассматривают возможности ИИ в части улучшения взаимодействия с должниками, прогнозирования их поведения и оптимизации судебного производства. По данным “Рынка взыскания”, современные low-code решения помогают банкам и финтех-компаниям внедрять ML-технологии даже без большой команды специалистов data science.

В каких направлениях взыскания сегодня используется искусственный интеллект?

“ИИ наиболее активно используется в крупных банках в процессах soft collection при анализе поведенческих моделей, сегментации должников и отборе наиболее релевантных стратегий взаимодействия с ними. Например, у наших заказчиков, крупных российских банков, в системе collection ML-технологии позволяют выделять наиболее эффективные виды коммуникации с клиентом, динамически распределять каналы и выбирать следующее наилучшее действие. 

Ещё один интересный кейс использования ИИ в FIS Collection в банке ТОП-10 РФ связан с подсчётом вероятности возврата долга без предварительного звонка. Для экономии ресурсов не обзваниваются клиенты, которые, по расчётам ML-модели, с 81% точностью самостоятельно вернут задолженность в течение 3 дней. По сути, FIS Collection становится средой эксплуатации разнообразных ИИ-агентов в разных точках системы. Помимо внедрения ИИ в бизнес, уже сейчас рассматривается использование AI и в госсекторе РФ для автоматизации исполнительного производства, например, обработки заявлений и ходатайств от взыскателей”, — рассказал Андрей Наумкин.

Какие тренды развития рынка взыскания с помощью ИИ наиболее актуальны в России и за рубежом?

“По сравнению с мировым опытом, российский финансовый сектор демонстрирует высокие показатели применения ИИ во взыскании. Ни для кого не секрет, что компании, родом из России, предоставляющие PDL займы (МФО и МКК), являются лидерами рынка в странах Юго-Восточной Азии, Африки и Латинской Америки. Подход к автоматизации, к которому мы привыкли, зачастую не имеет аналогов в мировой практике. Безусловно, внедрение ИИ-агентов в юридическую практику, телефонное взаимодействие, анализ документов и писем сейчас является мировым трендом. При этом, первоочередно стоит необходимость сквозной автоматизации бизнес-процессов и организации систем — ИИ-агенты существуют обособленно от CRM и по большей части являются помощниками в текущих делах, нежели самостоятельными рабочими единицами. Для рынка России ИИ-агенты связаны с улучшением клиентского сервиса, а их внедрение в уже автоматизированные бизнес-процессы — это новая и интересная задача”, — поделился FIS Collection Product Owner.

Какие факторы тормозят расширение практики применения ИИ на российском рынке взыскания?

“При внедрении ИИ в банки и финтех-компании порог входа довольно высокий. Профессиональные data scientists имеют одну из наиболее больших зарплат на ИТ-рынке. Помимо финансовых ограничений, в компании должен быть накоплен большой объём данных высокого качества для обучения ML-моделей. Бизнес должен быть готов интегрировать ИИ-технологии с АБС и другими внутренними сервисами согласно требованиям своего подразделения информационной безопасности. 

К тому же возникают регуляторные ограничения на хранение персональных данных вне регламентируемой инфраструктуры банка. Поставщик таких услуг должен иметь обязательную сертификацию, в связи с чем либо банки вынуждены искать подходящего поставщика, либо поставщик должен иметь возможность развернуть технологии внутри инфраструктуры банка. Для многих стартапов и небольших компаний, не имеющих опыта в участии таких проектов, остается не так много возможностей для выхода в финтех. Это основные факторы, ограничивающие массовость практики применения ИИ российскими взыскателями. Однако low-code системы облегчают взаимодействие банков с ИИ-агентами”, — отметил Андрей Наумкин.

Кейсы применения LLM во взыскании FIS:

• для контакт-центра — интегрировали голосовых помощников для персонализированного обслуживания клиентов (по анализу речи), интегрировали речевую аналитику для контроля работы операторов, создавали базу знаний;
• для судебного, исполнительного производства и банкротства — анализировали документы при подготовке к подаче иска (типизация документов для проверки по наличию), анализировали входящую корреспонденцию (входящие печатные документы от почты) и ответы от судов и приставов.

Больше про возможности автоматизации взыскания с помощью FIS Collection можно узнать
на сайте.