Разделы

Бизнес Интеграция Внедрения

Как взыскать долги «на основе данных»

Есть бизнес-процессы, которые с трудом поддаются «цифровизации». Внедрение в них новой технологии довольно трудоемко, поскольку ломает стереотипы, перераспределяет сферы ответственности и,что греха таить, чревато хаосом, по крайней мере в краткосрочной перспективе. Все это неминуемо порождает сопротивление со стороны многих участников процесса преобразования. Особенно ярко эта закономерность проявляется в тех видах бизнеса, которые предполагают активное общение с клиентом. Зачем внедрять технологии в такие бизнес-процессы, на примере работы с проблемными клиентами рассказывают Юрий Сирота, старший вице президент банка «Уралсиб», и Андрей Шишов, аналитик данных дирекции искусственного интеллекта и анализа данных «Уралсиба».

Дополненный интеллект в мире финансов

Клиенты банка привыкли ассоциировать свое финансовое учреждение с программой в телефоне или личным кабинетом в онлайн-банке, посещение офиса и общение с его сотрудниками стало крайне редким явлением. Однако стоит клиенту просрочить платеж по кредиту, то он тут же получит большую порцию внимания от сотрудников колл-центра, предлагающих различные варианты решения проблемы.

Надо понимать, что независимо от суммы задолженности, обстоятельств и финансовой дисциплины клиента, возникшая ситуация — именно проблема, причем не только для клиента, но и для самого банка (отсюда и соответствующий термин «проблемный актив»). Интересы двух сторон, конечно, разнятся — значит, нужен компромисс, а его можно достичь только в результате переговоров.

Переговоры со стороны банка может вести только сотрудник, желательно имеющий полную информацию о клиенте. Чат-бот, даже самый продвинутый, может только донести до клиента информацию, но ему недостает дара убеждения, природного обаяния, да и красноречием он не отличается.

Сотрудник, лишенный информации о человеке «на другом конце провода», не сможет выбрать наилучшую стратегию решения проблемы. У каждого заемщика — свой уникальный профиль и обстоятельства, по которым он, например, допустил просрочку по платежу. Пренебрежение этим фактом — основная причина конфликтов, которыми славятся коллекторы в народных массах. Поэтому предварительный анализ данных о заемщике позволит не только увеличить шансы взыскать просроченную задолженность, но и сохранить отношения с клиентом, не допустить его ухода в другое финансовое учреждение.

Решение — использование «дополненного интеллекта» (augmented intelligence), к которым относятся средства автоматизации, помогающие повышать продуктивность умственного труда человека.

Аналитики Gartner считают дополненный интеллект одной из 5 важнейших технологий в сфере ИИ. Наряду, кстати, с упоминавшимися чат-ботами.

Важнейшие ИИ-технологии по версии Gartner

Источник: Gartner, 2019

До выхода augmented intelligence на плато продуктивности, по оценке аналитиков Gartner, еще от 2 до 5 лет, однако пользу они могут приносить уже сейчас.

Данных много не бывает

В распоряжении современного банка есть огромное количество данных обо всех его заемщиках. Их объем настолько велик, что сотрудник отдела взыскания не способен их полностью обработать и оперативно оценить платежеспособность и психотип клиента перед началом переговоров. Прежде всего, это анкетные данные самого клиента, его транзакции, кредитная история, характеристики кредитного договора, предыдущие взаимодействия с банком по разным поводам и т. д.

Если эта информация остается невостребованной, то эффективность работы будет низкой, а влияние человеческого фактора на результаты — по-прежнему сильным. Именно в этих случаях следует обращаться за помощью к ИИ, способному проанализировать всю имеющуюся информацию и дать рекомендации за доли секунды. Сотруднику останется лишь применить свои навыки в области красноречия, то есть сделать то, что у людей пока получается лучше, чем у «машин».

Действия на основе данных

Разберем относительно простой случай — управление просроченным кредитом. Клиента, пропустившего платеж по кредиту с больтшой вероятностью ждет бомбардировка SMS-сообщениями, а затем и звонками. При этом, традиционный метод взыскания, как правило, предполагает массовые звонки таким клиентам, независимо от обстоятельств и профиля клиента.

Эксперты подвели итоги в области ИБ и сделали прогноз на 2022 г.: в тренде будет гибридная работа
ИТ в госсекторе

Но что, если банк научится выявлять заемщиков, которые, вероятно, самостоятельно погасят просрочку в течение нескольких дней? Им можно и не звонить — SMS-сообщения будет вполне достаточно. Так как таких заемщиков большинство, подобные меры серьезно бы разгрузили колл-центр и сократили бы расходы на звонки.

А если есть уверенность в том, что клиент не заплатит как минимум в течение месяца, то этот первый этап воздействия, называемый «soft-collection», можно и вовсе пропустить. И сразу перейти к более действенным методам или продать долг стороннему коллекторскому агентству. Это повысит доходы и уменьшит расходы на взыскание — ведь чем меньше срок просрочки, тем выше ее цена на соответствующем рынке.

К этой же группе можно отнести и более сложную задачу, решаемую банком при реструктуризации долга клиента. Эта мера, очевидно, выгодна для заемщика, а для банка — только в том случае, если в новых условиях заемщик действительно будет сохранять платежную дисциплину. Возможно ли это предвидеть? Ответ положителен, если банк обладает историей предыдущих сделок — на основе этого ИИ может давать свой прогноз. если он оценит вероятность выхода в повторную просрочку как высокую, то выгоднее будет передать долг на взыскание.

Задачи, описанные выше, являются примерами предиктивной аналитики, в фокусе которой вопрос «Что будет?». Намного сложнее и практически значимее предписательная аналитика, отвечающая на вопрос «Что делать?» или «Как делать?». Этот подход находит применение и в работе с проблемными активами: в основном, в решении задач, связанных с управлением методами взыскания. если предиктивная модель лишь оценит вероятность того, что клиент заплатит, то предписательная модель подскажет, что нужно сделать, чтобы увеличить эту вероятность.

Как совместить плюсы «облака» и своей инфраструктуры
Инфраструктура

Мало кого удивит тот факт, что причиной конфликта между сотрудником отдела взыскания и заемщиком часто становится несоответствие профиля заемщика и метода взыскания, к нему примененного. Возможна и личная неприязнь, возникающая в результате, например, культурных различий или противоречия их мировоззренческих убеждений. Учесть это все при организации работы колл-центра, на первый взгляд, невозможно. Однако у банков, давно занимающихся взысканием просроченной задолженности розничных клиентов, накоплена история таких звонков, данные о профилях клиентов и сотрудников. Современные технологии позволяют извлекать важную информацию и из скрипта разговора, речи каждой из сторон. Все это уже используется продвинутыми банками для автоматического назначения наиболее подходящего сотрудника для данного клиента. Но это еще не все: на основе этой информации, ИИ может подобрать оптимальное время для звонка и даже наиболее действенный скрипт разговора. Рост отклика клиента и снижение числа нерезультативных звонков положительно скажутся на эффективности работы персонала.

Наконец, наиболее продвинутые рекомендательные системы решают задачу выбора оптимальной стратегии взыскания для каждого клиента. Ответ кроется, опять же, в истории взаимодействия с заемщиками. Эффект успешной реализации такого проекта — снижение стоимости взыскания и увеличение сборов.

Финансовый баланс

Разумеется, внедрение интеллектуальных систем требует существенных расходов, в основном — на оборудование, разработку и сопровождение ПО. Но, как показывает практика, они полностью компенсируются финансовой отдачей от повышения эффективности отдела взыскания. Более того, они несопоставимы с текущими расходами на нерезультативных работников, на бесперспективные звонки и выезды.

Не стоит забывать и о масштабировании бизнеса: традиционно, рост клиентской базы требует соответствующего роста численности персонала, с ним работающего. Повышение эффективности работы сотрудников за счет внедрения средств ИИ позволит оптимизировать численность работников и оперативно реагировать на рост клиентской базы.

Таким образом, финансовый эффект от успешного ввода описанных технологий в эксплуатацию будет несомненно, но успех, как всегда, зависит от многих факторов. Самые значимые из которых, впрочем, вполне контролируемы: отношение руководителей к данным технологиям и уровень компетенции команды разработчиков и аналитиков.

Подписаться на новости Короткая ссылка