Credere nell’evoluzione e investire nelle nuove tecnologie per supportare i clienti in modo sempre più smart ed efficace, questo l’obiettivo di RAD Informatica.

L’introduzione dell’AI nei processi di gestione del recupero del credito, per RAD Informatica, significa farsi guidare dai dati e sfruttarli nella loro totalità per implementare servizi ancora più flessibili, personalizzati ed efficienti.

Nel corso del tempo ci siamo resi conto dell’importanza di rendere data driven i processi di recupero del credito. Questo perché sappiamo quanto la conoscenza sia alla base del successo in quest’attività: la possibilità di disporre di un patrimonio di dati di qualità consente di prendere decisioni in maniera più consapevole.

La roadmap tecnologica di RAD Informatica

Nel continuo confronto con i nostri clienti e partner abbiamo constatato quanto, nel set di software da noi progettati, fosse necessaria una forte integrazione con il mondo dell’Artificial Intelligence. Abbiamo quindi costruito una roadmap tecnologica, iniziando ad investire nell’ambito dell’AI e prendendo in considerazione alcune sue direttrici – tra cui il Machine Learning – che rispondono a temi e problemi particolarmente sentiti dai nostri clienti.

Nella due giorni (16-17 ottobre 2021) organizzata da RAD Informatica ad Adria in collaborazione con Piteco, Dedagroup Business Solution, abbiamo esposto la nostra roadmap, mostrando i passi già fatti e chiarendo quelli futuri.

Cos’è l’AI e perché è un valido alleato nel recupero crediti?

L’Intelligenza Artificiale e il Machine Learning sono validi supporti in grado di aumentare il know-how e sfruttare nel miglior modo le informazioni – a volte insufficienti – a disposizione. Si introduce, così, efficienza in termini di supporto nei processi decisionali e previsionali e in termini di automazione dei processi ripetitivi.

L’impiego di soluzioni basate sull’Intelligenza Artificiale nei processi di recupero del credito si è reso necessario in risposta alle diverse esigenze che, nella nostra esperienza quotidiana, abbiamo riscontrato lavorando a fianco dei nostri clienti.

L’Intelligenza Artificiale può essere utilizzata a vantaggio dell’efficientamento dei processi di recupero del credito proprio per la sua capacità di simulare le funzioni cognitive umane. Il contesto di riferimento dell’AI riguarda i sistemi – software o fisici, come il Machine Learning ed il Text Mining – in grado di percepire il proprio ambiente e capaci di modificare il proprio comportamento. L’AI dà così origine ad una base informativa estesa rispetto a quella inizialmente ricevuta in input, costruendo informazioni derivate rispetto a quelle fornite. In questo modo, l’AI permette di decidere o suggerire le azioni più opportune da intraprendere per raggiungere l’obiettivo.

Machine Learning: come RAD Informatica ottiene il massimo rendimento dai dati

L’elemento centrale, nel modello di approccio che abbiamo formulato, è il motore di machine learning, che consente di analizzare e gestire in maniera razionale le informazioni presenti sui database, introducendo così meccanismi di data quality ed individuando le correlazioni che possono influenzare i processi di recupero. Nella visione di RAD Informatica, infatti, il dato di qualità è il punto di partenza essenziale per il corretto funzionamento di questa tecnologia.

Un ulteriore aspetto che abbiamo rilevato come determinante è la creazione di un dossier documentale completo. Tale processo nasce dalla necessità di analizzare i dati messi a disposizione nella gestione attiva del credito e in fase di on-boarding, con lo scopo di aumentare il livello di conoscenza sui portafogli in gestione. 

Lo sviluppo di una piattaforma di text mining, che utilizza l’elaborazione del linguaggio naturale per trasformare il testo libero e non articolato in dati strutturati e normalizzati, rappresenta la naturale evoluzione dell’attuale piattaforma di RAD, che si pone due obiettivi principali: classificare tutti i documenti in maniera automatica e, il più ambizioso, di estrarre dai documenti le informazioni che potranno essere successivamente utilizzate in forma strutturata (valutazioni di asset, dati anagrafici, e così via).

Le strategie di recupero ed il pricing dei portafogli: actual VS future

Un altro dei temi fondamentali, nell’ottica dell’efficientamento dei processi, è la gestione delle strategie di recupero associate a cluster di pratiche differenti. L’evoluzione degli strumenti attuali si concentra sui seguenti obiettivi:

• La creazione di un modulo di attribuzione automatica (o di suggerimento) della corretta strategia di recupero, sulla base dell’analisi dei flussi di cassa, delle garanzie e delle serie storiche di recupero associate alle pratiche;
• La determinazione della classe di recupero migliore per tipologia di pratica (Legale o Società di Recupero Crediti);
• La realizzazione di un workflow dinamico e adattabile sulla base del contesto e dell’esito di ogni specifica azione.

Anche il pricing dei portafogli è un’attività centrale, che ha l’obiettivo di stabilire il reale recupero sulle pratiche in gestione e anche in quest’ambito l’AI può esercitare un ruolo decisivo, in materia di modelli statistici, per la valutazione degli scenari di recupero e definizione delle strategie ottimali in funzione dello stato del credito in termini di flussi di cassa o garanzie associate.

Pertanto, la scelta di RAD Informatica di implementare l’AI e, più nello specifico, il Machine Learning ed il Text Mining all’interno delle proprie piattaforme, scaturisce dalla volontà di semplificare l’articolato processo della gestione del recupero crediti così da restituire ai nostri clienti un servizio più performante, che risponda al meglio alle esigenze che hanno espresso nel tempo.