Τη σημαντική συμβολή της Τεχνητής Νοημοσύνης (AI) στην ενίσχυση της αποδοτικότητας και της στοχοθετημένης προσέγγισης των servicers ανέδειξε η Μαρία Βέργη, Deputy Managing Director & Head of Portfolios' Management, Strategy & Business Development της Intrum Hellas, στο συνέδριο “AI in Financial Services”.
Συμμετέχοντας στο πάνελ με τίτλο «AI supporting NPE/Servicers Management», η κ. Βέργη τόνισε πως η AI καθιστά πλέον εφικτή την παραγωγή αυτοματοποιημένων, αλλά και εξαιρετικά εξατομικευμένων προτάσεων ρύθμισης.
Όπως εξήγησε, πέρα από την αυτοματοποίηση εργασιών back office, που απελευθερώνουν ανθρώπινους πόρους, η τεχνολογία επιτρέπει στο εξειδικευμένο στέλεχος να εμπλουτίζει τα χαρακτηριστικά του προφίλ κάθε οφειλέτη, να διαφοροποιεί ad hoc τις λύσεις και να προσαρμόζει τις προτάσεις βάσει της διατηρησιμότητάς τους.
Το σημαντικό είναι ότι όλα αυτά γίνονται χωρίς να απαιτείται η ανάπτυξη νέου λογισμικού από προγραμματιστές.
Η AI ενισχύει την ταχύτητα, την ακρίβεια και την προσωποποίηση, ενώ παράλληλα εξασφαλίζει διαφάνεια και ισότιμη μεταχείριση, βάσει κανόνων. Ωστόσο, όπως σημείωσε η κ. Βέργη, η ανθρώπινη παρέμβαση παραμένει απαραίτητη στα πιο σύνθετα και ευαίσθητα περιστατικά, διατηρώντας την προσωπική διαπραγμάτευση ως κρίσιμο εργαλείο.
Ιδιαίτερη αναφορά έκανε και στη διαχείριση των ακινήτων που εντάσσονται στα χαρτοφυλάκια των servicers, τονίζοντας ότι η τεχνητή νοημοσύνη συνεισφέρει ουσιαστικά στη βελτίωση της εκτίμησης της εμπορικής αξίας.
Πλέον είναι δυνατή η ενοποίηση δημόσια διαθέσιμων δεδομένων με τα εταιρικά, με χρήση cloud υποδομών σε μεγάλη κλίμακα. Τα μοντέλα εκμάθησης βελτιώνονται συνεχώς, αυξάνοντας την αξιοπιστία και μειώνοντας τον χρόνο εκτίμησης.
Παρότι οι φυσικές επιθεωρήσεις θα εξακολουθούν να πραγματοποιούνται, η AI λειτουργεί υποστηρικτικά για εκτιμητές και διαχειριστές, βελτιώνοντας την ταχύτητα και ακρίβεια.
Η τεχνητή νοημοσύνη προσφέρει επίσης δυνατότητες clustering, δηλαδή έξυπνης ομαδοποίησης ακινήτων με βάση στοιχεία όπως η τοποθεσία, η απόδοση, οι δείκτες ζήτησης και ο χρονισμός της αγοράς. Κάθε cluster ακολουθεί διαφορετική στρατηγική, ενώ η AI μπορεί να προσαρμόζει δυναμικά τις παραμέτρους.
Η κ. Βέργη επισήμανε τη σημασία των predictive analytics για την πρόβλεψη των τάσεων στην αγορά ακινήτων, κρίσιμο εργαλείο για τον βέλτιστο χρονισμό πώλησης.
Τα εξελιγμένα μοντέλα ενσωματώνουν δεδομένα από πραγματικές συναλλαγές, αγγελίες, πλειστηριασμούς, ακόμα και μη δομημένα δεδομένα όπως δημοσιεύματα ή οικονομικούς κύκλους, προσφέροντας πολύπλευρη εικόνα για κάθε ακίνητο.
Η τεχνολογία επιτρέπει επίσης την ανάλυση εναλλακτικών πηγών εσόδων και την εύληπτη οπτικοποίησή τους, διευκολύνοντας τους διαχειριστές στη λήψη αποφάσεων.
Ακολουθήστε το Business Daily στο Google news
