Accelerazione dei processi nel settore NPL

Trasformazione Operativa nel Settore NPL: Il Potere di ML ed AI nell’accelerazione dell’analisi documentale

Il Contesto NPL

I Non Performing Loan rappresentano una sfida costante per le istituzioni finanziarie. La gestione di questi portafogli richiede un'analisi approfondita dei documenti finanziari, delle informazioni legali e delle informazioni relative ai debitori. Fino a poco tempo fa, gran parte di questo processo era gestito manualmente, richiedendo tempo ed energia considerevoli.

I documenti rappresentano un tassello fondamentale nel flusso quotidiano di lavorazione del credito, soprattutto nella fase iniziale in cui il responsabile del credito deve assicurarsi che i documenti disponibili siano completi e coerenti con la checklist attesa, diventa perciò fondamentale organizzarli adeguatamente. In uno scenario tradizionale i documenti vengono esaminati da essere umani che estraggono i punti chiave e li inseriscono in fogli di calcolo o altri sistemi di analisi, richiedendo molto tempo e risorse.

Il Ruolo Trasformativo di ML e AI

L'introduzione di Machine Learning (ML) e Intelligenza Artificiale (AI) ha trasformato la gestione dei Non Performing Loans (NPL).

Le tecnologie ML permettono l'analisi automatica dei documenti, identificando informazioni rilevanti e categorizzandole.

Reply ha sviluppato un motore custom che segue varie fasi: digitalizzazione dei documenti tramite OCR(Tesseract), pulizia del testo e applicazione di stemming, identificazione dei topic, clustering basato su K-Means con produzione di silhouette, e valutazione dei cluster per determinare se eseguire ulteriori cicli di clustering per le partizioni che non soddisfano i requisiti minimi.

Il risultato finale è un file xls che associa ogni documento a un cluster e mostra la distanza dai topic. Vengono poi applicati ulteriori passaggi per classificare i contratti e verificare la firma, associando i documenti al contratto e alla linea di credito. Infine, vengono estratti e classificati i dati del cliente basandosi sull'analisi semantica del contesto.

Conclusioni

L'introduzione di tecnologie di Machine Learning e Intelligenza Artificiale sta portando una trasformazione significativa nella gestione dei portafogli NPL. I principali benefici si misurano nella riduzione dei tempi di lavorazione, comportando decisioni più rapide ed azioni correttive più efficienti, fondamentali per massimizzare il recupero dei NPL e ridurre le perdite.

Si stima un duplice beneficio in termini di:

- Costo della lavorazione della commessa con un saving tra il 25 e il 35%. La variabilità dipende dal livello di standardizzazione dei documenti e dalla qualità della digitalizzazione;

- Tempi di lavorazione della commessa con un saving in termini di tempi elapsed che si attesta sul 35-40%.