这篇文章已经赞助由铁山，并撰写，编辑，并出版对准Emerj赞助的内容指南．
购买房屋通常是一个人生命的最重要的金融投资之一 - 抵押过程中涉及的文书工作是众所周知的。行动，协议，条款 - 各方核实。
为什么技术没有让这个过程变得更容易?
希望人工智能能有所帮助。
今天的嘉宾是抵押贷款技术领域的资深人士。克里斯托弗·洛朗(christopher Lorang)是上市国际服务公司Iron Mountain的金融服务产品经理。铁山公司是安全存储领域的领导者，该领域现在包括数字记录存储和管理。在本节课中，Kris分享了一些在复杂的抵押过程中基于人工智能的文档搜索和发现的用例。请听完整的片段或阅读下面的文字记录。
订阅我们的AI在商业播客您最喜欢的播客服务:
客人：克里斯托弗（克里斯）洛朗，金融服务产品经理铁山
专业知识：抵押流程和自动化
短暂的识别:在加入铁山的Insight产品组之前，Kris通过总资产担任美国第8大银行BNY Mellon的抵押贷款技术副总裁。克里斯毕业于伊利诺伊州北部北部工业管理硕士学位。
关键的见解
- 比较和验证可能是AI系统唾手可得．确保文档在各种文件中具有相同的名称，地址，贷款金额或条款可能是AI系统的作用。计算机视觉和自然语言处理可以找到匹配或不匹配并通知工作人员，而不是完全依靠人工扫描。这些系统可能会节省人们完成更复杂任务的时间，或者可能会标记出员工可能没有注意到的潜在不匹配。
- 当需求波动时，自动化和精简更重要．由于要处理的抵押贷款数量忽高忽低，很难改变抵押贷款业务中的员工数量。季节、利率和其他各种因素都可能改变抵押贷款的数量，使球队要么人手过剩，要么不堪重负。处理部分流程和工作流程的人工智能系统可能有助于平衡抵押贷款公司的员工数量要求，并允许团队成员专注于更多的认知和创造性任务，而不是死记硬背的流程和验证。
完整采访成绩单
丹尼尔Faggella:克里斯，今天我们要谈谈人工智能在抵押贷款过程中的一些机会。显然，这是金融服务领域中文书工作较多、流程较重的领域之一，或者是众所周知的。
在我们进入AI之前，我喜欢做的就是画出现在的过程的图片。然后我们谈论AI可以层值的那些参数。在抵押贷款关闭后，你能告诉我们，因为我知道这是你在铁山中最熟悉的东西，在制文工作和工程后期的过程中必须发生什么？
克里斯洛朗：确定。很多听众可能都知道，现在抵押贷款的很多前端流程都是高度自动化的。你可以用手机申请抵押贷款，可以在手机、电脑等上上传文件。但是当它到达结束的过程时，正如你提到的，所有的东西基本上都是纸上的，这意味着你必须打印所有的文件然后你有时需要去办公室用墨水在这些文件上签名。然后这些文件必须归还给贷款人。
克里斯洛朗：现在，当然，在这个大流行环境中，已经改变了许多这些过程。很多公证都会到你的房子，所以你可以墨水签名。我的意思是，甚至有一点点远程在线公证，那种东西。但在大多数情况下，许多抵押贷款仍然在纸张文件上使用湿墨签名关闭。
所以这个过程，一旦它回到银行，就进入了他们所谓的后关闭团队或部门。在那个部门，他们必须查看每个单独的文件以确保所有的数据点都是准确的，以确保，例如，纸币上的汇率与系统和它被锁定的汇率一致。它必须确保每个人都签署了每一份文件，并在所有正确的地方进行了公证。每一份文件都是投资者所期望的，他们期望某些文件。所以这就是大量的体力劳动和大量的凝视和比较活动。他们盯着屏幕，验证文件上的数据。
丹尼尔Faggella:“凝视和比较。”
克里斯洛朗：是的。
丹尼尔Faggella:所以这只是对纸面生态系统的深入调查，不知道要多久才能改变?但听起来这是很重要的一部分。你提到了，价格是否匹配，人们是否正确地签署了东西，在凝视和比较中还有其他的东西吗?我想象一个人，一个人戴着面罩，拿着灯把这些东西翻到第20页，到第18页，确保这些东西匹配，翻到第5页，到第6页，确保这些东西匹配。是一种超单调的工作流,那里只是一个叫史蒂夫刚刚坐下,他戴上他的面颊的一天,因为这是他的生活,就这样,还是有很多人参与的不同部分这些协议?这些不同的交接是什么样的?
克里斯洛朗：所以通常有一个部门负责接收。现在，不同的贷款机构正处于数字转型的不同阶段。可能这些文件会被扫描到他们的ECM系统中，然后那个部门收到文件被扫描的通知。是的,史蒂夫可能本质上,看着桌上一堆文件,他已经度过那一天,或者他可以看着他的电磁系统的队列,看着一堆图片他通过和灌输,凝视,比较两个屏幕上活动。
所以是的，这是一个过程，它通常是一个人的团队，那个团队可能真的，真的很忙，并且有一堆工作，或者取决于可能是非常不活动的卷。因此，始终存在资源约束，然后您必须作为贷方进行。所以在这些时期今天的率很低，有大量的重油卷。因此，需要一个充满史蒂夫的房间，可以处理所有这些文件。随着速度更高的地方，当您进入假期时，通常在较低的交易时间，那个充满静止的房间可能不像忙。
丹尼尔Faggella:是的。史蒂夫，他们把这里都挤爆了…现在你得担心有多少桌式足球了。当史蒂夫一家无所事事的时候，你有足够的桌上足球桌吗?
克里斯洛朗：这是正确的。
丹尼尔Faggella:请原谅所有叫史蒂夫的人。我经常用你作为一个典型的例子，一个人在做一个过程。我不是故意的。但是，好吧，这是一个很有帮助的总体图。仔细对比一下，不同的季节我们有不同的容量。有些人将部分流程数字化，并通知不同的小组。其他人可能只是把一堆东西放在一个人的桌子上，那个人就会手动查看。但在任何情况下，我们都必须确认所有的点都是一致的，因为我认为，如果我们不一致，就会有监管方面的担忧，有法律方面的担忧，我们就不会有信心把我们同意的东西借给这个人。
克里斯洛朗：正确的。当你在二级市场上出售这些贷款时，甚至会有财务上的担忧，当你单独出售这些贷款时，某些投资者有一些指导原则。因此，交割后程序的一部分就是要确保投资者要求的所有文件以及一揽子交易中要求的所有签名等都是准确的，并且符合他们的指导方针。
所以如果你碰巧卖了一笔贷款给一个投资者，而这个投资者审计了这笔贷款，就像他们通常做的那样，当你买了一笔贷款，就会涉及到回购。本质上，投资者可能会说，嘿，这笔贷款不符合我们的指导原则。你得把它买回来，贷方。”这些钱都是从这个人或贷款人的口袋里掏出来的，因为他们的审计不准确。
丹尼尔Faggella:这感觉就像2008年．
克里斯洛朗：有点，是的。
丹尼尔Faggella:是的。当我们谈到转售抵押贷款和贷款时，我当然不是业内人士，但我们这些对上次危机非常熟悉的人，或者我想知道……为什么会有一些监管非常严格的原因，我们在这里出售的是什么?所以,好的。这是有意义的。现在，我想我们可以谈谈人工智能在其中的作用。
丹尼尔Faggella:所以我们有一个手工的过程，不同级别的数字转换在公司之间，可能在公司的部门之间，可能有些是数字化的，有些不是，可能是一个团队的人工作在协议的不同部分，可能是一个人，但不管怎样，有很多点,必须连接在谁的同意,我们同意出售他们,这些术语是基于标准,我们告诉销售人员,他们需要在第一时间为我们能够承担这个东西,不管这些规定,凝视和比较。所以有很多的手册，我们从哪里开始寻找适合所有这些过程的人工智能?
克里斯洛朗：所以在哪里开始找到适合AI和ML技术的良好......所以让我们假设文件在这一点上数字化。因此，一旦您有数字化图像，就可以拍摄该图像并将其分类并从使用AI和ML中提取数据并提取数据。因此，一旦您对该图像进行分类，那么它可以轻松地发送到您的ECM系统，分类为正确的类别，因此您不必手动返回并执行此操作。
但再往下看，一旦提取数据，人工智能就能开始了解贷款的类型。一旦它学习,它是一个固定利率贷款,这是一个公寓,什么样的财产,在一定的状态,它就会开始,如果你愿意,所需文件的特定状态,或者特定的贷款项目或特定的属性类型。而不是让一个人坐在那里说"好吧，这笔贷款在宾夕法尼亚州。这是一种固定利率贷款。这是一个公寓。因为贷款的这些特点，我需要找这10份不同的文件。”人工智能开始学习这一点。
And then again, instead of having someone do that, stare and compare activity, they’re essentially maybe looking at some fallout from that AI and ML process, meaning, “Okay, AI and ML has analyzed that particular loan record, but it’s noticed that this particular document is missing because it’s a Pennsylvania-required document and it’s not in the package.” So that person then is doing some more high-level activity. Maybe they have to reach out to the borrower, maybe they have to reach out to the settlement agent, the closer and say, “Hey, we need this document.” So they’re able to do a little more high-value activity than that stare and compare activity.
丹尼尔Faggella:是的。克里斯，我想到了几个类比。我想看看这些是否符合你们的要求，因为我真的希望每个人都能接受，不管他们是否处于抵押贷款状态。我知道很多金融服务业的人都在关注我们，但我要试着让这个想法成真，确保我能跟上你。
当你提起这事，我的一部分认为，还好，在某些情况下，如贷款公司X，谁做抵押，在其中的某些情况下，当这些东西都在前门纸或扫描的文档，他们’ve already got that appended label that says, “This is a condominium. This is a whatever.” So maybe some folks are already at that labeled phase, and then this application might not apply to them, but probably a lot of companies, they aren’t. They just come in as a raw file, somebody decides what type of doc, and then someone says, “Okay, because it’s a condo, because it’s within this price range,” or whatever the hell that the guidelines are, “now, we need to follow this 30 point checklist. If it’s a multifamily home and it’s in this kind of area, now we need to follow this kind of guideline.”
所以，它听起来就像一个什么样的抵押贷款是这之间的区别因子，有时也许公司已经拥有了处理，但有些却没有。And for that reason, we might be able to train a system, so when it plops it on the human screen, instead of it just being, “Hey, figure out what this is and what you need to check,” it’ll say, “Hi, this is a condo, and here’s your six checkboxes already pulled up because I’m kind of prompting you to do what you need to do for this workflow already, so you don’t have to think about the light stuff.” Am I tracking here, Kris?
克里斯洛朗：是的，我认为你是丹，一个很好的观点是，这种技术的实现有不同的层次。所以我认为至少很多我所看到的是这些公司进行成像,他们只是把整个关闭包在一个图像,整个文件,而且它还是挺出来的另一端,作为一个大型PDF文件的所有文档。所以你不知道哪些文件在里面，哪些没有。
丹尼尔Faggella:所以当它被扫描时，没有人给它贴标签。你的意思是，扫描过程不是情境感知的。扫描的过程并不是给它加上某种标签，那只是发生在事实之后。
克里斯洛朗：这是正确的。而在过去该PDF文件将直接进入他们的企业内容管理ECM系统。然后，它会被标记为低数一，二，三，四，五，六，七，八，九。So you’d have to find that loan record in your system, pull it up and then you’d have to scroll through, let’s say 300 pages, in a PDF file to find the document you’re looking for if you had to go back and look at it later.
但是有了人工智能和ML技术，我们把PDF文件拿进去，一些行业叫它blob文件，把它拿进去，然后把它分割成单独的文件。你可以对着记录说"我需要看一下抵押贷款"我得看看那张纸条。”无论你要看的是什么文件，它都在那里，有标签，是机密的，所以你可以很快找到它，而不用翻看300页的PDF文件。
丹尼尔Faggella:好吧。因此，我们在这里得到什么部分是AI可以标记，这是什么样的抵押贷款，而且还可以种设置分页符，以不同的部分是什么。So if you say, “Bring me to the note,” or, “bring me to everywhere that has a signature,” or, “bring me to…” It’ll be able to sort of label whatever those pages or those sections of the blob file are, so that humans can navigate it a little bit more swiftly?
克里斯洛朗：正确的。它不是一个PDF中的书签，我更喜欢把它分成不同的部分。
丹尼尔Faggella:明白了。将文档打破到多个部分中。因此，立即想到的类别，KRIS现在是聊天机器人对话，例如，很快就没有更换了稳健的高中，人类谈话。同样，AI可能没有权力才能完成所有双重和三重检查，以承保一百万美元的抵押或任何抵押贷款或审计一百万美元的抵押贷款。
克里斯洛朗：正确的。
丹尼尔Faggella:但一些会话系统至少可以将会话标记为“这是退款请求”。这是关于x产品的询价。这是发货问题。这是一个……”然后他们就可以把它传递给正确的人。这听起来很相似，我们能够在前端做标记，这样人类就不必说，“我的盘子里有什么?”他们说:“哦，公寓是我的事。繁荣。在这儿。”这是我要做的提示。
克里斯洛朗：正确的。是的。这肯定可能是我将首次使用该AI和ML技术的第一级。展望进一步的前方，或者对于更高级的系统，您可以使用AI和ML技术从文档中提取的数据并将其放入规则引擎中。
这个规则引擎是建立在投资者的指导方针，或者是你自己的内部政策，或者是政府的政策上的。然后你就可以分析这些数据然后你就可以执行一些标准的任务比如"票据的利率和抵押贷款的利率匹配吗"让某人做凝视和比较，你可以提取数据，并做一个完整的审计文件。
丹尼尔Faggella:好吧。明白了。所以我认为这里有必要的是我们需要，至少在某种程度上，我们需要训练系统以特定的方式来格式化这些特定的文件，因为我可以想象，对于每个银行，甚至是银行的不同部门，人们在X上签名的确切位置和人们在Y上列出多少钱的确切位置，在成本方面，可能会有不同的格式。
因此，为了实际做匹配并给予它的绿色复选标记，我们需要大量的无论我们拥有的文件格式，然后培训AI系统真的，真的，真的简洁地和可靠地提取了正确的数字页面，25和35之间的某个地方与大多数时间，正确的数字。因此，似乎在客户的工作流程，文书工作格式的情况下，似乎有一些搭载，那么这个特定的工作流程使用。但如果我们有足够的情况，那么我们可能会匹配不同页面上的两个项目。如果这听起来很准确，请告诉我吗？
克里斯洛朗：是的。听起来确实很准确。当然，拥有这些训练有素的ML模型，机器学习模型，能够识别抵押贷款行业中不同格式的文件将是关键。在这个行业中，有些公司比其他公司更标准。如果你看看抵押贷款和票据，以及一些来自政府监管的规范性文件，这些分类账看起来非常相似，这取决于它们使用的系统，但它们看起来非常相似。其他的则不然。所以我认为，就是在这些地方，你可以得到那些训练过的模型，它可以识别这是那种类型的文件。
丹尼尔Faggella:理解。好吧。我想象这将从用户的角度工作的方式，所以我总是喜欢让人们，当他们听播客的时候，能够闭上眼睛，看到工作流程的运行。msports万博体育官网我可以想象审计人员可能会有一组6个复选框，可能是16个复选框在他们的文件的右边，因为他们知道这是一个公寓抵押贷款之类的。我有一个双重的猜测，第一，当系统说，“嗨，这是一个公寓抵押贷款。”如果这是错误的，人类可以重新标记它，并潜在地将其用作对系统的反馈。
Also, if the machine already has, so let’s say you have 16 checkboxes on the right, if it already has a blue check or a green check next to three of those, because it’s validated them, then the human probably goes in and makes sure maybe that the machine actually was right in putting that green check box and maybe is able to correct the system if one of those assumptions was off in some sense. My guess is that there’s a bit of a loop here in terms of feeding the system, because this thing is presuming here’s the type of doc, it’s presuming, “Hey, these two bits of information match,” but maybe sometimes we need to educate it. What’s that part of the workflow look like?
克里斯洛朗：所以通常你会在很多人工智能，ML系统中发现的是设定某种信心分数的能力。这是什么意思呢?如果你看一个文档，你可以把置信度设为，比如说，90%那么，如果系统通过它，当它分析文件时，它也会说，“我大约，比方说，65%确定这是一个笔记。”这样它就会产生一个，至少在铁山，我们称之为异常。
So that exception has to be viewed by a human in the loop, a human that looks at a cue that says, “The system thought it was 65% sure this was a note, but we’ve set the threshold that it has to be 90% sure before a human doesn’t have to look at it. So we’re going to present this to a human.” So the person, the auditor, we’ll go back to Steve, looks at that document and says, “Yeah, system, you were correct, marked it.” And then the system, as you said, that goes back into the learning or the knowledge of the system itself.
也许下一次它的准确率是70%或者80%，因为它一遍又一遍地看这个文档。最终，我们的想法是，很少有例外，只有那些古怪的文件，或者是一个形象不好的文件，才会被排除在外。而且大部分都是直接穿过的，人们根本不用看一眼。
丹尼尔Faggella:目标，我想，是选择。现在，你们在这里经营一家产品公司，一家人工智能产品公司，面临的挑战是，我们认为我们实际上可以达到那个点的工作流节点是什么，对吗?因为工作流的某些部分可能会像这样，“哇，要花很长时间才能做到，大多数时候，人类都不需要看这个。”但也有其他地方会觉得，“嘿，我们可能真的能做到。”你讲了抵押贷款的分类。听起来这是你们的强项。
从X页到Y页有某些类型的数据验证，这是你们已经钻研过的。听起来，从一个人工智能公司的角度来看，你们必须认真思考，我们认为哪一个可以达到真正高水平的自动化，然后围绕它来构建你们的系统和产品?因为显然不是所有事情都可以自动化。
克里斯洛朗：正确的。是的,肯定的。很明显，最容易实现的目标就是抵押贷款中的一些文件，对吧?抵押贷款或证券工具，信托契约，票据，结算披露，贷款评估，这些文件都存在于每个贷款包中，显然我们有更多这样的文件我们能够训练系统处理我们处理的每个包，对吧?这些模型建立起来了，比其他一些模型更可靠一些，如果你看看纽约，他们有很多合作公寓贷款和SEMA贷款，我就不详细讲了，但它们的数量较少。所以他们可能需要更长的时间来训练这些模型，来理解贷款和那些文件。
丹尼尔Faggella:是的，我认为人们低估了产品公司面临的挑战。你必须看看，“将此工作流程自动化到客户端是什么？我们能够将这一点自动化到客户对客户令人满意的程度是什么？然后也许我们正在使用的数据量是什么，告诉我们我们是否真的认为这是我们对我们只是没有足够的体积实际制作这些改进的区域的力量领域？“And you’ve got to look through that whole pachinko machine and then find those pinpoints where you can say, “Hey, here’s a spot that we think matters to the client, that we can handle, and that we have the data volumes to do.” And then you’ve got to double down and build out kind of solutions for that.
克里斯洛朗：正确的。完全正确。你要看看这个过程你能给客户带来最大的价值,你将能够真正解决他们的一些关键的难点和使他们更有利可图的和有效的,并最终为他们的客户提供更好的客户体验。你是说弹珠机吗? "
丹尼尔Faggella:弹球盘机,是的。
克里斯洛朗：这是一个古老的引用。我朋友的地下室就有一个。
丹尼尔Faggella:不管是好是坏，我都经常用这个比喻。我想有时这不是最好的类比，但我已经有这么多了。所以,好的。是的，我认为很多人低估了决定和打造人工智能产品的挑战性。很明显，你们已经和很多大型金融机构合作了，你们手上有很多文件，但仍然能够选择那些有价值的领域，这很有趣。
所以很高兴能知道你的观点我们可以开始自动化的转折点在哪里。它听起来是什么样的医生首先,还有一些个人凝视和比较,如果我们可以训练一个系统,如果我们有正确的数量,我们可以有一个绿色的复选框,有人没有看,因为我们可以衡量一个置信区间,希望使整个过程运行顺畅。
你谈到了提高客户体验。也许我们可以结束这一点。当我想到这一点的价值是什么，立即想到的东西是“，”好吧，人们可能需要做一些不那么单调的凝视和比较，也许那些东西刚刚完成了一些东西他们首先得到了DOC的时间？他们正在做一些可能的一些，无论是挑战的凝视和比较还是涉及一些商业背景和更多战略思维的事情。“所以也许这是一种员工的利益。
这里的吞吐量似乎是有价值的，假设我们能加快速度，这可能对业务本身和他们自己的效率也有价值，但也许还有一种速度，让抵押贷款全部关闭，也许客户会喜欢。这是我想到的三件事。当你们思考这些好处以及谁会从人工智能以正确的方式嵌入的这些过程中受益时，你们想要如何表达它?
克里斯洛朗：我想你已经打他们实际上，他们三个，我们认为也是如此。所以你认为贷款人能够扩展。我们先前谈过这个问题，有一个房间里充满史蒂夫的时候流量高，那么也许有史蒂夫，当音量较低。他们必须要经过整个furloughing过程中，我会打电话给它，因为它们的体积增大和减小，或者只是一个资产的重新分配。
所以我们认为能够规模,或许你只需要一个或两个史蒂夫和一些房间里Stephanies能够处理所有的体积,无论它是10000贷款一个月或1000年贷款一个月,因为他们只是整个自动化系统管理例外流程。
然后你看，最重要的是，可能是客户的视角。So if you go and close a loan and then two months later, by the time your lender gets through the process and the post-closing process, and you’ve already made your first mortgage payment and they come back to you saying, “Hey, I need this document signed.” You’re like, “What do you mean you need this document signed? I closed two months ago. Why are you coming back to me now? This is really annoying to me.” Sometimes customers will be like, “I’m not signing it.” And then you have to go back to them again. And that kind of process is very frustrating to borrowers. And they’re likely, especially nowadays when they have so many options, not to come back to you for any other financial transactions, maybe if they upgrade their house or refinance in the future, maybe that annoyed them enough.
所以如果你能在一两天内带着丢失的文件给他们，也许在贷款结束后，那就不会那么烦人了，对吧?因为你会想，“哦，我们错过了这份文件。抱歉，你能签个名吗?”“当然,等等。”发送它。所以它真的在努力获得良好的客户体验，同时也在每笔交易中为贷方节省一些钱。有一屋子史蒂夫是很贵的。管理他的员工，雇佣他们，解雇他们，等等。
丹尼尔Faggella:你得给每个人买桌式足球。
克里斯洛朗：是的-桌上足球，房地产，你需要一个房间，你需要停车，等等。如果你有这个人工智能，ML技术，你会实现它一次，它学习，你有这些高价值的员工坐在那里处理异常。他们俩只需要一张桌上足球桌。
丹尼尔Faggella:我认为AI产品周围的共同价值是有点的，“我们可以在没有缩放的情况下缩放吗？”Certainly a value prop there, again, Steves aren’t cheap and especially when volumes are fluctuating, we might have a room full of folks who really have very little to do for an entire season and that might not be the financially best call we can make.
太酷了。所以对于那些已经听了我们的许多播客在过去,你的听众,现在你知道我们喜欢谈论在星期二用例集,我们看看之前msports万博体育官网的业务流程,它是什么之后,还有商业价值是什么?为什么这很重要，为什么我们要研究这个问题?克里斯，我想我们今天已经谈过这三个问题了。所以我非常感谢你能和我们分享你的专业知识并加入我们今天的节目。
克里斯洛朗：是的，谢谢你让我丹。我真的很喜欢它。
