按照消费者金融保护局在美国，美国人对债务催收的抱怨比其他任何金融事件都多。消费者金融保护局(CFPB) 2017年收到的316,810起债务催收投诉中，最常见的是“继续试图催收未偿债务”，39%的投诉者提到了这一点。
由于银行和其他金融机构可以获得大量客户的历史记录，金融领域的债务催收正开始受到人工智能的干扰。如今，大多数对债务催收具有现实商业意义的人工智能应用程序，似乎都是针对客户进行个性化通信，并识别类似债务人资料的集群。
根据我们的研究，我们将债务催收的人工智能应用分为以下几个主要部分:
- 推动额外的消息传递活动
- 客户服务(债务人)个性化
- 债务管理服务
我们进一步深入到每个这些应用程序，并力争哄了关于AI使用讨债的需求方知因素商界领袖。
推动额外的消息传递活动
裁缝互动，债务人的习惯今天能有可能与AI。虚拟助手已经开始通过渠道被部署在收藏机构能够接触到通过电子邮件SMS和外拨债务人，使企业能够提高个体的数量，他们是能够每天接触。
TrueAccord
TrueAccord始建于2013年在旧金山和权利要求中提供了一个AI驱动讨债的解决方案。该公司声称是提供讨债的解决方案，银行，电子商务和电信公司。
TrueAccord声称，他们的决策引擎的用途机器学习为每个债务人量身定制数字互动体验。该公司声称其平台可以为每个债务人创建一个交互模型。
TrueAccord声称，这种模式为银行提供了最好的渠道和时间来接触现有的和新的债务人，这可能最终会带来更好的债务收入。
该公司表示，超过150万级的债务人已经使用自己的平台为蓝本。基于这些现有的债务人的配置文件，他们的软件权利要求来预测一个人的响应时间，进度，最好的沟通渠道和类型的内容，他们会作出回应。
TrueAccord补充说，它的决策引擎可以自动选择从银行适当的预先批准的消息传递给债务人。该软件还追踪，实时，从债务人的行为事件，比如与呼叫中心，或发送电子邮件打开，链接点击和浏览模式上TrueAccord资产的交互。然后，该软件在收数公司这个数据发送给员工，使他们能够规划自己的下一条消息的理想风格和时间。
- 银行可以集成TrueAccord软件来自动化他们的催收团队的沟通过程。
- 债务催收团队的员工可以登录TrueAccord软件，输入债务人信息，如姓名、地理位置和过去的还款数据。
- 然后他们将收到通知，告诉他们可能的最佳时间和通信方式，以达到特定的债务人。
- 一旦债务人回复了一条信息，软件就会追踪回复的时间和类型。例如，它会记录你的回复是语音邮件、电子邮件还是信件。该公司声称，它将利用这些数据来建议下一条信息应该通过哪个渠道发送。
我们可以找到一个TrueAccord软件没有视频演示。
在下面的视频中，TrueAccord领导力将为您解释，在2015年金融科技与零售博览会期间，他们的平台如何帮助银行和金融机构收回债务:
根据一个案例研究在美国，TrueAccord声称曾与Upwork(前身为Elance-oDesk)合作。Upwork是一家自由职业者网络，该网络报告称，在收取其平台上签订的工作协议的报酬方面遇到了麻烦。Upwork需要一个即时的恢复解决方案，以确保他们的平台上的合同工作收到了付款。
Upwork随后决定与第三方专家团队合作，支持他们的内部努力，以收回付款:
在我们自己的，我们并没有积极追求旧债。随着TrueAccord的自适应解决方案，我们愿意尝试和回收尽可能多的就越好。（(Upwork全球支付主管Denise Aptekar)
TrueAccord称，整合Upwork平台的第一步是分析Upwork账目上的旧债务。该公司声称Upwork利用他们的平台来改善他们的债务催收个性化的消息。Upwork整合在过去的一年后，据说加了几百万的新和旧的帐户美元。
保罗•卢卡斯是完全一致的。在加入TrueAccord之前，他曾在旅游预订公司Expedia担任了六年的技术总监。也似乎是证据该公司已经完成了第二轮融资的一轮亿$ 22
在同一篇文章中，该公司还声称他们的客户包括Yelp这样的科技公司!和LendUp。
客户服务(债务人)个性化
托收机构通常有大量的入站流量，客户希望进行支付或更新他们的帐户信息等。虽然这些电话中有一定比例可能带来收入，但大多数都没有。如今，人工智能可以帮助银行将注意力集中在那些更有可能带来收入的电话上。
CollectAI
CollectAI2016年在德国汉堡成立，是德国零售商奥托集团的子公司，提供基于人工智能的支付和收款服务。该公司声称帮助银行或其他金融机构管理其应收账款。该公司声称正在使用机器学习来帮助他们的客户在债务催收应用程序中与每个客户进行个性化通信。
传统上，银行使用没有任何个性化的标准信件，通过电子邮件或邮寄发送，作为一种管理方式应收账款。CollectAI声称，他们的解决方案使银行能够在所有的沟通渠道，如电子邮件，WhatsApp的，短信，邮政信件数字化个性化的过程。
此外，该公司声称其软件还可以识别一天中的合适的时间，将消息发送到接收增加从债务人的答复的可能性。该公司表示，软件可能还建议对语音通信的适当的基调，如友好的，有趣的，让人想起或张扬。
CollectAI声称，他们的算法，测量它的客户沟通的决策（如分析时间发送或内容有关的电子邮件打开）的有效性。该公司声称，他们的软件可以在特定的客户或债务人，也同样集群债务人分布的分布，以帮助银行发送个性化的通信新的个体。
根据米尔科·克劳尔的说法，CollectAI的CEO，该平台衡量它的决定是通过回答问题就像成功的水平：
- “难道债务人打开电子邮件？”
- “他们去的着陆页？”
- “做了个别企图使支付在过去一个月？”
然后，该软件可以更新基于该算法具有信息每种类型的债务人的个人资料的“最好的回应”。
银行可能会部署其内部讨债队CollectAI软件。整合后，该软件会自动提示讨债的员工与通信的最佳通道。CollectAI声称银行的追债团队也能获得什么类型的内容发送给每个债务人税收征管的最大机会的通知。
米尔科也增加了collectAI平台的整合通常是通过发生基于REST的API尽管它们也很少实施与银行系统的直接集成。他们的平台还通过标准集成来支持一些ERP系统，并为银行、电子商务平台、数字出版公司、保险公司、公用事业公司等提供自动化催收个性化服务。
我们找不到合适的演示视频来展示CollectAI软件的功能，尽管下面是对CollectAI的Jorge Davila Chacon的7分钟访谈，他在其中解释了公司为银行提供的债务催收解决方案:
首席运营官史蒂夫Emecz呈现活案例研究在3月，他声称该公司在项目上曾与EXEC 2018奥托集团和汉萨同盟的银行。我们讨论在下面详细它们与汉萨银行合作：
拥有75%股份的法国兴业银行(Societe Generale)子公司汉萨提克银行(Hanseatic Bank)采用了CollectAI的B2B2C债务催收解决方案。CollectAI平台可能会通过信用卡和消费信贷部分的付款提示通知Hanseatic客户。
CollectAI还声称已经开发出针对每个客户动态着陆页谁拖欠付款导致的逾期金额立即支付选项。该平台还通过哄骗出从历史重新付款的数据模式中识别的每个债务人的最佳定时和数字通信信道。
在合作的前六个月，案例研究指出，汉萨提克银行的债务催收率总共提高了24%。这比开始实施之前，在一个未指定时间测量的比率高出14个百分点。
CollectAi还声称，在一个特定的业务领域，他们帮助银行减少了88.6%的应收账款管理费用。关于汉萨帝克的可测量结果的进一步细节无法获得。
汉萨银行首席执行官米歇尔·比永说：“以客户为中心的集合，是我们数字化转型战略的关键。由于CollectAI的解决方案，我们增加了我们的应收账款管理的效率和优化客户保留有较高的满意度。另外关键结果是更高的整体的现金流，更快的执行以及降低的通信费用“。
Mirko Krauel和Michel Billon在他们的Money 20/20会议主题演讲的视频中更详细地解释了这个案例研究:
除了上面提到的，我们在CollectAI的领导团队或任何客户项目中都找不到以前强大的AI经验的证据。
债务管理服务
峰会LLC
高峰会咨询公司于2003年在华盛顿成立，现有员工约90人。该公司声称为商业客户和政府机构提供分析和数据科学解决方案。
从我们的研究中，我们找不到关于银行或政府机构如何使用Summit的分析解决方案的产品演示或细节。关于集成如何工作或者债务催收机构的个人用户如何访问他们的软件洞察力的细节，在撰写本文时也无法获得。
首脑声称在一个项目中工作过与美国财政部，美国能源部制定了财政服务团队债务管理服务（DMS）。财政部需要确定，欠其他政府机构收集和解决债务如相关国家的子女抚养费和拖欠助学贷款。
峰会声称已经收到包含来自政府机构和使用的机器学习技术的债务和收集活动信息，根据客户特点的债务不同的集群分类数据库。该公司声称，他们的软件确定哪些债务将可能导致在使用DMS”主动收集工具和活动的最高集合。
此外，他们的软件也可能已经确定了以电话、电子邮件或信件的形式进行催收通信的最佳时间和持有期限。Summit称，合并后财政部的新征税策略使税收增加了7%，同时降低了DMS项目对纳税人的成本。关于这个项目及其结果的进一步细节无法获得。
高峰会咨询公司的数据科学主任Ed Dieterle曾是哈佛大学的研究员和比尔和梅琳达·盖茨基金会的高级项目官员，尽管还不清楚他在那里是否专门从事数据科学项目。
峰会LLC声称已在分析项目为美国政府机构，如职业安全与健康管理局（OSHA）和美国劳工部（DOL）工作
近期应用和趋势
通过我们的研究，我们来到了以下几个关键点是看申请AI讨债过程商界领袖可能需要进入一个项目之前，就知道了。
- 债务人互动的个性化似乎是今天追债人工智能应用的最大趋势，从像TrueAccord公司方案可以看出。此外，基于一些注意的案例研究中，似乎这个个性化已导致一些增加和更快的还款率。
- 小型和中小型企业可能需要明白，他们可能缺乏在客户数量方面所需要的规模为AI的解决方案才能真正有效。许多这些解决方案提到的要求分析当前债务人和过去的客户，类似于债务人的一个大水池后预测最好的结果。正因为如此，客户历史记录，或大量电流数据，可能需要为应用程序的成功。
- 通过上面的应用程序，我们可以看到债务管理系统的集成可能需要两到三个月甚至更长时间。此外，在开发人工智能模型时，内部债务催收官员的参与似乎至关重要。金融机构将需要考虑在这些应用程序上花费的时间和金钱，并将这些因素与项目的好处进行权衡。
标题图片来源：Joinnus.com
