Σημαντικό ρόλο στη βελτιστοποίηση της διαχείρισης των απαιτήσεων από τους Servicers παίζει η Τεχνητή Νοημοσύνη, τόνισε η Μαρία Βέργη, Deputy Managing Director & Head of Portfolios’ Management, Strategy & Business Development της Intrum Hellas στο συνέδριο ΑI in Financial Services. Συμμετέχοντας σε συζήτηση με θέμα «AI supporting NPE/Servicers Management», η κυρία Βέργη τόνισε ότι οι δυνατότητες που δημιουργεί η τεχνητή νοημοσύνη στην παραγωγή αυτοματοποιημένων αλλά ταυτόχρονα και όλο πιο στοχευμένων και τελικά εξατομικευμένων προτάσεων ρύθμισης, είναι πολύ μεγάλες.
Πέραν της δυνατότητας αυτοματοποίησης εργασιών back office που απελευθερώνουν πόρους για ακόμη πιο ενεργητική διαχείριση των χαρτοφυλακίων, με το AI το κατάλληλα εκπαιδευμένο στέλεχος θα μπορεί να εμπλουτίζει τα χαρακτηριστικά των οφειλετών βάσει των οποίων θα κάνει τη διαφοροποίηση ad hoc, να βελτιώνει τις προσφερόμενες λύσεις ενσωματώνοντας συνεχώς νέα δεδομένα, για παράδειγμα, τη διατηρησιμότητα των λύσεων που έχουν ήδη προσφερθεί ανάλογα με τα χαρακτηριστικά του κάθε οφειλέτη και όλα αυτά χωρίς να χρειάζεται κάθε φορά έναν προγραμματιστή να φτιάχνει καινούργιο λογισμικό.
«Καθώς οι προτεινόμενες λύσεις θα έχουν λάβει υπόψη πάρα πολλά χαρακτηριστικά των οφειλετών, παράλληλα με την ταχύτητα, τη μεγάλη κλίμακα και την αυτοματοποίηση θα έχουμε και προσωποποιημένες τελικά λύσεις ρύθμισης που θα βασίζονται σε κανόνες και θα ενισχύουν την ίση μεταχείριση και τη διαφάνεια», υπογράμμισε και πρόσθεσε ότι οπωσδήποτε η προσωπική επικοινωνία και διαπραγμάτευση θα παραμένει απαραίτητη σε πιο σύνθετα ή ευαίσθητα περιστατικά.
Παράλληλα αναφέρθηκε στη θετική επίδραση της τεχνητής νοημοσύνης στην αποτελεσματική διαχείριση των ακινήτων που υπάρχουν στα χαρτοφυλάκια των servicers, γεγονός που επίσης είναι εξαιρετικής σημασίας.
Καταρχάς, η εκτίμηση της εμπορικής αξίας που ήδη σε κάποιες περιπτώσεις, οικιστικών κυρίως ακινήτων, γίνεται με δείκτες, θα μπορούσε να βελτιστοποιηθεί καθώς είναι πλέον εφικτή η ταυτόχρονη αξιοποίηση δημόσια διαθέσιμων δεδομένων με τα δεδομένα που έχει η ίδια η εταιρεία και μπορεί να γίνει με τις υποδομές cloud σε τεράστια κλίμακα. Επίσης τα μοντέλα θα μαθαίνουν και θα γίνονται καλύτερα καθ’ οδόν, βελτιώνοντας την αξιοπιστία του αποτελέσματος, σημείωσε.
Αν και οι φυσικές αυτοψίες θα συνεχίσουν να πραγματοποιούνται, η τεχνητή νοημοσύνη θα βοηθήσει τους ίδιους τους εκτιμητές αλλά και τους διαχειριστές, σε όρους ταχύτητας και αξιοπιστίας των εκτιμήσεων.
Επίσης ένα άλλο σημαντικό πεδίο αξιοποίησης της τεχνητής νοημοσύνης στον τομέα των ακινήτων είναι το clustering, δηλαδή η ομαδοποίησή τους.
«Λαμβάνοντας υπόψη στοιχεία, όπως τοποθεσία, δυνητική απόδοση, συντελεστές ζήτησης, χρονισμός αγοράς και αξιοποιώντας και πάλι πολύ μεγάλο όγκο δεδομένων, θα μπορούν να δημιουργηθούν διαφορετικά clusters με διαφορετική το καθένα στρατηγική και κυρίως όλα αυτά με το ΑΙ να είναι δυναμικά και άμεσα τροποποιούμενα».
Η Τεχνητή Νοημοσύνη μπορεί επίσης να παράσχει predictive analytics για τάσεις της αγοράς, πολύ σημαντικές για να προσδιορίσει κανείς τον βέλτιστο χρονισμό που πρέπει να επιδιώξει στην πώληση των ακινήτων, τόνισε η κυρία Βέργη. «Τα συγκεκριμένα μοντέλα αναλύουν τιμές από πραγματικές συναλλαγές, τιμές σε αγγελίες, δημοσιεύματα και όλα τα data που δείχνουν το sentiment, συνδυασμούς των τιμών με τους κύκλους της οικονομίας κλπ. Και το σημαντικότερο είναι ότι μπορούν να χρησιμοποιήσουν δεδομένα σε μη δομημένη μορφή, για παράδειγμα, αποτελέσματα πλειστηριασμών και χωρίς την ανάπτυξη κάποιου ειδικού λογισμικού να εξάγουν συμπεράσματα για πολλά συνδυαστικά χαρακτηριστικά ενός ακινήτου ταυτόχρονα». Αλλά και άλλα σημεία όπως η ανάλυση εναλλακτικών πηγών εσόδων για κάθε ακίνητο του υπό διαχείριση χαρτοφυλακίου ή η οπτικοποίησή τους, επίσης εντάσσονται στις δυνατότητες που μας δίνει η τεχνητή νοημοσύνη, ανέφερε.
