Be Bankers

Benefici Il primo dividendo nell’introduzione dell’AI quale «figura» di supporto per i loanmanager riguarda le performance: l’analisi predittiva migliora la prioritizzazione dei file , supporta nella definizione delle workout strategy e con- sente d’intercettare precocemente eventuali segnali di deterioramento. Lamaggiore stan- dardizzazione delle best practice e dei sistemi di controllo innalza la qualità dell’ execution , riducendo la discrezionalità dell’operatore e facilitando l’emersione di eventuali aree di miglioramento. Il secondo è operativo: attività ripetitive – e a scarso valore aggiunto nell’ execution umana – vengono assorbite da strumenti automatiz- zati secondo script ben definiti. Il costo per pratica gestita scende considerevolmente e le risorse possono concentrarsi su file con maggiori livelli di complessità o maggiore vulnerabilità. Il terzo è relazionale: per molti debitori l’in- terazione digitale – chiara e non giudican- te – risulta meno conflittuale del contatto umano; i processi diventano più semplici e trasparenti, con impatti positivi su collection e reputazione. Infine, una governance integrata del credi- to tra loan manager e Recovery Intelligence innalza il livello di controllo della gestione. Conprocessi di audit continuo, script puntua- li che incrementano l’ explainability di ogni decisione, limiti d’uso e « human intelligence trigger », l’AI non è solo efficiente, ma anche sicura: si riducono eventuali errori sistema- tici e bias e si rafforza l’indipendenza di cia- scuna decisione, salvaguardando qualità e compliance. Come si stanno muovendo i Credit Servicer A livello d’ industry la traiettoria è chiara: introdurre l’automazione – e ove opportuno l’AI generativa – sulle attivitàmaggiormente time-consuming o con limitato valore aggiun- to, mantenendone il presidio umano solo su file strategici. Nei piani industriali dei principali Credit Servicer italiani, questo si traduce in obiet- tivi espliciti di automazione della gestione ordinaria e in investimenti per rafforzare le capacità analitiche e la qualità dei dati. Grande attenzione è, pertanto, rivolta verso i processi di data remediation dei portafogli in gestione, in quanto la valorizzazione del dato proprietario e degli insight che racchiude ali- menta pricing, due diligence e, in alcuni casi, offering – nella forma di ulteriori servizi da erogare – verso banche e investitori. Per accelerare la curva di apprendimento, i Credit Servicer stanno combinando sviluppo interno e acquisizioni o partnershipmirate – da developer integrati verticalmente su gene- rative AI a provider ed elaboratori di fonti di dati alternative – evitando clausole di lock-in e garantendo la portabilità della tecnologia eventualmente sviluppata con player esterni. L’equazione per l’adozione della Recovery Intelligence resta ibrida: make dove ci sono elementi di differenziazione e potenziali upsi- de (e.g., strategie decisionali, feature su dati proprietari); buy per componenti commodity (e.g., modelli di valutazione AVM, tool «spe- ech-to-text»). Nella gestione ordinaria, la leva principale è l’orchestrazione del contatto con il bor- rower : profili omogenei per contesto, carat- teristiche e comportamento vengono gestiti tramite canali e toni appropriati. Sistemi di phone collection assistita daAI e virtual agent permettono di monitorare e interpretare l’e- voluzione dell’atteggiamento del debitore, riconoscendo intenti e segnali emotivi, e suggerendo al loan manager la «prossima mossa». Parallelamente, le comunicazioni standardvengono generate automaticamente dall’AI – dalle PEC ai reminder di pagamen- to – anche tramite piattaforme digitali che permettono l’interazione con il debitore e, in particolare, l’ onboarding documentale, la sottoscrizione di contratti (e.g., piani di rientro) e il pagamento «in un click». In fase di monitoraggio, la Recovery Intel- ligence si configura in un sistema linfatico di dati da elaborare: segnali deboli (e.g., micro-dilazioni nei pagamenti, variazioni di tono nelle interlocuzioni, news) alimentano l’aggiornamento dinamico dei modelli di ra- ting interni e di stima della probability of de- fault. Operativamente, dashboard sviluppate ad hoc supportano l’attività dei loan mana- ger , offrendo viste «intelligenti» del portafo- glio in gestione per poter cogliere eventuali early warning signal in maniera tempestiva e attivare interventi mirati. Analogamente, a livello centrale, l’AI abilita un controllo con- tinuativo e approfondito delle performance registrate dalla piattaforma di gestione. DOSSIER BE | AI 86 B E | B AN K E R S