Ambiti di applicazione
In fase di origination e underwriting, l’AI consente di leggere e interpretare i dati più velocemente e in maniera più approfondita, attingendo a fonti eterogenee (e.g., loan data tape, documentazione legale e finanziaria, bureau informativi, trend settoriali, perizie, registri pubblici), da riconciliare e trasformare in fattori predittivi utili nella definizione di una workout strategy coerente. L’impatto della Recovery Intelligence risulta in tal senso duplice: da un lato si accelera la valutazione preliminare del borrower – anche tramite l’elaborazione di dossier standard che possano fornire un’overview del merito creditizio e delle relative fragilità e rischi operativi – dall’altro si calibrano le ipotesi di recupero e si definiscono scenari alternativi di recovery (con riflessi sul prezzo di trasferimento) in base al background del credito e ai pattern storici in termini di collection e relativo timing.
In fase di portafogliazione, la Recovery Intelligence ottimizza l’allocazione delle posizioni in gestione tenendo conto dei carichi di lavoro effettivi, delle expertise dei loan manager e delle peculiarità del credito. L’AI effettua delle stime della complessità operativa attesa su ciascun file e ribilancia dinamicamente i portafogli, massimizzando la produttività marginale delle risorse umane.
È l’orchestrazione del contatto con il borrower: profili omogenei per contesto, caratteristiche e comportamento vengono gestiti tramite canali e toni appropriati. Sistemi di phone collection assistita da AI e virtual agent permettono di monitorare e interpretare l’evoluzione dell’atteggiamento del debitore, riconoscendo intenti e segnali emotivi, e suggerendo al loan manager la «prossima mossa». Parallelamente, le comunicazioni standard vengono generate automaticamente dall’AI – dalle PEC ai reminder di pagamento – 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 Intelligence 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 rating interni e di stima della probability of default. Operativamente, dashboard sviluppate ad hoc supportano l’attività dei loan manager, offrendo viste «intelligenti» del portafoglio 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 continuativo e approfondito delle performance registrate dalla piattaforma di gestione.
Benefici
Il primo dividendo nell’introduzione dell’AI quale «figura» di supporto per i loan manager riguarda le performance: l’analisi predittiva migliora la prioritizzazione dei file, supporta nella definizione delle workout strategy e consente d’intercettare precocemente eventuali segnali di deterioramento. La maggiore standardizzazione 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 automatizzati 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’interazione digitale – chiara e non giudicante – 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 credito tra loan manager e Recovery Intelligence innalza il livello di controllo della gestione. Con processi di audit continuo, script puntuali 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 sistematici e bias e si rafforza l’indipendenza di ciascuna 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 attività maggiormente time-consuming o con limitato valore aggiunto, mantenendone il presidio umano solo su file strategici.
Nei piani industriali dei principali Credit Servicer italiani, questo si traduce in obiettivi 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 alimenta 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 partnership mirate – da developer integrati verticalmente su generative 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 upside (e.g., strategie decisionali, feature su dati proprietari); buy per componenti commodity (e.g., modelli di valutazione AVM, tool «speech-to-text»).
Conclusione
Il rischio più comune è confondere automazione con intelligenza. La Recovery Intelligence non sostituisce i loan manager nella gestione day-by-day del credito: rende scalabili alcune fasi del processo di gestione e supporta gli operatori nel definire soluzioni meno discrezionali, riducendo la variabilità esecutiva e introducendo maggiore disciplina nell’adozione delle best practice.
In un mercato con masse «mature» e caratterizzato dall’incremento della competizione sui nuovi mandati, la differenza non sarà avere l’AI, ma governare adeguatamente dati e modelli tramite approccio industriale. Chi costruisce ora fondamenta robuste (i.e., dati, infrastrutture e regole di governance) e individua use case a elevato impatto potrebbe ottenere recovery più alte e processi più efficienti, con impatti diretti sul cost-to-collect.
Iniziative meno radicali potrebbero tradursi in pura automazione di processi – privi d’«intelligenza» – con impatti limitati sulla competitività dei Credit Servicer.
Le parole chiave
Recovery Intelligence
Per «Recovery Intelligence» intendiamo l’uso combinato di AI generativa, machine learning e automazione per guidare decisioni e azioni lungo l’intero ciclo di vita del credito deteriorato – dall’underwriting al monitoring – con un obiettivo chiaro: massimizzare i recuperi netti tramite l’analisi predittiva del «dato». Non si tratta di un semplice tool, ma di un vero e proprio approccio industrializzato fatto di dati, sistemi, processi e persone, capace di rendere scalabili e più efficaci le strategie di recupero del credito.
Iscriviti alla newsletter: https://www.bebankers.it/newsletter/
