Lukk

Slik jobber vi smartere med en robot på teamet

En rekke automatiseringstiltak på inkasso fører til at inkassomedarbeiderne i Arvato Financial Solutions kan jobbe smartere og mer effektivt. I Sverige bruker Andrea maskinlæring for å vurdere sannsynligheten for at skyldnere kommer til å betale, og i Norge har Monika fått en ny arbeidshverdag med en robot i teamet.

Andrea jobber med store fordringer og spesialinkasso i Varberg. Hun håndterer henvendelser fra både privatpersoner og bedrifter.


– Arbeidsdagen er variert og spennende. Mitt oppdrag er å finne en balanse mellom det at bedriftene vi representerer skal få betalt og at skyldner skal klare seg gjennom hverdagen, forteller hun.


I løpet av en dag snakker hun personlig med kunder som har fått et inkassokrav.
–Jeg hjelper mennesker med å få kontroll på økonomien sin, og på sikt bli skyldfrie, og det er et viktig samfunnsoppdrag.

Algoritme med ulike variabler vurderer sannsynligheten

Andrea jobber med store fordringer og spesialinkasso i Varberg. Hun er tydelig på at en vil alltid behøve kundebehandlerne og deres menneskelige egenskaper.

Andrea er en av bidragsyterne til maskinlæringsmodellen som er tatt i bruk på inkasso. Modellene sier noe om sannsynligheten for at en skyldner kommer til å betale.


– Den er basert på en algoritme som ved hjelp av mange ulike variabler som tidligere betalinger, alder og kjønn vurderer sannsynlig betalingsvilje.
Denne prosessen var tidligere mer manuell, men er nå automatisert. Det betyr både økt effektivitet og stabilitet, noe som bidrar til mer konsekvente vurderinger av hver enkelt sak.


Menneskelige egenskaper vil fortsatt være helt nødvendig

Andrea er tydelig på at en vil alltid behøve kundebehandlerne og deres menneskelige egenskaper.


– Det må være en kombinasjon. Basert på resultatene så langt har vi identifisert mange nye områder som vi kan automatisere, og måter å bruke ressursene våre smartere, som for eksempel å bruke mer tid på de kompliserte sakene som krever mer for å løse, sier hun.

Den nye kollegaen

I Rørvik har maskinlæring og automatisering gjort hverdagen mer effektiv for Monika. Hun jobber med å sende utleggsbegjæringer til namsmannen for hele inkassoavdelingen. Tidligere har dette vært preget av mye manuelt arbeid, men det siste året har hun fått hjelp fra en ny «kollega», som sørger for at mange av oppgavene er blitt automatiserte. «Kollegaen» heter Elsa og er en robot.


Digitalisert og automatisert

Nå er vurderingen før utlegg effektivisert med maskinlæring, og kommunikasjonen med namsmannen digitalisert og automatisert. Det reduserer arbeidsmengden betydelig, og gir mer trygghet på kvalitet og rutiner.
– Elsa har vært et veldig positivt tilskudd, og jo mer drevne vi blir på å jobbe med Elsa, jo mer effektive blir vi, forteller Monika.


Arbeidsdagen til Monika starter med manuell kontroll av saker fra Elsa. Er adresser og navn riktige? Har det kommet innbetalinger det siste døgnet? Har skyldner tatt kontaktet etter at saken ble lagt opp til Elsa? Etter nærmere fem år har hun mye kunnskap om både prosesser og krav. Etter den manuelle kontrollen kommer Elsa inn igjen.


– Før Elsa kjørte vi ut ett og ett brev, forteller Monika. Alt skulle skrives ut, stiftes, signeres av prosess-fullmektig, pakkes i konvolutter og postes. Nå gjøres alt med ett tastetrykk. Det er ganske artig å se hvor mye tid vi faktisk sparer, forteller hun.

Med Elsa på teamet har det blitt mer automatikk og mindre manuelle prosesser for både Monika og kundebehandlerne i Rørvik.

Fremtiden er enda smartere

Den største besparelsen er i oppfølgingsprosessen. Tidligere ble tilsvaret sendt i posten, men nå kommer alt digitalt og automatisk i Elsa. Før skulle alt skannes og legges inn manuelt. Nå sender Elsa det automatisk inn i systemet og kundebehandlerne kan enkelt følge opp aktivitetene sine, gjerne med påminnelser fra Elsa om hva som bør gjøres.


– Jeg tar meg selv i å bli litt fascinert. At en robot kan minne deg på noe du har glemt. Det er ganske stilig, sier Monika.


Både Andrea og Monika har mange lovord om smartere bruk av ressurser som maskinlæring og automatiserte prosesser legger til rette for.


– Vi finner stadig nye områder som kan forbedres. De neste årene vil vi få enda flere smarte modeller, og sannsynligvis se en ytterligere økning i manuelt arbeid som blir automatisert. Når vi jobber smartere frigjør vi tid til bedre oppfølging av de skyldnerne som virkelig trenger det, noe som til syvende og sist er veldig positivt for dem og en fordel for våre kunder, avslutter Andrea.

 

Vi kan skape vekst og økt lønnsomhet for din bedrift. Ta kontakt!