Automatisering, AI en credit risk – een gouden match?

Volgens Sarah-Jayne Martin, directeur van ICA Global AR Practice bij Quadient, speelt een technologische generatiekloof een belangrijke rol in de angst van financeprofessionals om AI en automatisering toe te passen.

"Ten eerste: financeprofessionals neigen naar de kant van 'vertrouwen, maar verifiëren'. Elke financeprofessional die dit leest is het hier waarschijnlijk wel mee eens. Het is natuurlijk een goede gewoonte om er altijd voor te zorgen dat de boekhouding correct is. En voor sommigen kan de gedachte aan een softwareplatform of andere automatiseringsoplossing intimiderend zijn.

Ten tweede hebben we allemaal wel technologie-implementaties meegemaakt waarbij dingen niet gingen zoals gepland. In sommige gevallen zorgde de oplossing juist voor meer problemen. Er is dus een gezonde skepsis ten opzichte van alles wat de controle wegneemt bij accounting- en financemanagers.

Tot slot is volgens een onderzoek van Zippia de gemiddelde leeftijd van een accountant in de VS 43 jaar. Dit maakt ons natuurlijk niet allemaal dinosaurussen, maar het plaatst ons wel in de categorie van iets minder technisch onderlegd.  Voor de meesten van ons die in finance werken, geldt dat we onze taken al jaren handmatig uitvoeren. En verandering is natuurlijk eng. 

De voordelen van het automatiseren van deze functies wegen echter zeker op tegen de zorgen. Technologie kan handmatige taken en repetitieve klusjes overnemen. Zo kunnen professionals zich richten op waardevollere of strategische initiatieven. Dit zorgt voor meer werknemerstevredenheid en minder verloop. Daarnaast kan technologie zorgen voor meer transparantie in finance. Hierdoor kunnen teams beoordelen op welke gebieden ze hun processen kunnen verbeteren. En dat is uiteindelijk beter voor de bedrijfsresultaten.”

Als de meeste mensen denken aan klantonboarding, denken ze meestal aan wat er gebeurt nadat een contract is getekend. Maar Matthew Debbage, Creditsafe CEO van Noord- en Zuid-Amerika en Azië, denkt dat dit een deel van een groter probleem is.

"Klantonboarding begint al voordat het contract is getekend. Het is in dat stadium dat het salesteam aan een deal heeft gewerkt en deze nu naar het financeteam heeft gebracht om te beoordelen en ervoor te zorgen dat het bedrijf geschikt is als klant. Met 'geschikt' bedoel ik dat de klant een goede financiële situatie heeft en een cashflow die sterk genoeg is om de rekeningen volledig en op tijd te betalen. En die daarom een laag risico loopt op een financiële calamiteit.

Maar het uitvoeren van een B2B-kredietcheck is slechts één cruciaal onderdeel van het onboardingsproces. Als finance- en salesteams hun bedrijf volledig willen beschermen tegen financiële-, juridische- en compliancerisico's, moet het onboardingsproces de volgende processen omvatten:

• B2B kredietchecks
• KYC / ID-verificatie
• AML- en sanctiechecks
• Compliance-checks

Het uitvoeren van deze checks kan een langdurig en ingewikkeld proces zijn. Er kunnen ook meerdere mensen bij betrokken zijn om alles te coördineren en dubbel te controleren. Stel eens voor hoeveel tijd het kost als alles handmatig ging. Het zou weken, misschien zelfs maanden duren. Denkt u dat een potentiële klant bereid is om zo lang te wachten om het contract getekend te krijgen? Natuurlijk niet. Dan hebt u een potentiële klant afgeschrikt en bent u inkomsten kwijt.

Het mooie van AI is dat het de nauwkeurigheid van deze checks versnelt en verbetert. Zowel financeteams als potentiële klanten willen dat. Voor financeteams betekent dit dat er minder kans is op het missen van financiële-, juridische- en compliance-risico's. Dat betekent dat zowel de cashflow als de reputatie van het bedrijf beschermd zijn. En dat is een cruciaal onderdeel van het werk van het financeteam. Daarmee helpt het hen hun werk eenvoudiger en effectiever te doen."

Matthew Debbage denkt dat deze bevindingen een aantal van de problemen benadrukken die kunnen ontstaan door het gebruik van een handmatig kredietbeslissingsproces.  

"Ten eerste is het kredietbeslissingsproces van begin tot eind vaak ontzettend lang en complex. En omdat er meerdere mensen (tot 10) bij betrokken zijn, sluipen er zeker overlappingen, fouten en onnauwkeurige analyses in.

Een ander probleem is dat het proces zelf vaak inconsistent is, wat betekent dat een bedrijf zichzelf blootstelt aan beschuldigingen van vriendjespolitiek en het afspreken om met bepaalde klanten en, leveranciers te werken in plaats van met andere. Bovendien kunnen deze inconsistenties het moeilijk maken om het onboardingsproces op te schalen. Vooral als een bedrijf meer dan 500 kredietchecks per dag uitvoert. Dat wordt een enorme last, die alleen maar ingewikkelder wordt en meer fouten bevat als alles handmatig wordt gedaan.

Met AI kunt u workflows bouwen op basis van het kredietbeleid van uw bedrijf en het kredietbeslissingsproces automatiseren. U kunt dus bepaalde parameters instellen op basis van uw kredietbeleid (bijvoorbeeld als DBT een bepaalde drempel bereikt) en vervolgens kredietbeslissingen automatiseren op basis van die regel.

Natuurlijk zeg ik niet dat AI het kredietbeslissingsproces volledig zal automatiseren voor elke aanvraag die financeteams krijgen. Hoewel AI dit kan doen voor de aanvragen die in de categorie 'eenvoudige goedkeuring' vallen, zullen financeteams nog steeds betrokken moeten zijn bij de aanvragen die niet zo kant-en-klaar zijn en meer analyse nodig hebben. Dit betekent dat financeteams hun aandacht kunnen richten op een snelle en effectieve onboarding van klanten, terwijl ze honderden (soms zelfs duizenden) uren besparen en productiever zijn. Maar wat nog belangrijker is, is dat financieteams financiële risico's gemakkelijker en effectiever detecteren, waardoor het algehele risico van hun bedrijf afneemt en de groei maximaliseert."

Danny Wheeler gelooft dat automatisering waardevol kan zijn bij het verbeteren van de kwaliteit van gegevens en het verkleinen van de kans op onnauwkeurige of scheve analyses.

"Naast meer efficiëntie en kostenbesparingen biedt AI financeteams ook toegang tot de meest recente data. Dat is niet altijd het geval bij een handmatig proces. Dit betekent dat er veel minder tijd wordt verspild doordat data niet up-to-date is en mensen onnodig werk moeten doen. Stel je voor dat een klant een betaling doet, maar het duurt een paar dagen voor deze verwerkt kan worden omdat het financeteam nog bezig is met een stapel andere betalingen.

In die tijd heeft het incassoteam de klant waarschijnlijk opnieuw benaderd voor betaling van de factuur of is de factuur in de wachtstand gezet. Beide gevallen kosten een hoop verspilde moeite voor de persoon die achter de betaling aanzit. En natuurlijk een vreselijke ervaring voor de klant, die daardoor misschien besluit om ergens anders zaken te gaan doen.

Bovendien kunnen geautomatiseerde systemen menselijke fouten en inconsistenties in de dataverwerking, data-analyse en besluitvorming verminderen. Deze verbeterde nauwkeurigheid kan helpen om kredietrisico's te verminderen en financiële verliezen te beperken. Het betekent ook dat financeteams geen tijd meer verliezen door werk opnieuw te moeten doen. Het geeft het bedrijf ook meer vertrouwen in de cijfers waarover ze rapporteren. 

Automatisering maakt realtime gegevensverwerking en -analyse mogelijk, waardoor kredietrisico's sneller kunnen worden beoordeeld en beslissingen sneller kunnen worden genomen. Deze snelheid kan zorgen voor snellere reacties op kredietaanvragen en problemen met klanten, wat weer zorgt voor een betere klantenservice. En het beste van alles is dat het bedrijf trends en patronen in realtime kan zien. Dat betekent dat financeteams risico's veel beter kunnen beperken en betere beslissingen kunnen nemen over waar ze hun inspanningen op moeten richten op basis van de beschikbare data.”

Sarah-Jayne Martin werkt veel samen met bedrijven om hun ROI te behalen door automatisering.

"Uiteindelijk is automatisering een investering die echte verbeteringen oplevert voor het werkkapitaal en het bedrijfsresultaat. Door de kredietaanvraag en -beoordeling te automatiseren, krijgen bedrijven beter inzicht in risico’s en kunnen ze deze effectief beperken. Dit zorgt voor minder achterstallige facturen en beter creditmanagement, waardoor de blootstelling aan financiële risico's afneemt. Door gebruik te maken van automatisering in het kredietrisico- en onboardingproces kunnen financeteams het proces stroomlijnen en de ervaring voor zowel interne belanghebbenden als potentiële klanten verbeteren. Dat is een win-win."

Danny Wheeler ziet een enorme verbetering in finance door de opkomst van geautomatiseerde oplossingen.

"Er is meer nauwkeurigheid, betere zichtbaarheid en een betere ervaring voor interne belanghebbenden en externe klanten. Er zijn nu geautomatiseerde oplossingen voor de meeste finance-functies, waardoor het aantal papiergestuurde of op Excel gebaseerde processen is afgenomen.

Als we naar de toekomst kijken, denk ik dat we meer gebruik gaan maken van AI en machine learning om processen verder te verbeteren. Ik geloof niet dat een finance-afdeling ooit volledig geautomatiseerd zal zijn. Maar in de toekomst zullen menselijke interactie en besluitvorming ideaal gezien alleen plaatsvinden wanneer dat nodig is, in plaats van bij elk contactmoment."