Μεγάλες αλλαγές, με ωφελημένους και τους δανειολήπτες των τραπεζών με κόκκινα δάνεια, φέρνει η υιοθέτηση της Τεχνητής Νοημοσύνης από τις εταιρείες διαχείρισης απαιτήσεων.

Οι εταιρείες διαχείρισης «αγκαλιάζουν» το ΑΙ, αποκομίζοντας τις δυνατότητες που δημιουργεί η τεχνητή νοημοσύνη για την παραγωγή αυτοματοποιημένων προτάσεων ρύθμισης κόκκινων δανείων (σ.σ. προερχόμενα από τράπεζες), οι οποίες όμως είναι ταυτόχρονα πιο στοχευμένες και τελικά εξατομικευμένες για τον κάθε πελάτη. Όπως ανέφεραν την εβδομάδα αυτή, σε συνέδριο για το ΑΙ και την διαχείριση των NPEs, στελέχη εταιρειών διαχείρισης κόκκινων δανείων, 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 χαρακτηριστικών αυτών, θα μπορεί να κάνει τη διαφοροποίηση ανά περίπτωση, βελτιώνοντας τελικά την προτεινόμενη λύση για τον πελάτη, χωρίς να χρειάζεται κάθε φορά έναν προγραμματιστή να φτιάχνει καινούργιο λογισμικό. Με την λύση που η εταιρεία διαχείρισης θα διαμορφώνει με τη συνδρομή ΑΙ, ένας οφειλέτης που π.χ. παρουσιάζει καλύτερη διατηρησιμότητα στη ρύθμιση που του έχει προταθεί, θα λαμβάνει μεν αυτοματοποιημένη ρύθμιση, αλλά ευνοϊκότερη συγκριτικά με κάποιον άλλο.

Καθώς οι προτεινόμενες λύσεις θα έχουν λάβει υπόψη πάρα πολλά χαρακτηριστικά των οφειλετών, παράλληλα με την ταχύτητα, την μεγάλη κλίμακα και την αυτοματοποίηση θα προκύπτουν τελικά προσωποποιημένες λύσεις ρύθμισης για τον κάθε πελάτη, οι οποίες θα βασίζονται σε κανόνες και θα ενισχύουν την ίση μεταχείριση και την διαφάνεια. Ωστόσο, η προσωπική επικοινωνία και διαπραγμάτευση μεταξύ servicer και οφειλέτη δεν πρόκειται να εξαλειφθεί και θα συνεχίσει να είναι απαραίτητη σε πιο σύνθετα ή ευαίσθητα περιστατικά.

Η τεχνητή νοημοσύνη θα έχει θετική επίδραση και στην αποτελεσματική διαχείριση των ακινήτων που βρίσκονται στα χαρτοφυλάκια των servicers.

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. 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.

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, οι εταιρείες διαχείρισης θα μπορούν να δημιουργήσουν διαφορετικά clusters με διαφορετική το καθένα στρατηγική και κυρίως όλα αυτά με το ΑΙ να είναι δυναμικά και άμεσα τροποποιούμενα.

Τέλος, η Τεχνητή Νοημοσύνη θα μπορεί να παράσχει και προβλέψεις δεδομένων για τις τάσεις της αγοράς, διευκολύνοντας έτσι τις εταιρείες διαχείρισης να επιλέγουν τον βέλτιστο χρόνο για την πώληση των ακινήτων.