Artikkel

Ti ting vi lærte av å automatisere kredittrisiko

Future of Risk and Compliance

Det er en ny tid for styring av risiko og etterlevelse. Omfattende regelendringer etter finanskrisen, lavere økonomisk vekst og reduserte marginer har tvunget selskaper til å effektivisere. Mange automatiserer med kunstig intelligens (AI). Her er ti ting vi lærte da vi nylig automatiserte kredittsøknader for en global bankkunde.

1. Produktivitetsgevinsten er forbløffende

Til å begynne med var de som jobbet i kredittavdelingen skeptiske til at prosesser som har med kompliserte finansforhold å gjøre kunne gjøres raskere eller automatiseres. I løpet av noen få måneder viste det seg imidlertid at en prosess som tidligere hadde tatt opptil fem dager kunne reduseres til tre eller fire minutter. Dette frigjorde mye arbeidskapasitet for erfarne medarbeidere, som heller kunne bruke sin kompetanse på mer verdiskapende oppgaver. Det gjorde også at analytikerne kunne rekke over mer; med andre ord flere kunder!
 

2. Kundene la tydelig merke til det – på en positiv måte

Bankens CRO kunne fortelle at “kundene liker at du kan ta en beslutning knyttet til lånesøknad og gi et rentetilbud nesten umiddelbart. De kundeansvarlige er også svært fornøyde med å kunne utvikle ulike muligheter ansikt til ansikt med potensielle kunder. Men fordelene er ikke bare knyttet til tidsaspektet.” Prosessen som nå nettopp er automatisert er mer pålitelig enn den som er skjønnsbasert, som nødvendigvis må godkjennes og (noen ganger) avvises av andre. Videre innebærer de store datamengdene og kraften i datamaskinene at banken nå lettere kan kategorisere kunder og fokusere på de produktene og pristilbudene som har størst relevans.
 

3. Ta sikte på aktuelle gevinster i begynnelsen, men vær forberedt på justeringer og utvidelser

Det er viktig å ha klart for seg på forhånd hvilke gevinster man ønsker å oppnå, samtidig som man hele tiden kommuniserer med aktuelle aktører. Banken var klar for å gjøre raske endringer, ettersom de hadde lært at potensialet for intelligent automatisering alltid var mye større enn i eksisterende løsning. Dette gjorde at de kunne utvide forretningscaset utover umiddelbare gevinster.
 

4. IT-endringer og HR-strategi må implementeres side om side

Automatisering beveger seg over grensen for den tradisjonelle arbeidsfordelingen mellom IT, risikostyring og etterlevelse. På grunn av dette er det viktig at IT-endringene og HR-strategien gjennomføres i samme tempo. Banken utarbeidet et fremtidsrettet program med fokus på teamsammensetning, opplæring og læringskultur.
 

5. Automatisering gir grobunn for å tenke nytt omkring organisasjonsstrukturen

Det er vanskelig å få en framtidsrettet arbeidsstyrke dersom vi ber dem om å gjøre de samme jobbene som de gjorde for 20 år siden. Jobbene vil være annerledes om et og et halvt år, så vi må se måneder fram i tid, ikke bare år. Det trengs spesiell kompetanse for å implementere automatisering og kunstig intelligens (AI).

De som har denne kompetansen er ikke alltid de samme som det er behov for i tradisjonelle, hierarkiske banker der stillingsnivå går hånd i hånd med hvor mange års erfaring man har. I mange tilfeller henger verdien nærmere sammen med teknisk kompetanse enn med ansiennitet. På grunnlag av dette begynte CRO å oppmuntre folk til å danne kompetansemiljøer i stedet for rigide hierarkier.
 

6. Jobb med folk som forstår bank like godt som teknologi

CRO hadde forholdt seg til en rekke ulike konsulentselskaper, og var klar på hvilke folk de måtte samarbeide med med tanke på automatisering av kredittrisiko. – De må ha forståelse for bankvirksomhet, og ideelt sett ha jobbet i en bank. Det gir dem troverdighet når de skal gå inn i vår virksomhet og endre jobbene til medarbeiderne våre.
 

7. Cybertrusler er reelle og skaper behov for nye styringsformer

Robotisert prosessautomatisering (RPA) og kunstig intelligens (AI) betyr at proaktiv styring blir viktigere enn noen gang, ettersom avhengigheten av programmeringskode og algoritmer blir større. Tre eksempler:

  • Cyberkriminelle som forsøker å sabotere banker kan gå løs på modeller eller boter, og det kan ta måneder å oppdage endringer i kode dersom man ikke har de riktige styringsmekanismene på plass.
  • Man må forstå botenes samspill både opp- og nedstrøms, slik at endringer i en del av en kode ikke påvirker andre deler negativt.
  • Det å lene seg på kortvarige “kompetansemiljøer” som utarbeider kodene er fint, helt fram til disse miljøene løses opp. Sørg derfor for å dokumentere beslutninger og designprinsipper for senere referanse.

 

8. Sørg for å holde IT-avdelingen oppdatert og for at du har deres støtte

IT-folk vet mer om styring av cyber- og teknologirisiko enn det bankfolk og kredittanalytikere gjør. Det er en bra ting. Det betyr imidlertid at en vellykket automatisering av kredittrisikoprosesser avhenger av at IT-funksjonen din tar eierskap til løsningen. Du vil aldri kunne utføre oppgavene dine raskere enn IT klarer å utføre sine.
 

9. Du vil se bedre samhandling mellom første og andre linje og mellom avdelingene for risiko, finans og revisjon

Automatisering av kredittrisikoprosesser gir bankene både bedre og mer pålitelige informasjonsstrømmer som kan bli den eneste datakilden i hele organisasjonen. Andre linje kan hjelpe første linje med verktøy for automatisering ved behandling av potensielle nye kunder. Når forretningsenheter eller sentrale funksjoner samarbeider med risikoteamene vil det være basert på en felles virkelighetsoppfatning.
 

10. Suksess kan anta mange ulike former: Vær glad for alle

Tilbakeslag kan gi verdifull læring, og bankens CRO fant at de ikke trengte å automatisere alle prosessene. Noen ganger var det nok å bare forberede seg på det. Noen av kreditt-teamene oppdaget at når de hadde kartlagt prosessene sine i forkant av automatiseringen, kunne de gjøre så store forenklinger at de ikke en gang trengte å automatisere.

Var denne siden nyttig?