Cet article a été écrit pour notre sponsor, Consumer Education Services Inc.

Selon une étude de Northwestern Mutual, l’Américain moyen a environ 38 000 $ en dette personnelle – hors hypothèques résidentielles.

Alors que l’endettement croissant qui découle des prêts étudiants, des factures de carte de crédit et des frais médicaux commence à toucher un plus grand nombre d’Américains chaque année, certaines entreprises ont commencé à tirer parti de la technologie pour tenter d’alléger la pression du processus de remboursement pour les consommateurs.

En règle générale, les efforts de recouvrement comprennent des lettres, des courriels et des appels téléphoniques planifiés de l’agence où la dette est due. Si un individu devient en souffrance sur ses dettes, le créancier initial peut engager une agence de recouvrement pour des tentatives plus agressives de recouvrement du solde. Cela peut naturellement être stressant pour les débiteurs, car on leur rappelle constamment que leurs paiements en cours accumulent des intérêts, affectent leurs cotes de crédit et ont un impact sur leur avenir financier.

Dans de nombreux cas, la technologie d’apprentissage automatique peut aider à atténuer la pression du remboursement de la dette des consommateurs. En analysant le comportement de remboursement passé d’une personne, les programmes d’IA peuvent améliorer le processus de remboursement pour le consommateur en développant des calendriers de remboursement plus efficaces et des montants de paiement recommandés.

«Grâce à la technologie d’apprentissage automatique, les conseillers financiers peuvent agréger le budget, les revenus, l’endettement et les données d’épargne d’un certain nombre de consommateurs et créer des modèles qui peuvent nous dire, par exemple, si un individu peut ou non avoir plus de succès en utilisant un paiement bimensuel. », a expliqué Mike Croxson, PDG de l’agence de conseil en crédit à but non lucratif Consumer Education Services Inc.« Voilà le genre de choses que l’apprentissage automatique peut faire pour aider les consommateurs à mieux réussir. »

Bien que ce type spécifique de technologie en soit encore aux étapes préliminaires, il modifie déjà la façon dont les entreprises et les consommateurs envisagent le paysage du remboursement de la dette. Et il est utilisé depuis plus longtemps que vous ne le pensez.

«Je travaille dans ce secteur depuis plus de 20 ans et les institutions financières telles que les banques et les sociétés d’investissement utilisent déjà l’apprentissage automatique», a déclaré Diane Chen, directrice exécutive de l’Institute of Consumer Money Management. «En utilisant ce modèle, l’industrie traditionnelle du conseil en crédit peut affiner son processus, qui a généralement une approche unique pour les paiements. L’apprentissage automatique peut vraiment nous aider à proposer une approche plus individualisée de la communication avec les clients et des calendriers de remboursement. »

L’équipe de Chen à l’ICMM utilise des données agrégées d’agences de conseil en crédit à but non lucratif pour analyser les tendances de remboursement par une variété de catégories démographiques. Cela permet de construire un modèle de notation pour déterminer une approche plus personnalisée du processus de remboursement de la dette.

L’élaboration du modèle de l’initiative d’apprentissage automatique de l’ICMM a pris 18 mois. Une fois terminée, l’entreprise s’est associée à CESI pour tester la technologie bêta et affiner le modèle en utilisant une analyse en temps réel des données client.

«Nous utilisons cette technologie dans le processus de conseil financier pour nous aider à intégrer la communication et les interventions afin d’aider les clients à réussir le plus possible», a déclaré Croxon.

CESI a testé plusieurs fois son initiative d’apprentissage automatique, ce qui a donné un modèle capable de générer des avantages substantiels, ainsi que des capacités prédictives plus précises. La capacité de tester l’exactitude du comportement des consommateurs sur la base d’hypothèses modélisées a été un avantage significatif de la collaboration entre CESI et ICMM.

Les informations tirées des tests ont également révélé des informations clés sur le public cible de la technologie de remboursement de la dette basée sur l’IA.

« Nous avons fait l’hypothèse que la génération Y voudrait être communiquée par SMS, alors que les générations plus âgées comme moi seraient plus intéressées par les méthodes de communication traditionnelles », a déclaré Croxson. « En fin de compte, les données nous ont dit que nous avions tort – tout le monde voulait des méthodes de communication plus contemporaines au lieu de moyens traditionnels. »

Actuellement, les principales données collectées par le modèle tournent autour de l’historique des paiements, mais Chen espère qu’à l’avenir, il sera en mesure d’analyser des choses comme les catégories de dépenses mensuelles, les revenus et plus encore pour améliorer les capacités prédictives de la technologie.

Pour le moment, CESI et ICMM espèrent qu’ils se sont positionnés pour être en avance sur la courbe de remboursement de la dette d’apprentissage automatique, et ils pensent que cette tendance deviendra probablement la norme.

« L’industrie du conseil en crédit est importante pour le bien-être financier des consommateurs, et cela signifie que nous devons avoir un œil sur la technologie de l’avenir », a déclaré Croxson. «Quelqu’un dans notre industrie doit diriger l’effort. Si ce n’est pas nous, alors qui?

Cet article a été écrit pour notre sponsor, Consumer Education Services Inc.