Sådan automatiserer du inddrivelse og inkasso med AI

De mest oplagte processer at automatisere er gentagelige, regelbaserede og datadrevne aktiviteter som sagsoprettelse, datavalidering, dokumenthåndtering, klassifikation, kommunikation, betalingsregistrering, betalingsaftaler, opfølgning, routing, statusændringer og rapportering.

Et konkret eksempel er en ny sag, der modtages i et standardiseret format. Et inkassosystem kan kontrollere obligatoriske felter, oprette sagen, knytte dokumenterne til den og anvende den aftalte kreditoropsætning. Når en betaling registreres, kan en regel opdatere saldo og status og lægge den relevante næste handling i kø. Hvis et felt mangler eller beløbet ikke stemmer, bør forløbet i stedet markeres til afklaring.

At automatisere en aktivitet betyder, at ét trin udføres uden manuel indtastning. Et automatiseret workflow forbinder flere trin: en hændelse starter forløbet, regler afgør hvad der skal ske, og resultatet registreres, så næste trin kan begynde. Forskellen er vigtig. En automatiseret besked hjælper kun, hvis data, timing, undtagelser og opfølgning også hænger sammen.

Begynd med opgaver, hvor input og resultat kan beskrives tydeligt. Notér også undtagelserne; de udgør ofte en stor del af den faktiske sagsbehandling og må ikke forsvinde i en standardproces.

• Opret og opdatér sager ud fra godkendte dataformater.
• Kontrollér felter, dokumenter og betalinger mod definerede regler.
• Send eller klargør standardkommunikation på aftalte tidspunkter.
• Fordel sager til relevante køer, teams eller næste workflow.
• Registrér status og driftsdata, så medarbejdere kan følge forløbet.

Klassisk automatisering udfører foruddefinerede regler, mens AI analyserer data og finder mønstre eller betydning, som ikke nødvendigvis kan beskrives med én simpel regel. De to teknologier løser forskellige opgaver og fungerer ofte bedst sammen.

Workflow automation er en måde at forbinde hændelser, regler, handlinger og kontroller i et sammenhængende forløb. AI, eller kunstig intelligens, er en gruppe metoder, der kan fortolke data, klassificere indhold eller lave forslag ud fra modeller. Generativ AI kan blandt andet formulere tekst, men en velformuleret tekst er ikke i sig selv bevis for, at indholdet er korrekt. Intelligent automation beskriver et forløb, hvor regler og AI bruges sammen, og hvor systemet kan sende usikre eller afvigende sager videre til mennesker.

Se tabellen som en praktisk tommelfingerregel, ikke en universel grænse. Den samme proces kan bruge både regler og AI, ja endda menneskelig vurdering.

AI er især relevant, når et workflow skal forstå tekst eller samle information, før en handling vælges. Den kan hjælpe med at sortere og prioritere, men bør anvendes inden for tydelige rammer og med passende kontrol.

Seks anvendelser er værd at undersøge. Ved forståelse af henvendelser kan en model foreslå, om en besked handler om betaling, dokumentation, en indsigelse eller et spørgsmål. En medarbejder kan kontrollere klassifikationen, især hvis den er usikker. Ved sagsrouting kan signaler fra besked og sag hjælpe med at sende henvendelsen til den rigtige kø eller medarbejder.

Som beslutningsstøtte kan AI sammenfatte historik, åbne opgaver og nye oplysninger og foreslå et næste trin. Det kan mindske behovet for at lede på tværs af skærmbilleder, men forslaget skal kunne efterprøves. Til kommunikation kan generativ AI lave et udkast i en defineret tone; medarbejderen eller godkendte regler afgør, om det må sendes.

Afvigelsesdetektion kan gøre opmærksom på sager, der ikke ligner det forventede mønster, for eksempel gentagne fejl i data eller et usædvanligt forløb. En medarbejder-copilot kan samle relevante oplysninger og pege på mangler. I alle eksempler bør systemets rolle, datagrundlag, usikkerhed og mulighed for at rette resultatet være tydelige.

• Forstå indholdet i henvendelser og foreslå en kategori.
• Hjælpe med at route sager efter emne og kontekst.
• Sammenstille oplysninger som støtte til næste handling.
• Klargøre kommunikationsudkast inden for godkendte rammer.
• Fremhæve afvigelser, der bør undersøges nærmere.
• Give medarbejderen et samlet overblik over relevante sagsoplysninger.

Et intelligent inkassoworkflow tager imod en hændelse, beriger den med relevant sagskontekst, anvender klare regler og bruger kun AI dér, hvor fortolkning bidrager. Derefter udføres en passende handling eller sagen sendes til menneskelig vurdering, og resultatet føres tilbage til sagsforløbet.

Tænk på en indgående besked fra en skyldner. Workflowet kobler beskeden til den rigtige sag, indlæser relevante status- og betalingsoplysninger og kontrollerer først kendte forhold med regler. AI kan derefter foreslå, at beskeden handler om en betalingsaftale. Hvis data er sammenhængende og processen tillader det, kan systemet forberede næste trin. Hvis beskeden også indeholder modstridende oplysninger eller et uventet krav, bør den sendes til en medarbejder.

Hvert trin skal have en ansvarlig ejer og et forventet resultat. Definér hvad der tæller som et gyldigt input, hvad der sker ved manglende data, hvordan handlinger logges, og hvem der kan genoptage et stoppet forløb. Det gør arbejdsgangen forståelig for drift og mulig at teste, før den bruges på flere sager.

1. 01Input: ny sag, betaling eller henvendelse
2. 02Data og kontekst: find sag, historik og relevante oplysninger
3. 03Regler: validér data og anvend aftalte proceskrav
4. 04AI-vurdering: fortolk eller sammenfat, hvor det er nyttigt
5. 05Næste handling: vælg et tilladt trin eller markér usikkerhed
6. 06Udførelse eller menneskelig vurdering
7. 07Resultat: registrér hændelse, beslutning og udfald
8. 08Næste workflow: fortsæt, afvent eller eskalér

Human-in-the-loop betyder, at mennesker indgår i et automatiseret forløb på de trin, hvor deres vurdering er nødvendig. AI kan analysere og foreslå, men medarbejderen eller en godkendt proces har ansvaret for at vælge handling, når opgaven kræver det.

En praktisk model har tre niveauer. Niveauet skal fastlægges for den konkrete proces ud fra risiko, lovgivning, datakvalitet og virksomhedens egne kontroller. Det er ikke en permanent vurdering af en hel sag; samme sag kan flytte niveau, når nye oplysninger kommer til.

Automatisering kræver også klare grænser. Lad ikke en proces fortsætte automatisk, når data er mangelfulde, oplysninger er modstridende, beslutningsgrundlaget er utilstrækkeligt, eller konsekvensen for skyldneren kræver en vurdering, som systemet ikke er designet til.

Komplekse eller atypiske sager, juridiske vurderinger og konflikter bør som udgangspunkt vurderes af relevante fagpersoner. Det gælder også sager, hvor en handling kan få væsentlig betydning, og hvor den konkrete situation ikke dækkes af en godkendt, testet regel. Den endelige afgrænsning skal afklares med de ansvarlige for drift, compliance og juridiske forhold i de markeder, virksomheden arbejder i.

Et nyttigt designprincip er “stop and escalate”: Hvis en kontrol fejler, AI-signalet er uklart, eller et usædvanligt forhold opdages, stopper workflowet og sender sagen videre. Eskaleringen bør indeholde årsagen, de oplysninger medarbejderen skal bruge, og en tydelig vej tilbage til processen efter afklaring. At stoppe er ikke en fejl i automatiseringen; det er en tilsigtet sikkerhedsadfærd.

• Komplekse eller atypiske forløb, der falder uden for testede regler.
• Juridiske vurderinger og uafklarede konflikter.
• Sager med mangelfulde eller modstridende oplysninger.
• Handlinger med væsentlig konsekvens, når grundlaget er usikkert.
• Enhver situation, hvor systemet ikke kan forklare, hvorfor det fortsætter.

Et inkassobureau kan have kreditorer med forskellige regler, processer, integrationer, dokumentkrav, kommunikationsflows, segmenter og lokale krav. En fælles platform bør derfor kunne rumme fælles driftsprincipper og samtidig bevare de forskelle, der er nødvendige for hver kreditor.

En brugbar model er fælles platform, konfigurerbare workflows og kreditor-specifikke regler. Fælles elementer kan omfatte datamodeller, overblik og kontroller. Selve arbejdsgangen kan tilpasses, og regler kan knyttes til den relevante kreditor eller portefølje. Det giver mulighed for at genbruge gennemprøvede trin uden at kopiere én kundes særlige forløb over på alle andre.

Standardisering er ikke det samme som ensretning. Standardisér det, der bør være konsistent, såsom ansvar, dokumentation og håndtering af fejl. Gør variation synlig og styrbar i stedet for at skjule den i manuelle noter eller parallelle regneark. Når regler ændres, skal det være tydeligt, hvem der har godkendt ændringen, hvilke sager den gælder for, og hvordan den testes.

Vurder også integrationernes rolle. Hvis kreditorens data kommer i forskellige formater, bør validering og fejlbeskeder være del af arbejdsgangen, så et afvist input ikke stiltiende bliver til en forkert sag.

Kom godt i gang ved at vælge ét afgrænset workflow, hvor problemet kan beskrives, måles og kontrolleres. En lille, velafgrænset afprøvning giver bedre læring end at begynde med et bredt løfte om at automatisere hele sagsbehandlingen.

Følg denne syvtrinsmodel. Først kortlæg processen fra hændelse til udfald med medarbejdere, der faktisk arbejder med den. Notér derefter manuelle trin, ventetider, overleveringer og undtagelser. Mål en baseline, så I kender udgangspunktet for behandlingstid, fejl og arbejdsindsats. Skeln så mellem entydige regler og vurderinger, der kræver fortolkning eller ansvar.

Vælg ét workflow med tydelig ejer og afgrænset risiko. Beskriv hvordan regler, AI og menneskelig godkendelse skal indgå, og hvordan systemet stopper ved usikkerhed. Implementér ændringen i kontrollerede rammer, test både normale forløb og undtagelser, og træn de medarbejdere, der skal håndtere eskaleringer. Til sidst sammenlignes resultatet med baseline. Udvid først, når kvaliteten er acceptabel, og driften kan forklare, hvad der virker og hvorfor.

Involver tidligt sagsbehandling, drift, IT, økonomi og relevante compliance-ansvarlige. De ser forskellige dele af processen, og alle kan hjælpe med at finde afhængigheder, som ellers først bliver synlige efter idriftsættelse.

• Kortlæg processen og dens undtagelser.
• Identificér manuelle trin og mål baseline.
• Adskil regler fra vurderinger.
• Vælg ét konkret workflow med en ansvarlig ejer.
• Implementér automatisering og AI med tydelige stopkriterier.
• Test, inddrag brugerne og følg kvaliteten.
• Mål effekten, justér og udvid gradvist.

Mål værdien ved at sammenligne relevante driftsresultater før og efter ændringen, og medtag både effektivitet, kvalitet, økonomi og kundeoplevelse. Automatiseringsgrad er ikke i sig selv et forretningsmål: En høj andel automatiserede trin er kun nyttig, hvis processen også er korrekt, passende og bæredygtig.

Aftal definitioner før målingen. For eksempel bør behandlingstid have et klart start- og sluttidspunkt, og automatiseringsgrad bør skelne mellem fuldt automatisk behandling og trin, der blot er klargjort til medarbejderen. Sammenlign ensartede sagsgrupper, og vær opmærksom på sæson, ændringer i porteføljesammensætning og andre forhold, der kan påvirke tallene. Brug målene til at stille spørgsmål, ikke til at antage at automation alene skabte en ændring.

Udviklingen går typisk fra manuel sagsbehandling til digital sagsbehandling, videre til workflow-automatisering og derefter intelligent automation, hvor systemet også kan hjælpe med at fortolke oplysninger og foreslå næste skridt. Målet er ikke et system, der træffer alle beslutninger, men et system, der gør arbejdet lettere at drive og kontrollere.

I en manuel model skal medarbejderen selv finde data, vælge handling og registrere udfaldet. Et digitalt system gør oplysningerne tilgængelige ét sted, men medarbejderen driver stadig hvert trin. Workflow-automatisering udfører bestemte trin efter regler. Intelligent automation kan desuden hjælpe med at forstå en henvendelse eller prioritere en opgave, hvorefter mennesker fortsat håndterer vurderinger og undtagelser.

Forskellen mellem et system, medarbejderen arbejder i, og et system, der hjælper med at drive arbejdet fremad, handler derfor om sammenhæng. Når hændelser, regler, køer og opfølgning hænger sammen, kan medarbejderen fokusere på de sager, hvor indsigt er vigtig. For at det skal fungere i praksis, skal handlinger være sporbare, workflowet kunne ændres kontrolleret, og driftsteamet kunne se, hvor sagerne befinder sig.

1. 01Manuel sagsbehandling
2. 02Digital sagsbehandling
3. 03Workflow-automatisering
4. 04Intelligent automation
5. 05Collections-system, der aktivt hjælper med at drive sagerne fremad

Beskriv input, tilladt handling, ansvarlig ejer og menneskelig vurdering for hver anvendelse. En fast regel kan opdatere status efter en bekræftet hændelse; AI kan klassificere eller foreslå; en følsom beslutning kan kræve godkendelse. Fastlæg forløbet ved manglende data, usikkerhed og integrationsfejl.

Test på almindelige sager og undtagelser før handlinger i drift. Begynd med observation eller en kontrolleret pilot, sammenlign med medarbejdervurderinger, og gennemgå rettigheder, logning og mulighed for at korrigere. Udpeg ansvarlige for godkendelse og overvågning. AI- og persondatakrav afhænger af marked, rolle og anvendelse; få dem vurderet af relevante rådgivere.

Automatiseringsgrad er andelen af de omfattede opgaver, der gennemføres i det aftalte automatiske forløb. Angiv, hvilke opgaver og hvilken periode der indgår. Undtagelsesgrad er andelen, som sendes ud af forløbet. Fejlgrad skal bygge på et defineret kontrolleret udsnit eller alle validerede resultater, ikke alene på fravær af klager.

Mål manuel håndteringstid, omkostning pr. sag, sager pr. medarbejder og tid til løsning mod sammenlignelige porteføljer og et dokumenteret udgangspunkt. Medtag vurdering, genarbejde, integrationer og drift. Ved inddrivelsesmål skal saldo, gruppe og måleperiode være tydelige. En forbedring beviser ikke i sig selv, at AI er årsagen.

• Vælg en afgrænset, gentagelig opgave.
• Kontrollér input og integrationer.
• Afprøv med menneskelig vurdering og acceptkriterier.
• Overvåg fejl, undtagelser og arbejdsbelastning.
• Udvid først, når kontrol og målte resultater understøtter det.

En god tilgang til AI og automatisering i inkasso bygger på fem principper. De hjælper med at holde fokus på driften frem for teknologien og gøre ansvar og kontrol til en del af løsningen fra begyndelsen.

I praksis betyder det, at man kortlægger et konkret forløb, afprøver det på et afgrænset område og lærer af både resultater og undtagelser. Først derefter bør løsningen udvides til flere workflows eller kreditorer. Læs også de to forudgående guides: Sådan vælger du inkassosystem til et nordisk inkassobureau og Sådan skifter et inkassobureau inkassosystem.

• Start med processen — ikke teknologien.
• Automatisér regler og gentagelige aktiviteter.
• Brug AI, hvor forståelse og vurdering skaber værdi.
• Bevar menneskelig kontrol, hvor kontekst og ansvar kræver det.
• Mål forretningsværdi — ikke bare automatiseringsgrad.