Så automatiserar du inkasso med AI

De mest självklara processerna att automatisera är återkommande, regelbaserade och datadrivna aktiviteter som att skapa ärenden, validera data, hantera dokument, klassificera, kommunicera, registrera betalningar och betalningsplaner, följa upp, dirigera ärenden, ändra status och rapportera.

Ett konkret exempel är ett nytt ärende som tas emot i ett standardiserat format. Ett inkassosystem kan kontrollera obligatoriska fält, skapa ärendet, koppla dokumenten till det och tillämpa den överenskomna kreditorskonfigurationen. När en betalning registreras kan en regel uppdatera saldo och status och lägga nästa relevanta åtgärd i kö. Om ett fält saknas eller beloppet inte stämmer bör processen i stället markeras för utredning.

Att automatisera en aktivitet innebär att ett steg utförs utan manuell inmatning. Ett automatiserat arbetsflöde kopplar samman flera steg: en händelse startar processen, regler avgör vad som ska ske och resultatet registreras så att nästa steg kan börja. Skillnaden är viktig. Ett automatiserat meddelande är bara till hjälp om data, tidsplanering, undantag och uppföljning också hänger ihop.

Börja med uppgifter där indata och resultat kan beskrivas tydligt. Dokumentera även undantagen; de utgör ofta en stor del av den faktiska ärendehanteringen och får inte försvinna i en standardprocess.

• Skapa och uppdatera ärenden utifrån godkända dataformat.
• Kontrollera fält, dokument och betalningar mot definierade regler.
• Skicka eller förbered standardkommunikation vid överenskomna tidpunkter.
• Fördela ärenden till relevanta köer, team eller nästa arbetsflöde.
• Registrera status och driftsdata så att medarbetarna kan följa processen.

Traditionell automatisering utför fördefinierade regler, medan AI analyserar data och hittar mönster eller betydelser som inte nödvändigtvis kan beskrivas med en enda enkel regel. Teknikerna löser olika uppgifter och fungerar ofta bäst tillsammans.

Arbetsflödesautomatisering är ett sätt att koppla samman händelser, regler, åtgärder och kontroller i en sammanhängande process. AI, eller artificiell intelligens, är en grupp metoder som kan tolka data, klassificera innehåll eller ta fram förslag med hjälp av modeller. Generativ AI kan bland annat formulera text, men välformulerad text är inte i sig ett bevis på att innehållet är korrekt. Intelligent automatisering beskriver en process där regler och AI används tillsammans och där systemet kan skicka osäkra ärenden eller ärenden som avviker vidare till människor.

Se tabellen som en praktisk tumregel, inte en universell gräns. Samma process kan använda både regler och AI, och även mänsklig bedömning.

AI är särskilt relevant när ett arbetsflöde behöver förstå text eller sammanställa information innan en åtgärd väljs. AI kan bidra till att sortera och prioritera, men bör användas inom tydliga ramar och med lämpliga kontroller.

Det finns sex användningsområden som är värda att undersöka. När inkommande förfrågningar ska förstås kan en modell föreslå om ett meddelande handlar om betalning, dokumentation, en invändning eller en fråga. En medarbetare kan kontrollera klassificeringen, särskilt om den är osäker. Vid dirigering av ärenden kan signaler från meddelandet och ärendet hjälpa till att skicka förfrågan till rätt kö eller medarbetare.

Som beslutsstöd kan AI sammanfatta historik, öppna uppgifter och ny information och föreslå nästa steg. Det kan minska behovet av att leta mellan olika skärmbilder, men förslaget måste kunna kontrolleras. För kommunikation kan generativ AI skapa ett utkast med en definierad ton; medarbetaren eller godkända regler avgör om det får skickas.

Avvikelsedetektering kan uppmärksamma ärenden som inte följer det förväntade mönstret, till exempel återkommande datafel eller ett ovanligt händelseförlopp. En medarbetarassistent kan sammanställa relevant information och peka ut sådant som saknas. I alla exempel bör systemets roll, datagrund, osäkerhet och möjligheten att korrigera resultatet vara tydliga.

• Förstå innehållet i förfrågningar och föreslå en kategori.
• Hjälpa till att dirigera ärenden utifrån ämne och sammanhang.
• Sammanställa information som stöd för nästa åtgärd.
• Förbereda kommunikationsutkast inom godkända ramar.
• Uppmärksamma avvikelser som bör undersökas närmare.
• Ge medarbetaren en samlad överblick över relevant ärendeinformation.

Ett intelligent arbetsflöde för inkasso tar emot en händelse, kompletterar den med relevant ärendekontext, tillämpar tydliga regler och använder AI endast där tolkning tillför något. Därefter utförs en lämplig åtgärd eller ärendet skickas vidare för mänsklig bedömning, och resultatet förs tillbaka till ärendeprocessen.

Tänk på ett inkommande meddelande från en gäldenär. Arbetsflödet kopplar meddelandet till rätt ärende, hämtar relevanta status- och betalningsuppgifter och kontrollerar först kända förhållanden med regler. AI kan sedan föreslå att meddelandet gäller en betalningsplan. Om uppgifterna stämmer överens och processen tillåter det kan systemet förbereda nästa steg. Om meddelandet också innehåller motstridiga uppgifter eller ett oväntat krav bör det skickas till en medarbetare.

Varje steg ska ha en ansvarig ägare och ett förväntat resultat. Definiera vad som räknas som giltig indata, vad som händer när data saknas, hur åtgärder loggas och vem som kan återuppta en stoppad process. Det gör arbetsflödet begripligt för verksamheten och möjligt att testa innan det används för fler ärenden.

1. 01Indata: nytt ärende, betalning eller förfrågan
2. 02Data och sammanhang: hitta ärende, historik och relevant information
3. 03Regler: validera data och tillämpa överenskomna processkrav
4. 04AI-bedömning: tolka eller sammanfatta där det är användbart
5. 05Nästa åtgärd: välj ett tillåtet steg eller markera osäkerhet
6. 06Utförande eller mänsklig bedömning
7. 07Resultat: registrera händelse, beslut och utfall
8. 08Nästa arbetsflöde: fortsätt, invänta eller eskalera

Human-in-the-loop innebär att människor deltar i en automatiserad process i de steg där deras bedömning behövs. AI kan analysera och föreslå, men medarbetaren eller en godkänd process ansvarar för att välja åtgärd när uppgiften kräver det.

En praktisk modell har tre nivåer. Nivån bör fastställas för den enskilda processen utifrån risk, lagstiftning, datakvalitet och företagets egna kontroller. Det är inte en permanent bedömning av ett helt ärende; samma ärende kan flyttas mellan nivåer när ny information tillkommer.

Automatisering kräver också tydliga gränser. Låt inte en process fortsätta automatiskt när data är ofullständiga, uppgifter är motstridiga, beslutsunderlaget är otillräckligt eller konsekvensen för gäldenären kräver en bedömning som systemet inte är utformat för.

Komplicerade eller ovanliga ärenden, juridiska bedömningar och konflikter bör i regel bedömas av relevanta yrkespersoner. Det gäller också ärenden där en åtgärd kan få stor betydelse och den specifika situationen inte omfattas av en godkänd och testad regel. Den slutliga avgränsningen bör fastställas tillsammans med de ansvariga för verksamhet, regelefterlevnad och juridiska frågor på de marknader där företaget är verksamt.

En användbar designprincip är ”stop and escalate”: Om en kontroll misslyckas, AI-signalen är oklar eller ett ovanligt förhållande upptäcks stoppar arbetsflödet och skickar ärendet vidare. Eskaleringen bör innehålla orsaken, den information medarbetaren behöver och en tydlig väg tillbaka till processen när frågan har utretts. Att stoppa är inte ett fel i automatiseringen, utan ett avsett säkerhetsbeteende.

• Komplicerade eller ovanliga processer som ligger utanför testade regler.
• Juridiska bedömningar och olösta konflikter.
• Ärenden med ofullständiga eller motstridiga uppgifter.
• Åtgärder med betydande konsekvenser när underlaget är osäkert.
• Alla situationer där systemet inte kan förklara varför det fortsätter.

Ett inkassobolag kan ha fordringsägare med olika regler, processer, integrationer, dokumentkrav, kommunikationsflöden, segment och lokala krav. En gemensam plattform bör därför kunna rymma gemensamma driftsprinciper och samtidigt bevara de skillnader som behövs för varje fordringsägare.

En användbar modell är en gemensam plattform, konfigurerbara arbetsflöden och fordringsägarspecifika regler. Gemensamma delar kan omfatta datamodeller, överblick och kontroller. Själva arbetsflödet kan anpassas och regler kan knytas till relevant fordringsägare eller portfölj. Det gör det möjligt att återanvända beprövade steg utan att kopiera en kunds särskilda process till alla andra.

Standardisering är inte detsamma som likriktning. Standardisera det som bör vara konsekvent, till exempel ansvar, dokumentation och felhantering. Gör variationer synliga och möjliga att styra i stället för att dölja dem i manuella anteckningar eller parallella kalkylblad. När regler ändras ska det vara tydligt vem som har godkänt ändringen, vilka ärenden den gäller och hur den testas.

Bedöm också integrationernas roll. Om fordringsägarens data kommer i olika format bör validering och felmeddelanden vara en del av arbetsflödet, så att en avvisad indata inte i tysthet blir ett felaktigt ärende.

Kom igång genom att välja ett avgränsat arbetsflöde där problemet kan beskrivas, mätas och kontrolleras. Ett litet och väl avgränsat försök ger bättre lärdomar än att börja med ett brett löfte om att automatisera hela ärendehanteringen.

Följ den här modellen i sju steg. Kartlägg först processen från händelse till utfall tillsammans med medarbetare som faktiskt arbetar med den. Anteckna sedan manuella steg, väntetider, överlämningar och undantag. Mät ett utgångsvärde så att ni känner till nuläget för handläggningstid, fel och arbetsinsats. Skilj sedan mellan entydiga regler och bedömningar som kräver tolkning eller ansvar.

Välj ett arbetsflöde med en tydligt ansvarig ägare och avgränsad risk. Beskriv hur regler, AI och mänskligt godkännande ska ingå och hur systemet ska stoppa vid osäkerhet. Genomför förändringen under kontrollerade former, testa både normala processer och undantag och utbilda de medarbetare som ska hantera eskaleringar. Jämför till sist resultatet med utgångsvärdet. Utöka först när kvaliteten är godtagbar och verksamheten kan förklara vad som fungerar och varför.

Involvera tidigt handläggning, drift, IT, ekonomi och relevanta ansvariga för regelefterlevnad. De ser olika delar av processen och kan alla hjälpa till att hitta beroenden som annars kanske blir synliga först efter driftsättningen.

• Kartlägg processen och dess undantag.
• Identifiera manuella steg och mät utgångsvärdet.
• Skilj regler från bedömningar.
• Välj ett konkret arbetsflöde med en ansvarig ägare.
• Inför automatisering och AI med tydliga stoppkriterier.
• Testa, involvera användarna och följ upp kvaliteten.
• Mät effekten, justera och utöka gradvis.

Mät värdet genom att jämföra relevanta driftsresultat före och efter förändringen och inkludera effektivitet, kvalitet, ekonomi och kundupplevelse. Automatiseringsgrad är inte i sig ett affärsmål: En hög andel automatiserade steg är bara värdefull om processen också är korrekt, lämplig och hållbar.

Kom överens om definitioner före mätningen. Handläggningstid bör till exempel ha en tydlig start- och sluttid, och automatiseringsgrad bör skilja mellan helt automatisk hantering och steg som bara förberetts för medarbetaren. Jämför likartade ärendegrupper och var uppmärksam på säsong, förändringar i portföljsammansättning och andra omständigheter som kan påverka siffrorna. Använd måtten för att ställa frågor, inte för att anta att automatiseringen ensam orsakade en förändring.

Utvecklingen går ofta från manuell ärendehantering till digital ärendehantering, vidare till arbetsflödesautomatisering och därefter intelligent automatisering, där systemet också kan bidra till att tolka information och föreslå nästa steg. Målet är inte ett system som fattar alla beslut, utan ett system som gör arbetet lättare att driva och kontrollera.

I en manuell modell måste medarbetaren själv hitta data, välja åtgärd och registrera utfallet. Ett digitalt system gör informationen tillgänglig på ett ställe, men medarbetaren driver fortfarande varje steg. Arbetsflödesautomatisering utför vissa steg enligt regler. Intelligent automatisering kan dessutom hjälpa till att förstå en förfrågan eller prioritera en uppgift, medan människor fortfarande hanterar bedömningar och undantag.

Skillnaden mellan ett system som medarbetaren arbetar i och ett system som hjälper till att driva arbetet framåt handlar därför om sammanhang. När händelser, regler, köer och uppföljning hänger ihop kan medarbetaren fokusera på ärenden där insikt är viktig. För att det ska fungera i praktiken måste åtgärder vara spårbara, arbetsflödet kunna ändras under kontrollerade former och driftteamet kunna se var ärendena befinner sig.

1. 01Manuell ärendehantering
2. 02Digital ärendehantering
3. 03Arbetsflödesautomatisering
4. 04Intelligent automatisering
5. 05Inkassosystem som aktivt hjälper till att driva ärendena framåt

Beskriv indata, tillåten åtgärd, ansvarig ägare och mänsklig granskning för varje användningsfall. En fast regel kan uppdatera status efter en bekräftad händelse; AI kan klassificera eller föreslå; ett känsligt beslut kan kräva godkännande. Bestäm hanteringen av saknade data, osäkerhet och integrationsfel.

Testa vanliga ärenden och avvikelser innan lösningen får utföra åtgärder i drift. Börja med observation eller en kontrollerad pilot, jämför med handläggarnas bedömningar och granska behörigheter, loggning och rättelsemöjligheter. Utse ansvariga för godkännande och övervakning. AI- och dataskyddskrav beror på marknad, roll och användning; bedöm dem med relevanta rådgivare.

Automatiseringsgrad är andelen av de avgränsade uppgifterna som slutförs i det överenskomna automatiska flödet. Ange vilka uppgifter och vilken period som ingår. Avvikelsegrad är andelen som lämnar flödet. Felgrad ska bygga på ett definierat granskat urval eller alla validerade utfall, inte bara på att klagomål saknas.

Mät manuell handläggningstid, kostnad per ärende, ärenden per medarbetare och tid till lösning mot jämförbara portföljer och ett dokumenterat nuläge. Ta med granskning, omarbete, integrationer och drift. Indrivningsmått behöver tydligt saldo, urval och period. En förbättring visar inte ensam att AI är orsaken.

• Välj en avgränsad och återkommande uppgift.
• Validera indata och integrationer.
• Pröva med mänsklig granskning och acceptanskriterier.
• Övervaka fel, avvikelser och arbetsbelastning.
• Utöka först när kontroll och mätresultat ger stöd för det.

Ett bra arbetssätt för AI och automatisering inom inkasso bygger på fem principer. De hjälper till att hålla fokus på verksamheten snarare än tekniken och gör ansvar och kontroll till en del av lösningen från början.

I praktiken innebär det att kartlägga en konkret process, prova den i avgränsad skala och dra lärdom av både resultat och undantag. Först därefter bör lösningen utökas till fler arbetsflöden eller fordringsägare. Läs också de två föregående guiderna: Så väljer du inkassosystem för ett nordiskt inkassobolag och Så byter ett inkassobolag inkassosystem.

• Börja med processen — inte tekniken.
• Automatisera regler och återkommande aktiviteter.
• Använd AI där förståelse och bedömning skapar värde.
• Behåll mänsklig kontroll där sammanhang och ansvar kräver det.
• Mät affärsvärde — inte bara automatiseringsgrad.