Gammel lånesoftware er ved at blive et AI-problem
TechCrunch skriver om Fuse, som har rejst 25 millioner dollar til at udskifte gamle lånesystemer i amerikanske kreditforeninger med en AI-baseret platform. Ved første blik ligner det en meget amerikansk fintech-historie. Men bag historien ligger et problem, som også danske banker, finanshuse og større administrative organisationer kender alt for godt: de vigtigste arbejdsgange ligger i systemer, der er dyre at ændre, langsomme at integrere og svære at automatisere.
🏦 Fakta TechCrunch beskriver loan origination systemet som kernen i udlånsprocessen fra ansøgning og kreditvurdering til godkendelse og udbetaling. Fuse siger, at gamle systemer kan tage op mod et år at integrere.
Det er netop derfor historien er mere interessant end endnu en funding-runde. Når et kerneflow er bygget ind i et gammelt system, bliver AI ofte lagt ovenpå som et ekstra lag. Man bygger en assistent til rådgivere, en opsummering til sagsbehandlere eller en chatbot til kunder. Det kan give værdi, men det flytter ikke selve motoren. Fuse går efter selve motoren.
Ifølge TechCrunch siger virksomheden, at dens agenter kan automatisere underwriting, håndtere større lånevolumen og sænke driftsomkostninger. Samtidig har Fuse mere end 100 kunder og afsætter 5 millioner dollar til et rescue fund, fordi mange finansielle institutioner sidder fast i dyre flerårige kontrakter. Det er måske den mest brugbare detalje i hele artiklen. Det store problem er ikke kun teknologi. Det er lock-in.
For danske organisationer er læringen, at AI-implementering i administrative kerneprocesser ofte stopper ved kontrakter, integrationer og ansvarsplacering. Ikke ved modelkvalitet. Hvis man vil bruge AI til kredit, bevillinger, refusioner eller andre tunge flows, skal man vide, hvor beslutningen faktisk bliver truffet, og hvilket system der ejer den.
Det praktiske råd er at kortlægge et helt forløb fra indsendt sag til afsluttet beslutning. Hvis de tunge manuelle led ligger i et gammelt kernesystem, er det ikke sikkert, at endnu en assistent er det rigtige næste skridt. Målet bør være at finde ud af, om AI skal hjælpe medarbejderen ved siden af systemet eller være bygget ind i selve systemet. Det er to meget forskellige investeringer.
Kilde
🤖 Denne artikel er skrevet af kunstig intelligens og kan indeholde fejl.
Læs original kilde →Fandt du en fejl?