InformedIQ automatiserer verifikationer for Origences autoudlån ved hjælp af maskinlæring

Dette indlæg blev skrevet sammen med Robert Berger og Adine Deford fra InformedIQ.

InformeretIQ er førende inden for AI-baseret software, der bruges af landets største finansielle institutioner til at automatisere lånebehandlingsverifikationer og forbrugerkreditansøgninger i realtid i henhold til långivernes politikker. De forbedrer overholdelse af lovgivningen, reducerer omkostningerne og øger nøjagtigheden ved at reducere antallet af menneskelige fejl, som skyldes opgavers gentagne karakter. Informeret samarbejdet med Oprindelse (landets førende udbyder af udlånsteknologiløsninger og serviceydelser til 1,130 kreditforeninger, der betjener over 64 millioner medlemmer) for at drive Origences dokumentprocesautomatiseringsfunktion til indirekte udlån til automatisk at identificere dokumenter og validere finansieringspolitikker, hvilket skaber en bedre kreditforenings- og forhandleroplevelse for deres netværk af over 15,000 forhandlere. Til dato er 110 milliarder dollars i autolån opstået med Informeds automatisering, hvilket er 8 % af alle amerikanske autolån. Seks af de 10 bedste forbrugerlångivere har tillid til Informeds teknologi.

I dette indlæg lærer vi om udfordringerne, og hvordan maskinlæring (ML) løste problemerne.

Problemformulering

Manuel behandling af låneverifikationsdokumenter er tidskrævende. Verifikationen omfatter forbrugerbestemmelser som bevis for bopæl, identitet, forsikring og indkomst. Det kan være tilbøjeligt til menneskelige fejl på grund af opgavers gentagne karakter.

Med ML og automatisering kan Informed levere en softwareløsning, der er tilgængelig 24/7, over helligdage og weekender. Løsningen fungerer præcist uden bevidst eller ubevidst skævhed til at beregne og slette betingelser på under 30 sekunder, i forhold til et gennemsnit på 7 dage for låneverifikationer, med 99 % nøjagtighed.

Løsningsoversigt

Informed bruger en bred vifte af AWS-tilbud og muligheder, herunder Amazon SageMaker , amazontekst i deres ML-stak for at drive Origences dokumentprocesautomatiseringsfunktionalitet. Løsningen udtrækker automatisk data og klassificerer dokumenter (f.eks. kørekort, lønseddel, W2-formular eller kontoudtog), og giver de påkrævede felter til forbrugerbekræftelser, der bruges til at afgøre, om långiveren vil bevilge lånet. Gennem nøjagtige indkomstberegninger og validering af ansøgerdata, lånedokumenter og dokumenteret klassificering behandles lån hurtigere og mere præcist, med reduceret menneskelige fejl og risiko for svindel og øget operationel effektivitet. Dette hjælper med at skabe en bedre forbruger-, kreditforenings- og forhandleroplevelse.

For at klassificere og udtrække information, der er nødvendig for at validere information i overensstemmelse med et sæt konfigurerbare finansieringsregler, bruger Informed en række proprietære regler og heuristik, tekstbaserede neurale netværk og billedbaserede dybe neurale netværk, inklusive Amazon Textract OCR via DetectDocumentText API og andre statistiske modeller. Informed API-modellen kan opdeles i fem funktionelle trin, som vist i følgende diagram: billedbehandling, klassificering, billedfunktionsberegninger, ekstraktioner og regler for verifikation af bestemmelser, før beslutningen bestemmes.

Givet en sekvens af sider for forskellige dokumenttyper (kontoudtog, kørekort, lønseddel, SSI-tildelingsbrev og så videre), udfører billedbehandlingstrinnet de nødvendige billedforbedringer for hver side og påberåber sig flere API'er, inklusive Amazon Textract OCR for billede til tekstkonvertering. Resten af ​​bearbejdningstrinene bruger OCR-teksten fra billedbehandlingen og billedet for hver side.

Vigtigste fordele

Informed leverer løsninger til billånindustrien, der reducerer manuelle processer, understøtter overholdelse og kvalitet, mindsker risikoen og leverer betydelige omkostningsbesparelser til deres kunder. Lad os dykke ned i to hovedfordele ved løsningen.

Automatisering i stor skala med effektivitet

Indførelsen af ​​AWS Cloud-teknologier og -funktioner har hjulpet Informed med at adressere en bredere vifte af dokumenttyper og integrere nye partnere. Informed har udviklet integrerede, AI/ML-aktiverede løsninger og stræber løbende efter innovation for bedre at kunne betjene kunderne.

Næsten hele Informed SaaS-tjenesten hostes og aktiveres af AWS-tjenester. Informed er i stand til at aflaste de udifferentierede tunge løft til skalerbar infrastruktur og fokusere på deres forretningsmål. Deres arkitektur inkluderer belastningsbalancere, Amazon API Gateway, Amazon Elastic Container Service (Amazon ECS) containere, serverløse AWS Lambda, Amazon DynamoDBog Amazon Relationel Database Service (Amazon RDS), foruden ML-teknologier som Amazon Textract og SageMaker.

Reduktion af omkostningerne ved dokumentudtrækning

Informed bruger nye funktioner fra Amazon Textract til at forbedre nøjagtigheden af ​​dataudtræk fra dokumenter såsom kontoudtog og lønsedler. Amazon Textract er en AI/ML-tjeneste, der automatisk udtrækker tekst, håndskrift og andre former for metadata fra scannede dokumenter, formularer og tabeller på måder, der gør yderligere ML-behandling mere effektiv og nøjagtig. Informed bruger AWS Textract OCR og Analyze Document API'er til både tabeller og formularer som en del af verifikationsprocessen. Informeds kunstige intelligens-modelleringsmotor udfører komplekse beregninger, sikrer nøjagtighed, identificerer udeladelser og bekæmper svindel. Med AWS fortsætter de med at fremme nøjagtigheden og hastigheden af ​​løsningen, og hjælper långivere med at blive mere effektive ved at sænke omkostningerne til lånebehandling og reducere tid til behandling og finansiering. Med en nøjagtighed på 99 % for feltforudsigelser kan forhandlere og kreditforeninger nu fokusere mindre på at indsamle og validere data og mere på at udvikle stærke kunderelationer.

"Samarbejde med Informed.IQ for at integrere deres førende AI-baserede teknologi giver os mulighed for at fremme vores lånesystemers muligheder og ydeevne, hvilket yderligere strømliner den samlede låneproces for vores kreditforeninger og deres medlemmer"

– Brian Hendricks, Chief Product Officer hos Origence.

Konklusion

Informed forbedrer konstant nøjagtigheden, effektiviteten og bredden af ​​deres automatiske lånedokumentverifikationer. Denne løsning kan være til gavn for enhver proces til verificering af udlånsdokumenter, såsom personlige lån og studielån, HELOC'er og powersports. Indførelsen af ​​AWS Cloud-teknologier og -kapaciteter har hjulpet Informed med at håndtere den voksende kompleksitet i udlånsprocessen og forbedre forhandlerens og kundeoplevelsen. Med AWS fortsætter virksomheden med at tilføje forbedringer, der hjælper långivere med at blive mere effektive, sænke omkostningerne til behandling af lån og levere serverløs computing.

Nu hvor du har lært om, hvordan ML og automatisering kan løse processen med verifikation af lånedokumenter, kan du komme i gang med at bruge Amazon Textract. Du kan også prøve intelligent dokumentbehandling workshops. Besøg Automatiseret databehandling fra dokumenter for at lære mere om referencearkitekturer, kodeeksempler, branchebrugssager, blogindlæg og mere.

---

Om forfatterne

Robert Berger er chefarkitekt hos InformedIQ. Han leder transformationen af ​​InformedIQ SaaS til en komplet serverløs mikroservicearkitektur, der udnytter AWS Cloud, DevOps og dataorienteret programmering. Principal eller grundlægger i flere andre start-ups, herunder InterNex, MetroFi, UltraDevices, Runa, Mist Systems og Omnyway.

Adine Deford er VP of Marketing hos Informed.IQ. Hun har mere end 25 års teknologimarkedsføringserfaring med at betjene brancheledere, marketingbureauer i verdensklasse og teknologistart-ups.

Jessica Oliveira er Account Manager hos AWS, der yder vejledning og support til SMB-kunder i det nordlige Californien. Hun brænder for at opbygge strategiske samarbejder for at sikre sin kundes succes. Uden for arbejdet nyder hun at rejse, lære om forskellige sprog og kulturer og tilbringe tid med sin familie.

Malini Chatterjee er Senior Solutions Architect hos AWS. Hun giver vejledning til AWS-kunder om deres arbejdsbelastninger på tværs af en række AWS-teknologier. Hun bringer en bred ekspertise inden for dataanalyse og maskinlæring. Før hun kom til AWS, tegnede hun dataløsninger i finansielle industrier. Hun er meget interesseret i Amazon Future Engineer-programmet, der gør det muligt for gymnasiebørn at se det muliges kunst i STEM. Hun er meget passioneret omkring semi-klassisk dans og optræder i lokale arrangementer. Hun elsker at rejse og tilbringe tid med sin familie.