이 게시물은 InformedIQ의 Robert Berger 및 Adine Deford와 공동으로 작성되었습니다.
InformedIQ 대출 처리 검증 및 소비자 신용 신청을 대출 기관의 정책에 따라 실시간으로 자동화하기 위해 국내 최대 금융 기관에서 사용하는 AI 기반 소프트웨어의 선두 주자입니다. 반복적인 작업 특성으로 인해 발생하는 인적 오류율을 줄여 규정 준수를 개선하고 비용을 절감하며 정확성을 높입니다. 정보 제공 파트너 오리진스 (1,130만 이상의 회원에게 서비스를 제공하는 64개의 신용 조합을 위한 국내 최고의 대출 기술 솔루션 및 서비스 제공업체) 간접 대출을 위한 Origence의 문서 프로세스 자동화 기능을 강화하여 문서를 자동으로 식별하고 금융 정책을 검증하여 네트워크에 더 나은 신용 조합 및 딜러 경험을 제공합니다. 15,000개 이상의 딜러 중 현재까지 110억 달러의 자동차 대출이 Informed의 자동화에서 비롯되었으며 이는 미국 전체 자동차 대출의 8%입니다. 상위 10대 소비자 대출 기관 중 XNUMX곳이 Informed의 기술을 신뢰합니다.
이 게시물에서는 직면한 문제와 머신 러닝(ML)이 문제를 해결한 방법에 대해 알아봅니다.
문제 설명
수동 대출 확인 문서 처리는 시간이 많이 걸립니다. 확인에는 거주지 증명, 신원, 보험 및 소득과 같은 소비자 규정이 포함됩니다. 작업의 반복적인 특성으로 인해 인적 오류가 발생하기 쉽습니다.
ML 및 자동화를 통해 Informed는 휴일과 주말에 연중무휴로 사용할 수 있는 소프트웨어 솔루션을 제공할 수 있습니다. 이 솔루션은 의식적 또는 무의식적 편견 없이 정확하게 작동하여 24초 이내에 약정을 계산하고 지우지만, 대출 확인에는 평균 7일이 소요되며 정확도는 30%입니다.
솔루션 개요
Informed는 다음을 포함한 다양한 AWS 제품 및 기능을 사용합니다. 아마존 세이지 메이커 와 아마존 텍사스 Origence의 문서 프로세스 자동화 기능을 강화하기 위해 ML 스택에 있습니다. 이 솔루션은 자동으로 데이터를 추출하고 문서(예: 운전 면허증, 급여 명세서, W2 양식 또는 은행 거래 내역서)를 분류하여 대출 기관이 대출을 승인할지 결정하는 데 사용되는 소비자 확인에 필요한 필드를 제공합니다. 정확한 소득 계산 및 신청자 데이터 검증, 대출 문서, 문서화된 분류를 통해 인적 오류와 사기 위험을 줄이고 운영 효율성을 높이면서 대출을 더 빠르고 정확하게 처리합니다. 이것은 더 나은 소비자, 신용 조합 및 딜러 경험을 만드는 데 도움이 됩니다.
구성 가능한 자금 조달 규칙 세트에 따라 정보를 검증하는 데 필요한 정보를 분류하고 추출하기 위해 Informed는 일련의 독점 규칙 및 휴리스틱, 텍스트 기반 신경망, 이미지 기반 심층 신경망을 사용합니다. DetectDocumentText API 및 기타 통계 모델. Informed API 모델은 결정을 내리기 전에 이미지 처리, 분류, 이미지 특징 계산, 추출 및 규정 검증 규칙과 같은 XNUMX가지 기능 단계로 나눌 수 있습니다.
다양한 문서 유형(은행 명세서, 운전 면허증, 급여 명세서, SSI 수여서 등)에 대한 일련의 페이지가 주어지면 이미지 처리 단계는 각 페이지에 필요한 이미지 향상을 수행하고 이미지용 Amazon Textract OCR을 비롯한 여러 API를 호출합니다. 텍스트 변환으로. 나머지 처리 단계는 이미지 처리에서 얻은 OCR 텍스트와 각 페이지의 이미지를 사용합니다.
주요 장점
Informed는 수동 프로세스를 줄이고 규정 준수 및 품질을 지원하며 위험을 완화하고 고객에게 상당한 비용 절감을 제공하는 자동차 대출 산업에 솔루션을 제공합니다. 솔루션의 두 가지 주요 이점을 살펴보겠습니다.
효율성을 갖춘 대규모 자동화
AWS 클라우드 기술 및 기능의 채택은 Informed가 더 광범위한 문서 유형을 처리하고 새로운 파트너를 온보딩하는 데 도움이 되었습니다. Informed는 통합된 AI/ML 지원 솔루션을 개발했으며 고객에게 더 나은 서비스를 제공하기 위한 혁신을 위해 지속적으로 노력하고 있습니다.
Informed SaaS 서비스의 거의 전체가 AWS 서비스에서 호스팅되고 활성화됩니다. Informed는 확장 가능한 인프라를 위해 차별화되지 않은 무거운 작업을 덜어주고 비즈니스 목표에 집중할 수 있습니다. 그들의 아키텍처에는 로드 밸런서, 아마존 API 게이트웨이, Amazon 탄력적 컨테이너 서비스 (Amazon ECS) 컨테이너, 서버리스 AWS 람다, 아마존 DynamoDB및 Amazon 관계형 데이터베이스 서비스 (Amazon RDS), Amazon Textract 및 SageMaker와 같은 ML 기술 외에도
문서 추출 비용 절감
Informed는 Amazon Textract의 새로운 기능을 사용하여 은행 거래 명세서 및 급여 명세서와 같은 문서에서 데이터 추출의 정확성을 개선합니다. Amazon Textract는 추가 ML 처리를 보다 효율적이고 정확하게 만드는 방식으로 스캔한 문서, 양식 및 테이블에서 텍스트, 필기 및 기타 형태의 메타데이터를 자동으로 추출하는 AI/ML 서비스입니다. Informed는 검증 프로세스의 일부로 테이블과 양식 모두에 대해 AWS Textract OCR 및 Analyze Document API를 사용합니다. Informed의 인공 지능 모델링 엔진은 복잡한 계산을 수행하여 정확성을 보장하고 누락을 식별하며 사기를 방지합니다. AWS를 사용하여 솔루션의 정확성과 속도를 지속적으로 향상시켜 대출 처리 비용을 낮추고 처리 및 자금 조달 시간을 단축함으로써 대출 기관의 효율성을 높일 수 있습니다. 99%의 현장 예측 정확도를 통해 딜러와 신용 조합은 이제 데이터 수집 및 검증보다 강력한 고객 관계 개발에 집중할 수 있습니다.
"Informed.IQ와 협력하여 선도적인 AI 기반 기술을 통합함으로써 우리는 대출 시스템의 기능과 성능을 향상시키고 신용 조합 및 회원을 위한 전반적인 대출 프로세스를 더욱 간소화할 수 있습니다."
– Brian Hendricks, Origence의 최고 제품 책임자.
결론
Informed는 자동화된 대출 문서 검증의 정확성, 효율성 및 폭을 지속적으로 개선하고 있습니다. 이 솔루션은 개인 및 학자금 대출, HELOC 및 powersports와 같은 대출 문서 확인 프로세스에 도움이 될 수 있습니다. AWS 클라우드 기술 및 기능의 채택은 Informed가 증가하는 대출 프로세스의 복잡성을 해결하고 딜러와 고객 경험을 개선하는 데 도움이 되었습니다. AWS를 통해 회사는 대출 기관의 효율성을 높이고 대출 처리 비용을 낮추며 서버리스 컴퓨팅을 제공하는 데 도움이 되는 개선 사항을 계속 추가하고 있습니다.
ML 및 자동화가 대출 문서 확인 프로세스를 해결하는 방법에 대해 배웠으므로 이제 Amazon Textract 사용을 시작할 수 있습니다. 지능형 문서 처리를 시도할 수도 있습니다. 워크샵. 방문 문서에서 자동화된 데이터 처리 참조 아키텍처, 코드 샘플, 업계 사용 사례, 블로그 게시물 등에 대해 자세히 알아보세요.
저자 소개
로버트 버거 InformedIQ의 수석 설계자입니다. 그는 InformedIQ SaaS를 AWS 클라우드, DevOps 및 데이터 지향 프로그래밍을 활용하는 완전한 서버리스 마이크로서비스 아키텍처로의 전환을 주도하고 있습니다. InterNex, MetroFi, UltraDevices, Runa, Mist Systems 및 Omnyway를 포함한 여러 다른 신생 기업의 교장 또는 설립자입니다.
아딘 데포드 Informed.IQ의 마케팅 부사장입니다. 그녀는 업계 리더, 세계적 수준의 마케팅 대행사 및 기술 신생 기업에 서비스를 제공하는 25년 이상의 기술 마케팅 경험을 가지고 있습니다.
제시카 올리베이라 북부 캘리포니아의 SMB 고객에게 지침과 지원을 제공하는 AWS의 계정 관리자입니다. 그녀는 고객의 성공을 보장하기 위해 전략적 협업을 구축하는 데 열정적입니다. 직장 밖에서 그녀는 여행, 다른 언어와 문화에 대해 배우고 가족과 함께 시간을 보내는 것을 즐깁니다.
말리니 채터지 AWS의 수석 솔루션 아키텍트입니다. 그녀는 AWS 고객에게 다양한 AWS 기술의 워크로드에 대한 지침을 제공합니다. 그녀는 데이터 분석 및 기계 학습에 대한 광범위한 전문 지식을 제공합니다. AWS에 합류하기 전에 그녀는 금융 산업에서 데이터 솔루션을 설계했습니다. 그녀는 중학생, 고등학생이 STEM에서 가능성의 예술을 볼 수 있도록 하는 Amazon Future Engineer 프로그램에 매우 관심이 있습니다. 그녀는 세미 클래식 댄스에 매우 열정적이며 지역 사회 행사에서 공연합니다. 그녀는 여행을 좋아하고 가족과 함께 시간을 보내는 것을 좋아합니다.
