InformedIQ automatiserer verifikasjoner for Origences automatiske utlån ved hjelp av maskinlæring

Dette innlegget ble skrevet sammen med Robert Berger og Adine Deford fra InformedIQ.

InformertIQ er ledende innen AI-basert programvare som brukes av landets største finansinstitusjoner for å automatisere verifikasjoner av lånebehandling og forbrukerkredittsøknader i sanntid i henhold til långivernes retningslinjer. De forbedrer regeloverholdelse, reduserer kostnadene og øker nøyaktigheten ved å redusere menneskelige feilrater som er forårsaket av oppgavenes repeterende natur. Informert samarbeidet med Opprinnelse (nasjonens ledende leverandør av utlånsteknologiløsninger og tjenester for 1,130 kredittforeninger som betjener over 64 millioner medlemmer) for å drive Origences dokumentprosessautomatiseringsfunksjonalitet for indirekte utlån for å automatisk identifisere dokumenter og validere finansieringspolicyer, og skape en bedre kredittforenings- og forhandleropplevelse for nettverket deres. av over 15,000 110 forhandlere. Til dags dato har 8 milliarder dollar i billån oppstått med Informeds automatisering, som er 10 % av alle amerikanske billån. Seks av de XNUMX beste forbrukerlångiverne stoler på Informeds teknologi.

I dette innlegget lærer vi om utfordringene vi står overfor og hvordan maskinlæring (ML) løste problemene.

Problemstilling

Manuell behandling av låneverifiseringsdokumenter er tidkrevende. Verifikasjonen inkluderer forbrukerbestemmelser som bevis på bosted, identitet, forsikring og inntekt. Det kan være utsatt for menneskelige feil på grunn av oppgavenes repeterende natur.

Med ML og automatisering kan Informed tilby en programvareløsning som er tilgjengelig 24/7, over ferier og helger. Løsningen fungerer nøyaktig uten bevisst eller ubevisst skjevhet for å beregne og fjerne krav på under 30 sekunder, kontra et gjennomsnitt på 7 dager for låneverifikasjoner, med 99 % nøyaktighet.

Løsningsoversikt

Informed bruker et bredt spekter av AWS-tilbud og -funksjoner, inkludert Amazon SageMaker og amazontekst i deres ML-stabel for å drive Origences dokumentprosessautomatiseringsfunksjonalitet. Løsningen trekker automatisk ut data og klassifiserer dokumenter (for eksempel førerkort, lønnsslipp, W2-skjema eller kontoutskrift), og gir de nødvendige feltene for forbrukerverifikasjonene som brukes for å avgjøre om långiveren vil innvilge lånet. Gjennom nøyaktige inntektsberegninger og validering av søkerdata, lånedokumenter og dokumentert klassifisering, behandles lån raskere og mer nøyaktig, med redusert menneskelige feil og svindelrisiko, og økt operasjonell effektivitet. Dette bidrar til å skape en bedre forbruker-, kredittforenings- og forhandleropplevelse.

For å klassifisere og trekke ut informasjon som er nødvendig for å validere informasjon i samsvar med et sett med konfigurerbare finansieringsregler, bruker Informed en rekke proprietære regler og heuristikk, tekstbaserte nevrale nettverk og bildebaserte dypnevrale nettverk, inkludert Amazon Textract OCR via DetectDocumentText API og andre statistiske modeller. Den informerte API-modellen kan deles inn i fem funksjonelle trinn, som vist i følgende diagram: bildebehandling, klassifisering, beregninger av bildefunksjoner, ekstraksjoner og verifiseringsregler før avgjørelsen bestemmes.

Gitt en sekvens av sider for ulike dokumenttyper (kontoutskrift, førerkort, lønnsslipp, SSI-tildelingsbrev og så videre), utfører bildebehandlingstrinnet de nødvendige bildeforbedringene for hver side og påkaller flere APIer, inkludert Amazon Textract OCR for bilde til tekstkonvertering. Resten av behandlingstrinnene bruker OCR-teksten hentet fra bildebehandlingen og bildet for hver side.

Hovedfordeler

Informed leverer løsninger til billånindustrien som reduserer manuelle prosesser, støtter overholdelse og kvalitet, reduserer risiko og gir betydelige kostnadsbesparelser til kundene sine. La oss dykke ned i to hovedfordeler med løsningen.

Automatisering i stor skala med effektivitet

Bruken av AWS Cloud-teknologier og -funksjoner har hjulpet Informed med å adressere et bredere spekter av dokumenttyper og ombord nye partnere. Informed har utviklet integrerte, AI/ML-aktiverte løsninger, og streber kontinuerlig etter innovasjon for bedre å betjene kundene.

Nesten hele Informed SaaS-tjenesten er vert for og aktivert av AWS-tjenester. Informed er i stand til å avlaste de udifferensierte tunge løftene for skalerbar infrastruktur og fokusere på deres forretningsmål. Arkitekturen deres inkluderer lastbalansere, Amazon API-gateway, Amazon Elastic Container Service (Amazon ECS) containere, serverløse AWS Lambda, Amazon DynamoDBog Amazon Relational Database Service (Amazon RDS), i tillegg til ML-teknologier som Amazon Textract og SageMaker.

Reduser kostnadene ved dokumentutvinning

Informed bruker nye funksjoner fra Amazon Textract for å forbedre nøyaktigheten av datautvinning fra dokumenter som kontoutskrifter og lønnsslipper. Amazon Textract er en AI/ML-tjeneste som automatisk trekker ut tekst, håndskrift og andre former for metadata fra skannede dokumenter, skjemaer og tabeller på måter som gjør videre ML-behandling mer effektiv og nøyaktig. Informed bruker AWS Textract OCR og Analyze Document APIer for både tabeller og skjemaer som en del av verifiseringsprosessen. Informeds modelleringsmotor for kunstig intelligens utfører komplekse beregninger, sikrer nøyaktighet, identifiserer utelatelser og bekjemper svindel. Med AWS fortsetter de å fremme nøyaktigheten og hastigheten til løsningen, og hjelper långivere med å bli mer effektive ved å senke behandlingskostnadene for lån og redusere tid til behandling og finansiering. Med en nøyaktighetsgrad på 99 % for feltprediksjon, kan forhandlere og kredittforeninger nå fokusere mindre på å samle inn og validere data og mer på å utvikle sterke kunderelasjoner.

"Samarbeid med Informed.IQ for å integrere deres ledende AI-baserte teknologi gir oss mulighet til å fremme våre lånesystemers evner og ytelse, og strømlinjeforme den generelle låneprosessen ytterligere for våre kredittforeninger og deres medlemmer"

– Brian Hendricks, Chief Product Officer i Origence.

konklusjonen

Informed forbedrer kontinuerlig nøyaktigheten, effektiviteten og bredden i deres automatiserte lånedokumentverifikasjoner. Denne løsningen kan være til nytte for alle utlånsdokumentverifiseringsprosesser som personlige lån og studielån, HELOCs og powersports. Bruken av AWS Cloud-teknologier og -funksjoner har hjulpet Informed med å håndtere den økende kompleksiteten i utlånsprosessen og forbedre forhandler- og kundeopplevelsen. Med AWS fortsetter selskapet å legge til forbedringer som hjelper långivere til å bli mer effektive, redusere kostnadene for lånebehandling og gi serverløs databehandling.

Nå som du har lært om hvordan ML og automatisering kan løse verifiseringsprosessen for lånedokumenter, kan du begynne å bruke Amazon Textract. Du kan også prøve ut intelligent dokumentbehandling workshops. Besøk Automatisert databehandling fra dokumenter for å lære mer om referansearkitekturer, kodeeksempler, bransjebrukstilfeller, blogginnlegg og mer.

---

Om forfatterne

Robert Berger er sjefsarkitekt i InformedIQ. Han leder transformasjonen av InformedIQ SaaS til en komplett serverløs mikrotjenestearkitektur som utnytter AWS Cloud, DevOps og dataorientert programmering. Rektor eller grunnlegger i flere andre oppstartsbedrifter inkludert InterNex, MetroFi, UltraDevices, Runa, Mist Systems og Omnyway.

Adine Deford er VP of Marketing hos Informed.IQ. Hun har mer enn 25 års erfaring med teknologimarkedsføring som betjener industriledere, markedsføringsbyråer i verdensklasse og teknologistart-ups.

Jessica Oliveira er en Account Manager hos AWS som gir veiledning og støtte til SMB-kunder i Nord-California. Hun brenner for å bygge strategiske samarbeid for å sikre kundens suksess. Utenom jobben liker hun å reise, lære om forskjellige språk og kulturer og tilbringe tid med familien.

Malini Chatterjee er Senior Solutions Architect hos AWS. Hun gir veiledning til AWS-kunder om deres arbeidsbelastninger på tvers av en rekke AWS-teknologier. Hun tilfører en bred kompetanse innen dataanalyse og maskinlæring. Før hun begynte i AWS arkitektet hun dataløsninger i finansnæringer. Hun er veldig interessert i Amazon Future Engineer-programmet som lar ungdomsskolebarn på videregående skole se kunsten til det mulige i STEM. Hun er veldig lidenskapelig opptatt av semi-klassisk dans og opptrer i fellesskapsarrangementer. Hun elsker å reise og tilbringe tid med familien.