InformedIQ automatiserar verifieringar för Origences automatiska utlåning med hjälp av maskininlärning

Det här inlägget skrevs tillsammans med Robert Berger och Adine Deford från InformedIQ.

InformedIQ är ledaren inom AI-baserad programvara som används av landets största finansinstitut för att automatisera verifieringar av lånebearbetning och konsumentkreditansökningar i realtid enligt långivarnas policy. De förbättrar regelefterlevnaden, minskar kostnaderna och ökar noggrannheten genom att minska antalet mänskliga fel som orsakas av uppgifternas repetitiva karaktär. Informerat samarbetat med Ursprung (landets ledande leverantör av utlåningsteknologiska lösningar och tjänster för 1,130 64 kreditföreningar som betjänar över 15,000 miljoner medlemmar) för att driva Origences dokumentprocessautomatiseringsfunktion för indirekt utlåning för att automatiskt identifiera dokument och validera finansieringspolicyer, skapa en bättre kreditförenings- och återförsäljarupplevelse för deras nätverk av över 110 8 återförsäljare. Hittills har 10 miljarder dollar i billån härrört från Informeds automatisering, vilket är XNUMX % av alla amerikanska billån. Sex av de tio största konsumentlångivarna litar på Informeds teknologi.

I det här inlägget lär vi oss om utmaningarna och hur maskininlärning (ML) löste problemen.

Problem uttalande

Manuell behandling av låneverifieringsdokument är tidskrävande. Verifieringen inkluderar konsumentkrav som bevis på bosättning, identitet, försäkring och inkomst. Det kan vara benäget att göra mänskliga fel på grund av uppgifternas repetitiva karaktär.

Med ML och automation kan Informed tillhandahålla en mjukvarulösning som är tillgänglig 24/7, över helgdagar och helger. Lösningen fungerar exakt utan medveten eller omedveten fördom för att beräkna och rensa bestämmelser på under 30 sekunder, jämfört med ett genomsnitt på 7 dagar för låneverifieringar, med 99 % noggrannhet.

Lösningsöversikt

Informed använder ett brett utbud av AWS-erbjudanden och funktioner, inklusive Amazon SageMaker och amazontext i sin ML-stack för att driva Origences funktion för automatisering av dokumentprocesser. Lösningen extraherar automatiskt data och klassificerar dokument (till exempel körkort, lönekort, W2-formulär eller kontoutdrag), och tillhandahåller de obligatoriska fälten för konsumentverifieringarna som används för att avgöra om långivaren kommer att bevilja lånet. Genom noggranna inkomstberäkningar och validering av sökandedata, lånedokument och dokumenterad klassificering behandlas lånen snabbare och mer exakt, med minskade mänskliga fel och bedrägerierisker och ökad operativ effektivitet. Detta hjälper till att skapa en bättre konsument-, kreditförenings- och återförsäljarupplevelse.

För att klassificera och extrahera information som behövs för att validera information i enlighet med en uppsättning konfigurerbara finansieringsregler, använder Informed en rad proprietära regler och heuristik, textbaserade neurala nätverk och bildbaserade djupneurala nätverk, inklusive Amazon Textract OCR via DetectDocumentText API och andra statistiska modeller. Informed API-modellen kan delas upp i fem funktionssteg, som visas i följande diagram: bildbehandling, klassificering, beräkningar av bildfunktioner, extraheringar och verifieringsregler, innan beslutet bestäms.

Givet en sekvens av sidor för olika dokumenttyper (kontoutdrag, körkort, lönekort, SSI-utmärkelsebrev och så vidare), utför bildbehandlingssteget de nödvändiga bildförbättringarna för varje sida och anropar flera API:er, inklusive Amazon Textract OCR för bild till textkonvertering. Resten av bearbetningsstegen använder OCR-texten som erhålls från bildbehandlingen och bilden för varje sida.

Viktiga fördelar

Informed tillhandahåller lösningar till billånebranschen som minskar manuella processer, stödjer efterlevnad och kvalitet, minskar risker och ger betydande kostnadsbesparingar för sina kunder. Låt oss dyka in i två huvudsakliga fördelar med lösningen.

Automatisering i stor skala med effektivitet

Antagandet av AWS Cloud-tekniker och -funktioner har hjälpt Informed att ta itu med ett bredare utbud av dokumenttyper och ta med nya partners. Informed har utvecklat integrerade, AI/ML-aktiverade lösningar och strävar kontinuerligt efter innovation för att bättre betjäna kunderna.

Nästan hela Informed SaaS-tjänsten är värd och aktiveras av AWS-tjänster. Informed kan avlasta de odifferentierade tunga lyften för skalbar infrastruktur och fokusera på sina affärsmål. Deras arkitektur inkluderar lastbalanserare, Amazon API Gateway, Amazon Elastic Container Service (Amazon ECS) behållare, serverlösa AWS Lambda, Amazon DynamoDBoch Amazon Relational Databas Service (Amazon RDS), förutom ML-teknologier som Amazon Textract och SageMaker.

Minska kostnaden för dokumentutvinning

Informed använder nya funktioner från Amazon Textract för att förbättra noggrannheten vid datautvinning från dokument som kontoutdrag och lönekort. Amazon Textract är en AI/ML-tjänst som automatiskt extraherar text, handskrift och andra former av metadata från skannade dokument, formulär och tabeller på ett sätt som gör ytterligare ML-bearbetning mer effektiv och korrekt. Informed använder AWS Textract OCR och Analyze Document API för både tabeller och formulär som en del av verifieringsprocessen. Informeds modelleringsmotor för artificiell intelligens utför komplexa beräkningar, säkerställer noggrannhet, identifierar utelämnanden och bekämpar bedrägerier. Med AWS fortsätter de att förbättra lösningens noggrannhet och snabbhet, vilket hjälper långivare att bli mer effektiva genom att sänka kostnaderna för lånehantering och minska tiden att bearbeta och finansiera. Med en noggrannhetsgrad på 99 % för fältförutsägelser kan återförsäljare och kreditföreningar nu fokusera mindre på att samla in och validera data och mer på att utveckla starka kundrelationer.

"Att samarbeta med Informed.IQ för att integrera deras ledande AI-baserade teknik gör att vi kan förbättra våra lånesystems kapacitet och prestanda, vilket ytterligare effektiviserar den övergripande låneprocessen för våra kreditföreningar och deras medlemmar"

– Brian Hendricks, Chief Product Officer på Origence.

Slutsats

Informed förbättrar ständigt noggrannheten, effektiviteten och bredden i sina automatiserade verifieringar av lånedokument. Denna lösning kan gynna alla utlåningsdokumentverifieringsprocesser som personliga lån och studielån, HELOCs och powersports. Antagandet av AWS Cloud-teknologier och -funktioner har hjälpt Informed att hantera den växande komplexiteten i låneprocessen och förbättra återförsäljarens och kundupplevelsen. Med AWS fortsätter företaget att lägga till förbättringar som hjälper långivare att bli mer effektiva, sänka lånekostnader och tillhandahålla serverlös datoranvändning.

Nu när du har lärt dig om hur ML och automation kan lösa processen för verifiering av lånedokument, kan du börja använda Amazon Textract. Du kan också prova intelligent dokumentbehandling verkstäder. Besök Automatiserad databehandling från dokument för att lära dig mer om referensarkitekturer, kodexempel, industrianvändningsfall, blogginlägg och mer.

---

Om författarna

Robert Berger är chefsarkitekt på InformedIQ. Han leder omvandlingen av InformedIQ SaaS till en komplett serverlös mikrotjänstarkitektur som utnyttjar AWS Cloud, DevOps och dataorienterad programmering. Rektor eller grundare i flera andra start-ups inklusive InterNex, MetroFi, UltraDevices, Runa, Mist Systems och Omnyway.

Adine Deford är marknadschef på Informed.IQ. Hon har mer än 25 års erfarenhet av teknikmarknadsföring som betjänar branschledare, marknadsföringsbyråer i världsklass och nystartade teknikföretag.

Jessica Oliveira är en Account Manager på AWS som ger vägledning och support till SMB-kunder i norra Kalifornien. Hon brinner för att bygga strategiska samarbeten för att säkerställa sin kunds framgång. Utanför jobbet tycker hon om att resa, lära sig om olika språk och kulturer och umgås med sin familj.

Malini Chatterjee är Senior Solutions Architect på AWS. Hon ger vägledning till AWS-kunder om deras arbetsbelastning inom en mängd olika AWS-tekniker. Hon tillför en bredd av expertis inom dataanalys och maskininlärning. Innan hon började på AWS byggde hon datalösningar inom finansiella industrier. Hon är mycket intresserad av Amazon Future Engineer-programmet som gör det möjligt för barn i mellanstadiet och gymnasiet att se konsten att vara möjlig i STEM. Hon brinner mycket för semi-klassisk dans och uppträder i samhällsevenemang. Hon älskar att resa och umgås med sin familj.