Credit Immobilier

Crédit Immobilier: Fonderie AI et partenaire du groupe financier Radius pour l'automatisation des prêts hypothécaires résidentiels – Simulation



<div _ngcontent-c17 = "" innerhtml = "

Des milliers de créneaux commerciaux peuvent tirer parti de l'intelligence artificielle, mais peut-être rien de plus que le traitement des hypothèques résidentielles. Le processus est à présent presque toujours lent, mais la plupart des demandeurs d’hypothèque souhaitent que le processus se déroule beaucoup plus rapidement. Il nécessite énormément d'informations, celles-ci provenant de différentes sources: banques, employeurs, courtiers, évaluateurs, etc. Les coûts sont élevés, il est donc important d'investir dans l'amélioration et de réduire les coûts. .

Je n’ai donc pas été surpris d’apprendre que la société AI Foundry, basée à Boston, était assez avancée dans l’automatisation du processus de prêt hypothécaire d’IA. Steve Butler, un entrepreneur en technologies de série, travaille sur ce problème depuis 2015. Le traitement des hypothèques est un processus riche en documents et, heureusement, AI excelle dans l'extraction d'informations à partir de documents. Cependant, les hypothèques impliquent des milliers de types de documents différents et ont plusieurs supports et formats: papier, fax, électronique, etc.

Il y a quelques années, Butler et ses collègues ont décidé que des modèles d'apprentissage approfondis pourraient être la clé d'une plus grande précision lors de l'extraction d'informations à partir de documents. Ils sont sûrs qu'ils avaient raison sur cette hypothèse, mais la formation de tous les modèles est un peu lourde. Jusqu'à présent, ils peuvent identifier et extraire des informations à partir de 300 types de documents, y compris des estimations de prêt, des coûts de divulgation, des évaluations et des évaluations de W-2, mais Butler aimerait en avoir au moins 600. La formation des modèles pour chaque type nécessite d'importantes quantités de données anonymes, gérées et étiquetées, que AI Foundry reçoit de ses clients. Ils ont quelques centaines de milliers de documents de données de formation, mais il en faut davantage pour maîtriser les autres types de documents.

Le flux de travail et l'analyse des décisions hypothécaires

Les modèles d'apprentissage approfondis consistent principalement à extraire quelques milliers d'éléments de données à partir de documents, mais d'autres aspects du processus de prêt hypothécaire sont davantage axés sur le flux de travail. Lorsqu'un document arrive, il doit être reconnu, marqué comme reçu, soumis à un contrôle de signature, soumis à divers contrôles de conformité et de qualité, et entré dans le système de génération de crédit d'une société de crédit. Les systèmes d'automatisation de processus robotique (RPA) sont parfaits pour ce type de travail, car ils associent un moteur de flux de travail et un utilisateur non humain de multiples systèmes d'information. Il existe de nombreuses branches conditionnelles basées sur les données que la plupart des systèmes RPA commerciaux trouvent difficiles, et c'est pourquoi AI Foundry a développé ses propres fonctionnalités RPA (ainsi que ses interfaces avec d'autres systèmes RPA). La société a déjà mis au point un robot de traitement des prêts et l’obtiendra à terme pour mise en conformité et acceptation.

En moyenne, le traitement et l'approbation d'un prêt hypothécaire prennent aujourd'hui 40 jours, ce qui représente une légère amélioration par rapport à 47 jours auparavant. Le coût moyen par prêt hypothécaire est d’environ 9 000 dollars, dont environ la moitié provient des coûts de main-d’œuvre pour les services administratifs. Butler chez AI Foundry pense pouvoir traiter les prêts hypothécaires en au moins 1 à 2 semaines, moyennant 10% des coûts de back-office de la banque hypothécaire. C’est une proposition sans risque pour les banques proposant des prêts hypothécaires; ils paient avec le prêt à AI Foundry. Comme la demande d’hypothèques est plutôt cyclique, ils ne veulent pas garder les gens proches quand ils ne sont pas nécessaires.

Application des outils de fonderie AI à radius financial group inc.

Radius Financial Group Inc. est un des clients d'AI Foundry, une société de financement hypothécaire petite mais en pleine croissance située au sud de Boston. rayon génère un revenu annuel d’environ 25 millions de dollars et compte 140 employés. Il fournit entre 2500 et 3000 prêts par an. Pour une organisation de cette taille, il adopte de manière très agressive les nouvelles technologies. En plus de AI Foundry pour le traitement des emprunts hypothécaires, il utilise l'intelligence d'affaires, l'automatisation des processus de robot, l'analyse prédictive et d'autres formes d'intelligence artificielle.

Keith Polaski est cofondateur et directeur des opérations de radius; il se concentre sur le traitement des prêts et son partenaire commercial sur l'acquisition de clients. Il a déclaré que la société était le premier client de AI Foundry pour les services bancaires hypothécaires, à compter de juin 2018. "Ce ne sont pas des solutions toutes faites", a-t-il déclaré. «Ils nécessitent beaucoup d’ajustements et d’intégration. Par exemple, nous avons notre propre système RPA. Par conséquent, nous n’utilisons pas AI Foundry. Mais ils sont un partenaire important pour nous et nous migrons vers leur nouvelle plate-forme. "

L'objectif de Radius est de fournir tous ses prêts sans contact humain aux acheteurs de marchés hypothécaires secondaires tels que Fannie Mae ou Freddie Mac. Ils utilisent les possibilités d’AI Foundry pour trois étapes importantes:

– & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; Indexer et classer tous les documents requis

– & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; Extraire des informations des documents

– & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; Approuver le prêt en utilisant des algorithmes d'apprentissage automatique.

Polaski estime qu'AI Foundry a largement contrôlé les deux premières étapes, mais que la troisième – prise de la décision d'hypothèque – continue d'évoluer. Cela s’explique en partie par le fait que Radius a ses propres critères de souscription d’hypothèques et qu’il tente de construire & # 39; & # 39; ce que les autres organismes de financement hypothécaire ne peuvent pas. Cela nécessite un degré élevé d'ajustement des critères d'acceptation dans le système d'IA.

En dépit de cette évolution dans un composant critique du système, radius a considérablement progressé vers l'objectif "aucun contact humain". Ils traitent maintenant plus de 90% de tous les documents via des moteurs IA. Ils ont embauché deux personnes en tant que commerçant pour des exceptions aux prêts – Polaski les appelle "professeurs de machines". – résoudre les problèmes que le système ne peut pas résoudre. Désormais, ils ne sont plus qu’un, car le nombre d’exceptions diminue avec les améliorations apportées au système et aux processus.

Polaski est convaincu que l'approche basée sur l'IA porte déjà ses fruits. Ses deux groupes de travail les plus importants sont les processeurs / analystes de prêts et les assistants des agents de crédit. Les données sur les tâches sur lesquelles ils travaillent suggèrent que 30 à 35% de leur journée de travail a été consacrée à l'indexation et au classement des documents. Après 20 mois d'investissement dans le système d'IA, ils savent combien de personnes ils ont sauvé. En général, ils ont déjà réduit leurs coûts de production des prêts de 70%.

Polaski et son équipe de direction considèrent les options AI et RPA comme leurs "employés numériques". Il travaille main dans la main avec les employés humains et se positionne comme étant concentré sur des tâches subordonnées. Les employés ne sont pas inquiets des pertes d’emplois – on leur a dit qu’ils seront nécessaires à mesure que leur taille grandit – et qu’ils sont la principale source de nouvelles tâches que les robots RPA doivent exécuter. Polaski a déclaré: "Nous sommes en train de refinancer notre croissance et nous avons enregistré une augmentation de volume de 2,5 fois. Pourtant, nous avons perdu deux ETP et pouvons traiter tout cela. L'automatisation nous donne l'élasticité nécessaire à la gestion de notre entreprise à l'échelle. "

Un partenariat entre la fonderie AI et Radius

Polaski a décrit une nouvelle opportunité commerciale que Radius poursuit en collaboration avec AI Foundry. «Nous défendons NewCo – il s'agirait d'un traitement peu intensif de sociétés à forte intensité de documents, telles que le financement hypothécaire et les assurances liées à l'assurance. Nous allons autoriser nos systèmes de flux de travail et de traitement des emprunts. Il s’agit en fait d’externaliser sur des machines, mais tout se fera à terre. "

AI Foundry a des clients plus importants que Radius – leur client moyen traite entre 5 000 et 25 000 prêts par an – mais aucun n’est plus novateur et plus axé sur la croissance. Butler et Polaski estiment tous deux que les possibilités pour AI de stimuler la croissance et la rapidité des prêts hypothécaires et autres domaines similaires sont illimitées.

">

Des milliers de créneaux commerciaux peuvent tirer parti de l'intelligence artificielle, mais peut-être rien de plus que le traitement des hypothèques résidentielles. Le processus est à présent presque toujours lent, mais la plupart des demandeurs d’hypothèque souhaitent que le processus se déroule beaucoup plus rapidement. Il nécessite énormément d'informations, celles-ci provenant de différentes sources: banques, employeurs, courtiers, évaluateurs, etc. Les coûts sont élevés, il est donc important d'investir dans l'amélioration et de réduire les coûts. .

Je n’ai donc pas été surpris d’apprendre que la société AI Foundry, basée à Boston, était assez avancée dans l’automatisation du processus de prêt hypothécaire d’IA. Steve Butler, un entrepreneur en technologies de série, travaille sur ce problème depuis 2015. Le traitement des hypothèques est un processus riche en documents et, heureusement, AI excelle dans l'extraction d'informations à partir de documents. Cependant, les hypothèques impliquent des milliers de types de documents différents et ont plusieurs supports et formats: papier, fax, électronique, etc.

Il y a quelques années, Butler et ses collègues ont décidé que des modèles d'apprentissage approfondis pourraient être la clé d'une plus grande précision lors de l'extraction d'informations à partir de documents. Ils sont sûrs qu'ils avaient raison sur cette hypothèse, mais la formation de tous les modèles est un peu lourde. Jusqu'à présent, ils peuvent identifier et extraire des informations à partir de 300 types de documents, y compris des estimations de prêt, des coûts de divulgation, des évaluations et des évaluations de W-2, mais Butler aimerait en avoir au moins 600. La formation des modèles pour chaque type nécessite d'importantes quantités de données anonymes, gérées et étiquetées, que AI Foundry reçoit de ses clients. Ils ont quelques centaines de milliers de documents de données de formation, mais il en faut davantage pour maîtriser les autres types de documents.

Le flux de travail et l'analyse des décisions hypothécaires

Les modèles d'apprentissage approfondis consistent principalement à extraire quelques milliers d'éléments de données à partir de documents, mais d'autres aspects du processus de prêt hypothécaire sont davantage axés sur le flux de travail. Lorsqu'un document arrive, il doit être reconnu, marqué comme reçu, soumis à un contrôle de signature, soumis à divers contrôles de conformité et de qualité, et entré dans le système de génération de crédit d'une société de crédit. Les systèmes d'automatisation de processus robotique (RPA) sont parfaits pour ce type de travail, car ils associent un moteur de flux de travail et un utilisateur non humain de multiples systèmes d'information. Il existe de nombreuses branches conditionnelles basées sur les données que la plupart des systèmes RPA commerciaux trouvent difficiles, et c'est pourquoi AI Foundry a développé ses propres fonctionnalités RPA (et des interfaces avec d'autres systèmes RPA). La société a déjà mis au point un robot de traitement des prêts et l’obtiendra à terme pour mise en conformité et acceptation.

En moyenne, le traitement et l'approbation d'un prêt hypothécaire prennent aujourd'hui 40 jours, ce qui représente une légère amélioration par rapport à 47 jours auparavant. Le coût moyen par prêt hypothécaire est d’environ 9 000 dollars, dont environ la moitié provient des coûts de main-d’œuvre pour les services administratifs. Butler chez AI Foundry pense pouvoir traiter les prêts hypothécaires en au moins 1 à 2 semaines, moyennant 10% des coûts de back-office de la banque hypothécaire. C’est une proposition sans risque pour les banques proposant des prêts hypothécaires; ils paient avec le prêt à AI Foundry. Comme la demande d’hypothèques est plutôt cyclique, ils ne veulent pas garder les gens proches quand ils ne sont pas nécessaires.

Application des outils de fonderie AI à radius financial group inc.

Radius Financial Group Inc. est un des clients d'AI Foundry, une société de financement hypothécaire petite mais en pleine croissance située au sud de Boston. rayon génère un revenu annuel d’environ 25 millions de dollars et compte 140 employés. Il fournit entre 2500 et 3000 prêts par an. Pour une organisation de cette taille, il adopte de manière très agressive les nouvelles technologies. En plus de AI Foundry pour le traitement des emprunts hypothécaires, il utilise l'intelligence d'affaires, l'automatisation des processus de robot, l'analyse prédictive et d'autres formes d'intelligence artificielle.

Keith Polaski est cofondateur et directeur des opérations de radius; il se concentre sur le traitement des prêts et son partenaire commercial sur l'acquisition de clients. Il a déclaré que la société était le premier client de AI Foundry pour les services bancaires hypothécaires, à compter de juin 2018. "Ce ne sont pas des solutions toutes faites", a-t-il déclaré. «Ils nécessitent beaucoup d’ajustements et d’intégration. Par exemple, nous avons notre propre système RPA. Par conséquent, nous n’utilisons pas AI Foundry. Mais ils sont un partenaire important pour nous et nous migrons vers leur nouvelle plate-forme. "

L'objectif de Radius est de fournir tous ses prêts sans contact humain aux acheteurs de marchés hypothécaires secondaires tels que Fannie Mae ou Freddie Mac. Ils utilisent les possibilités d’AI Foundry pour trois étapes importantes:

– Indexer et classer tous les documents requis

– Extraire des informations des documents

– Assurance prêt utilisant des algorithmes d'apprentissage machine.

Polaski estime qu'AI Foundry a largement contrôlé les deux premières étapes, mais que la troisième – prise de la décision d'hypothèque – continue d'évoluer. Cela s’explique en partie par le fait que Radius a ses propres critères de souscription d’hypothèques et qu’il tente de construire & # 39; & # 39; ce que les autres organismes de financement hypothécaire ne peuvent pas. Cela nécessite un degré élevé d'ajustement des critères d'acceptation dans le système d'IA.

En dépit de cette évolution dans un composant critique du système, radius a considérablement progressé vers l'objectif "aucun contact humain". Ils traitent maintenant plus de 90% de tous les documents via des moteurs d'intelligence artificielle. Ils ont embauché deux personnes en tant que commerçant pour des exceptions aux prêts – Polaski les appelle "professeurs de machines". – résoudre les problèmes que le système ne peut pas résoudre. Désormais, ils ne sont plus qu’un, car le nombre d’exceptions diminue avec les améliorations apportées au système et aux processus.

Polaski est convaincu que l'approche basée sur l'IA porte déjà ses fruits. Ses deux groupes de travail les plus importants sont les processeurs / analystes de prêts et les assistants des agents de crédit. Les données sur les tâches sur lesquelles ils travaillent suggèrent que 30 à 35% de leur journée de travail a été consacrée à l'indexation et au classement des documents. Après 20 mois d'investissement dans le système d'IA, ils savent combien de personnes ils ont sauvé. En général, ils ont déjà réduit leurs coûts de production des prêts de 70%.

Polaski et son équipe de direction considèrent les options AI et RPA comme leurs "employés numériques". Il travaille main dans la main avec les employés humains et se positionne comme étant concentré sur des tâches subordonnées. Les employés ne sont pas inquiets des pertes d’emplois – on leur a dit qu’ils seront nécessaires à mesure que la taille de leur entreprise augmentera – et qu’ils sont la principale source de nouvelles tâches que les robots RPA doivent exécuter. Polaski a déclaré: "Nous sommes en train de refinancer notre croissance et nous avons enregistré une augmentation de volume de 2,5 fois. Pourtant, nous avons perdu deux ETP et pouvons traiter tout cela. L'automatisation nous donne l'élasticité nécessaire à la gestion de notre entreprise à l'échelle. "

Un partenariat entre la fonderie AI et Radius

Polaski a décrit une nouvelle opportunité commerciale que Radius poursuit en collaboration avec AI Foundry. «Nous défendons NewCo – il s'agirait d'un traitement peu intensif de sociétés à forte intensité de documents, telles que le financement hypothécaire et les assurances liées à l'assurance. Nous allons autoriser nos systèmes de flux de travail et de traitement des emprunts. Il s’agit en fait d’externaliser sur des machines, mais tout se fera à terre. "

AI Foundry a des clients plus importants que Radius – leur client moyen traite entre 5 000 et 25 000 prêts par an – mais aucun n’est plus novateur et plus axé sur la croissance. Butler et Polaski estiment tous deux que les possibilités pour AI de stimuler la croissance et la rapidité des prêts hypothécaires et autres domaines similaires sont illimitées.