‘Robo-advies’ moet banken helpen kredietrisico te voorspellen

Voor de beoordeling van iemand zijn kredietwaardigheid kijken financials naar een zeer beperkt aantal variabelen uit gestructureerde data – met name de cijfers. Door de ontwikkeling van kunstmatige intelligentie en machine learning zijn die bronnen uit te breiden met een onbeperkte hoeveelheid ongestructureerde data. De voorspellende kracht neemt hierdoor flink toe.

Het Nederlandse AdviceRobo belooft op die manier heel nauwkeurig te voorspellen hoe groot de kans op wanbetaling is en hoe loyaal de klant blijft aan de organisatie.

Terug naar 2013. Oprichters Diederick van Thiel en Rosali Steenkamer verkochten de online hypotheekvergelijker eyeOpen aan Aegon. ‘We realiseerden ons toen dat je met slimme technologie alleen niet het verschil maakt voor de consument. Het is niet de backend, maar de frontend waarmee je klanten van financiële instellingen boeit in een digitale wereld’, vertelt Van Thiel. ‘De consument vindt zijn financiën namelijk saai en ingewikkeld.

Wat volgde is de oprichting van AdviceGames – een bedrijf in slimme gamification – en het begin dit jaar gelanceerde AdviceRobo. De basis is hetzelfde: met kunstmatige intelligentie en machine learning zijn in een ongekend grote hoeveelheid data (nieuwe) patronen te herkennen die iets zeggen over iemand zijn gedrag en het eventuele risico dat iemand daarmee vormt.

Hoe werkt de technologie?

“Het platform bestaat inmiddels. na twee jaar ontwikkeling, uit een aantal lagen. In de eerste verzamelen we allerlei gedragsdata, onder meer uit sociale media, waar we profielen van maken. Als je dat aggregeert houd je vier soorten motivationele profielen over. Vergelijk het met een mierenhoop: iedere mier bewandelt zijn eigen pad. Maar van bovenaf zien we patronen en kunnen we voorspellen welke afslagen je zal nemen. Dat duwen we in een laag van machine learning die de voorspellingen continu optimaliseert.

“De uitkomsten kun je in scenario’s presenteren die we ontsluiten met gamification. Een derde van de Britten ervaart stress door zijn of haar financiën (Van Thiel richt zich in eerste instantie op de Benelux en Groot-Brittannië als afzetmarkt, red.). Ons doel is om die met de gamification te verminderen, de financiën leuker te maken. Banken beperken zich nu nog tot een digitale omgeving die gericht is op transacties, het bekende internetbankieren bijvoorbeeld. Integreer je gamification dan kom je op het vlak van service en preventie. Een soort virtuele assistent. Als je mensen op tijd bewust maakt van beslissingen en gevolgen dan kun je ze ook uitdagen om het gedrag aan te passen.”

Hoe heeft gamification voor de consument zich ontwikkeld tot robots die uitspraken doen over kredietwaardigheid?

“Het ligt logisch in elkaars verlengde. Banken en verzekeraars kunnen de techniek inbouwen in hun eigen digitale producten om klanten te activeren. Maar die B2B-focus leverde de afgelopen jaren een probleem op: bedrijven waren nog helemaal niet zo ver in hun kijk op customer engagement. We verkochten dus slecht.”

Bovenop dezelfde techniek werd daarom een volgende ‘laag’ ontwikkeld. Die doet voorspellingen over het risico dat aan een kredietverstrekking kleeft. Iets waar financials naar nu blijkt wel direct oren naar hebben.

“Banken zijn goed in een klein deel van de dataverwerking. Maar in al hun ‘creditratings’ wordt slechts met zestien variabelen rekening gehouden, die voortkomen uit gestructureerde data. Ziet een bedrijf dat je iedere maand saldo overhoudt, dan is bijvoorbeeld een spaar of beleggingsproduct de ‘next best action’. Daarmee laten ze 80 procent van alle beschikbare data links liggen, namelijk de ongestructureerde data. Die zijn onder meer te verzamelen uit de gamification, maar ook sociale media. In plaats van de gebruikelijke zestien, baseert dit systeem zich op meer dan duizend variabelen. Het fijne van machine learning is dat je er een onbeperkte hoeveelheid ongestructureerde data aan kunt toevoegen. Hoe meer data er straks beschikbaar worden door alle sensoren in ons leven, hoe accurater.

“De verwachting is dat er door de opkomst van fintech dit jaar in Engeland zo’n twintig nieuwe banken worden gelanceerd. Die trekken vooral jongeren en bedrijven aan die op dit moment nog geen kredietscore hebben of kunnen krijgen. Voor deze ‘challengers’ van de markt is dit soort ‘behavioural scoring’ techniek een uitkomst.”

Wat zeggen die nieuwe data en hoe kom je tot nieuwe inzichten?

“Uit de data die sociale media opleveren maken we bijvoorbeeld op dat het aantal mensen waarmee je ‘linkt’ iets zegt over je risicoprofiel. Hoe meer connecties, hoe lager het risico. En ook: hoe dichter je bij die connecties woont, hoe meer dat risico afneemt. Ik heb hier verder geen verklaring voor, een patroon is een patroon. De verklaring is voor iedere persoon weer anders. Maar ik kan me voorstellen dat het te maken heeft met sociale controle, zoals die vroeger ook in een dorp zijn werk deed.

“Onze hypotheses toetsen we in wetenschappelijke experimenten onder proefpersonen. Zo ging er afgelopen zomer een groep op vakantie met een speciaal ontwikkelde app. Daarin werd men met spelmechanismen getriggerd de vakantieuitgaven bij te houden en binnen budget te blijven. Je ziet dat iedere gebruiker daar weer anders mee omgaat. De een vult het huishoudboekje direct in, de ander dagelijks en weer een ander vergeet het. Zulke motivationele  data zijn nergens te koop, maar zeggen wel degelijk iets over hoe iemand omgaat met geld. Dat kan voor een bank een early warning zijn.

“Op dit moment experimenteren we op deze manier ook met locatiedata. Een van de hypotheses is dat mensen die mobiel zijn een minder groot risico vormen. Het is niet gezegd dat dit zo is, maar na de verzameling van data kunnen we kijken of er patronen zijn te zien. Wordt de hypothese bevestigd dan kan het voor een bank interessant zijn de app zo te maken dat die locatiegegevens verzamelt.”

Net zoals Google Now adviseert eerder in de auto te stappen als er een file ontstaat richting de volgende afspraak, zo zullen ‘robots’ van banken je straks uit zichzelf adviseren over de afslagen die ze op jouw ‘mierenspoor’ zien aankomen, zegt Van Thiel. Geld over? Een virtuele assistent weet wat verstandiger is: beleggen of het aflossen van de hypotheek. Kredietwaardig of niet? De verzamelde data bieden het antwoord. Drie maanden na lancering werkt AdviceRobo voor vier klanten. Eén daarvan is Nederlands, zo wist het FD eerder te melden. De ‘gamified virtual assistants’ worden al door acht financiële instellingen ingezet, onder meer door ABN AMRO, Nationale Nederlanden en de Hypotheker.

Foto: Kenny Louie (cc)