Deze website maakt gebruik van cookies om ons te helpen uw gebruikerservaring te verbeteren. Accepteren Meer informatie

Ethische kaders A.I. in creditmanagement

Syncasso maakte in 2008 kennis met Artificial Intelligence. We ontwikkelden een geautomatiseerde manier om te bepalen welke factoren het risico op onverhaalbare griffierechten konden verkleinen. Dat stelde ons in staat om snel grote portefeuilles te analyseren. In de afgelopen twaalf jaar namen de toepassingen snel toe en hebben we ons ontwikkeld tot een data-driven organisatie waarbij het volledige incassoproces door voorspelmodellen wordt ondersteund. Onze algoritmen onderscheiden effectief verschillende klantsegmenten en hun betaalcapaciteit. Behalve het verhaalsrisico bepalen, kunnen we de kasstroom uit de portefeuille ermee voorspellen, betrouwbaar Niet Kunners van Niet Willers onderscheiden en het risico op een afsluiting van water of energie bij de eerste aanlevering voorspellen.

Ons team van ervaren data-scientists onderzoekt continu welke data-elementen van invloed zijn op de algoritmes, hierdoor worden onze voorspelmodellen steeds krachtiger en betrouwbaarder. Privacy by design en (data)security by design werden vanzelfsprekend geïntegreerd in nieuwe en bestaande A.I. ontwikkelingen.

Ethics by design

Er zijn ethische kaders nodig voor de ontwikkeling en toepassingen van A.I. in creditmanagement: Ethics by design. Vijf kernprincipes vormen een praktisch hanteerbare basis voor een effectief ethisch normenkader voor creditmanagement A.I.

1. Beneficence | Goed doen, bijdragen aan welzijn, waardigheid en duurzaamheid
2. Non-maleficence | Geen kwaad doen, privacy respecteren, misbruik voorkomen
3. Autonomy | Menselijke besliskracht om AI-beslissingen aan te passen
4. Justice | Gerechtigheid, eerlijkheid, solidariteit, non-discriminatie
5. Explicability | Hoe werkt het en wie is daar verantwoordelijk voor?

Deze vijf kernprincipes voor ethische A.I. gaan we in samenspraak met onze opdrachtgevers en ketenpartners specifiek en praktisch toepasbaar maken voor creditmanagement. We willen een dialoog in de keten op gang om de vijf kernprincipes duidelijk, praktisch toepasbaar en toetsbaar voor A.I.-creditmanagement toepassingen te maken. De artikelen die we hierover gepubliceerd hebben vindt u onderstaand.

Kernprincipe I Goed Doen

Ethics by Design in creditmanagement

Er zijn ethische kaders nodig voor de ontwikkeling en toepassingen van A.I. in creditmanagement: Ethics by design. Waardoor A.I. geaccepteerd en gewaardeerd wordt als een essentieel gereedschap voor creditmanagement. Een beperking of verbod op de inzet van A.I. door toezichthouders of wetgeving, zal creditmanagement jaren achteruit zetten.

Kernprincipe I: Goed Doen

Kernprincipe II

Kernprincipe II: Privacy respecteren, misbruik voorkomen en geen kwaad doen

Het gebruik van artificial intelligence brengt niet alleen voordelen, maar ook risico’s met zich mee. De informatie kan in verkeerde handen terechtkomen en gebruikt worden om burgers te benadelen of te beperken. Wie controleert eigenlijk het algoritme? Kan het uitgezet worden? Hoe objectief is de voorspelling? Wat blijft erover van onze privacy? Als er misbruik van gemaakt wordt, hoe stop je dat dan?

Kernprincipe II: Privacy respecteren

Kernprincipe III

Kernprincipe III: Autonomie | Menselijke besliskracht om AI-beslissingen aan te passen

Voorspelmodellen die gebruikmaken van AI en Machine learning gebruiken daarvoor veel verschillende variabelen en databronnen. Waarbij afhankelijk van de toepassing, die verschillende soorten data elk een eigen gewicht krijgen in de berekening. Kenmerk van de hiervoor gebruikte data is, dat die (hoofdzakelijk) eerder verzameld werd. Een goed presterend algoritme zorgt voor statistisch kloppende resultaten.

Kernprincipe III: Autonomie

Kernprincipe IV

Kernprincipe IV: Gerechtigheid | eerlijkheid, solidariteit, non-discriminatie

Het voorkomen van betalingsachterstanden met AI-ondersteuning is een andere belangrijke creditmanagementtoepassing. Voor alle AI-oplossingen in het creditmanagementdomein geldt dat het met grote zorgvuldigheid moet worden ingezet, omdat de uitkomsten direct van invloed zijn op de financiële situatie van de betrokkenen.

Kernprincipe IV: Gerechtigheid

Kernprincipe V

Kernprincipe V: Uitlegbaarheid | Hoe werkt het en wie is verantwoordelijk?

Uitlegbaarheid is de achilleshiel van AI. Hoe accurater de voorspelling, hoe moeilijker die uit te leggen is. Door het gebruik van neurale netwerken en deep learning neemt de betrouwbaarheid en voorspelkracht toe. Maar de complexiteit eveneens, waardoor het bijna onmogelijk is om uit te leggen waarom de voorspelling zo is.

Kernprincipe V: Uitlegbaarheid