08 mei 2020

Ethische kaders Artificial Intelligence 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. Om daar achter te komen analyseerden we oude portefeuilles waarvan we de afloop kenden. 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 aangestuurd. 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.

Weerstand en argwaan

Maar het gebruik van A.I. voor creditmanagement roept ook weerstand en argwaan op. A.I. biedt fantastische mogelijkheden om debiteurklanten te beschermen tegen onnodige kosten en problematische schulden. Maar je kunt het ook misbruiken om de laatste rode cent binnen te harken. We beschikken over de data en de toepassingen. Maar hoe gaan we daar op een goede manier mee om? En wat is dan een goede manier?

Ethics by design

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

Breed normenkader

Er zijn een heleboel publicaties, workshops en trainingen te vinden over data, A.I. en ethiek. Maar hoe zet je die praktisch in voor A.I. in creditmanagement? Als je door de ethische bomen het bos niet meer ziet, komt er in de praktijk weinig van terecht. De belangrijkste publicaties zijn wetenschappelijk geanalyseerd door Luciano Floridi en Josh Cowls voor Harvard Data Science Review geconcentreerd in vijf kernprincipes voor ethische A.I. Die vormen een praktisch hanteerbare basis voor een effectief ethisch normenkader voor creditmanagement A.I. De vijf geformuleerde kernprincipes zijn:

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?

Vijf kernprincipes voor Ethics by design in creditmanagement

Deze vijf kernprincipes voor ethische A.I. gaan we in samenspraak met onze opdrachtgevers en ketenpartners specifiek en praktisch toepasbaar maken voor creditmanagement. We brengen een dialoog in de keten op gang om de vijf kernprincipes duidelijk, praktisch toepasbaar en toetsbaar voor A.I.-creditmanagement toepassingen te maken.

In de komende weken zullen we vijf artikelen publiceren, telkens over één van de vijf kernprincipes.

We verwachten dat creditmanagement professionals, ketenpartners en data scientists kritisch zullen zijn over de inhoud en praktische toepasbaarheid van de publicaties. Die feedback zullen we verwerken in een whitepaper over dit onderwerp dat later dit jaar verschijnt.

Als u deze publicaties in uw e-mail wilt ontvangen, laat dan hier uw e-mail adres achter.