AI-model voor kredietrisico bij Boels Rental vermindert werkdruk en versnelt reactietijden van klanten

Het kredietbeoordelingsproces bleek een aanzienlijke bottleneck te zijn bij het accepteren van nieuwe klanten voor verhuur op krediet. De aanvragen van klanten stapelden zich op, wat resulteerde in een hogere werkdruk voor medewerkers en langer dan gewenste reactietijden naar de klant. Boels nam maatregelen om het reviewproces zoveel mogelijk te automatiseren en zocht naar manieren om (een deel van) de zaken die direct geaccepteerd of afgewezen kunnen worden automatisch uit te filteren. Het doel was om de arbeidsinspanningen te verminderen, de kwaliteit van de beslissingen te verbeteren en de snelheid van de dienstverlening aan klanten te verhogen. 

Een model creëren met ethisch gebruik van gegevens 

Naast de frequente samenwerking met het financiële team, werden andere relevante belanghebbenden actief betrokken, wat resulteerde in een multidisciplinair projectteam met consultants, datascientists en projectmanagers van IG&H, Boels IT-staff en OutSystems developpers. Eerst zijn de gegevens opgeschoond, gestructureerd en verkend om voorspellende variabelen te creëren om het AI-model te trainen. Hiervoor gebruikte IG&H ook basistekst mining om relevante maar verborgen informatie te extraheren die een kredietrisicobeslissing zou kunnen voorspellen. Tijdens dit proces zorgde IG&H en Boels ervoor dat geen klantkenmerken werden gebruikt die tot ongewenste vertekening door het model zouden kunnen leiden, wat onze standaardprocedure is om ervoor te zorgen dat alleen informatie die direct relevant is voor het besluitvormingsproces wordt opgenomen. 

Er werden verschillende AI-modellen getraind, getest en gevalideerd. Daarbij bleef het projectteam dicht bij de bestaande workflow van het financiële team om het model af te stemmen op de processtappen waar informatie beschikbaar zou zijn. Dit is cruciaal voor een succesvolle implementatie. Validatie van testgegevens gaf aan dat de verwachtingen van de oorspronkelijke business case zouden worden overtroffen, wat leidde tot de implementatie van het model in het echte proces. 

"Dankzij de frequente en efficiënte samenwerking met relevante business owners en het analytics team bij Boels kijkt iedereen in het team terug op een succesvol project", Rinke Klein Entink | Directeur Data & Analytics bij consultancy- en IT-bedrijf IG&H.

Validatie en gestage vooruitgang om de AI-race te winnen 

Na de technische implementatie verliep de uitrol van het model in fasen. Aanvankelijk valideerde een medewerker nog 50% van de modelresultaten handmatig; om vertrouwen in het model op te bouwen en onvoorziene situaties op te sporen. Geleidelijk aan werd dit teruggebracht tot 5% handmatige controle van willekeurig geselecteerde gevallen, zodat het model actueel blijft. De acceptatie van het model door de gebruikers was een topprioriteit. Daarom zijn de medewerkers getraind en om hen te laten ervaren hoe het AI-model werkt, zodat ze de uitkomsten zouden begrijpen en vertrouwen. 

"De oorspronkelijke verwachtingen zijn overtroffen, want in meer dan 60% van de gevallen kan het model direct een beslissing ondersteunen. Onze medewerkers zijn hier erg blij mee, want klantverzoeken worden aanzienlijk sneller afgehandeld dan voorheen. Ook is het gunstig voor ons team, omdat we ons met dezelfde capaciteit op andere taken kunnen richten", aldus Bjorn Curvers, Manager Credit Risk Boels Rental

Medewerkers omarmen AI 

De lichte aanvankelijke onzekerheid over de ontwikkeling van een AI-model vervaagde snel toen medewerkers zagen hoe de voor de hand liggende (krediet)aanvragen worden vereenvoudigd en veel minder handmatige inspanning vergen. Het AI-model ondersteunt hen in het proces in meer dan 60% van de klantverzoeken. Naast het volume nam ook de snelheid toe: Omdat de meeste klanten direct een geautomatiseerde beslissing krijgen, resulteerde dit in een vermindering van 40% van de gemiddelde reactietijd richting de klanten van Boels.    

Door begeleiding tijdens het proces, gekoppeld aan aandacht voor implementatie- en veranderingsaspecten voor de medewerkers, werd het project succesvol afgerond binnen een kort tijdsbestek en werd de strak geplande deadline gehaald. Boels maakt nu succesvol gebruik van AI bij het ondersteunen van besluitvormingsprocessen op schaal, zonder afbreuk te doen aan de kwaliteit en tegelijkertijd de dienstverlening aan de klant te verbeteren.