AI对抵押贷款处理工作流程的影响

丹尼尔Faggella
《阿凡达》

Daniel Faggella是Emerj的研究主管。他受到联合国、世界银行、国际刑警组织和领先企业的呼吁,是一位全球广受欢迎的专家,研究人工智能对企业和政府领导人的竞争战略影响。

AI对抵押贷款处理的影响Workflows@2x

这篇文章是赞助由铁山,并编写,编辑,并在与之对齐中发表Emerj的赞助内容指南

购买房屋通常是一个人生命的最重要的金融投资之一 - 抵押过程中涉及的文书工作是众所周知的。行动,协议,条款 - 各方核实。

为什么技术没有使这一过程变得更容易?

希望人工智能能帮上忙。

今天的嘉宾是抵押贷款技术领域的资深人士。克里斯托弗·洛朗(Kristopher Lorang)是一家上市国际服务公司铁山(Iron Mountain)的金融服务产品经理。铁山是安全存储领域的领导者,目前包括数字记录存储和管理。在本集中,Kris分享了一些基于人工智能的文件搜索和发现的用例,在复杂的(和繁重的文书工作)抵押过程中。听完整期节目或阅读下面的文本。

订阅我们的商业播客中的人工智能您最喜欢的播客服务:

itunes-podcast
soundloud-podcast
Google-Podcast.
stitcher-podcast

来宾:Kristopher Lorang(克里斯),金融服务产品经理铁山

专业知识:抵押流程和自动化

短暂的识别:在加入Iron Mountain的Insight产品组之前,Kris曾担任纽约梅隆银行抵押贷款技术副总裁,这是美国总资产第八大银行。克里斯毕业于北伊利诺伊大学,获得工业管理硕士学位。

关键的见金宝搏吧解

  • 比较和验证对于AI系统来说可能是低悬挂的水果。确保文档在各种文件中具有相同的名称,地址,贷款金额或条款可能是AI系统的作用。计算机视觉自然语言处理可以发现匹配或不匹配,并通知工作人员,而不是完全依靠人工扫描。这些系统可能会节省人类用于更复杂任务的时间,或者可能会标记出员工可能没有注意到的潜在不匹配。
  • 当需求波动时,自动化和流水线化更为重要。在抵押贷款业务中,很难改变员工人数,因为需要处理的抵押贷款数量有上有下。赛季、利率和其他各种因素都可能改变抵押贷款的数量,导致球队要么人员过剩,要么不堪重负。处理一些流程和工作流程的人工智能系统甚至可能有助于满足抵押贷款公司对员工人数的要求,并允许团队成员专注于更认知和创造性的任务——而不是死记硬背的流程和验证。

完整采访成绩单

丹尼尔Faggella:克里斯,今天我们将讨论人工智能在抵押贷款过程中的一些机会。金博宝官网显然,在金融服务领域的文书工作较多,流程繁重,或者是出了名的如此。

在我们讨论人工智能之前,我喜欢做的是描绘出现在的过程。然后我们讨论AI可以分层值的那些结点。你能告诉我们,在抵押贷款结束后,因为我知道这是你在铁山最熟悉的,在机构后台的文书工作和流程方面需要做些什么吗?

克丽丝Lorang:确定。很多听众可能都知道,现在抵押贷款的很多前端流程都是高度自动化的。你可以在手机上办理抵押贷款,你可以在手机上、电脑上上传文件等等。但是到了结案程序,就像你提到的,基本上所有的文件都要打印出来,这意味着你必须打印所有的文件,然后有时候你必须去办公室用墨水签署这些文件。然后这些文件必须被送回贷款人。

克丽丝Lorang:现在,当然,在这个大流行环境中,已经改变了许多这些过程。很多公证都会到你的房子,所以你可以墨水签名。我的意思是,甚至有一点点远程在线公证,那种东西。但在大多数情况下,许多抵押贷款仍然在纸张文件上使用湿墨签名关闭。

所以这个过程,一旦它回到银行,它就进入了他们所谓的关闭后的团队或部门。在该部门,他们必须查看每个单独的文档,以确保所有数据点都是准确的,以确保,例如,票据上的汇率与系统和锁定的汇率一致。它必须确保每个人都签署了每一份文件,并在所有正确的地方进行了公证。当所有文件到达投资者手中时,他们都期待有特定的文件。所以这是大量的体力劳动大量的凝视和比较活动。他们盯着屏幕,验证文件上出现的数据。

丹尼尔Faggella:“凝视和比较。”

克丽丝Lorang:是的。

丹尼尔Faggella:所以这里的大部分内容只是对一个仍然是纸的生态系统进行深入的事实检查,不知道要多久它才会不那样?但听起来这是很重要的一部分。你提到过,利率是否匹配,人们签字是否正确,这种凝视和比较还涉及到其他什么吗?我想象有个人,戴着遮阳帽,拿着灯把这些东西拉到第20页,到第18页,确保这些东西匹配,到第5页,到第6页,确保这些东西匹配。是一种超单调的工作流,那里只是一个叫史蒂夫刚刚坐下,他戴上他的面颊的一天,因为这是他的生活,就这样,还是有很多人参与的不同部分这些协议?这些不同的交接看起来像什么?

克丽丝Lorang:所以通常会有一个部门来接收它。现在,不同的银行正处于数字化转型的不同阶段。所以这些文件可能会进入他们的ECM系统,然后那个部门会收到文件被扫描的通知。是的,史蒂夫可能本质上,看着桌上一堆文件,他已经度过那一天,或者他可以看着他的电磁系统的队列,看着一堆图片他通过和灌输,凝视,比较两个屏幕上活动。

是的,这是一个过程,它通常是一个团队的人,这个团队可能非常非常忙,有一堆工作,或者取决于数量,可能非常不活跃。所以总是存在资源限制以及作为出借人的管理问题。现在利率很低,有大量的再融资。所以需要一个满是Steve的房间来处理所有这些文件。而随着利率上升,当你进入假日,通常是在较低的交易时间,挤满史蒂夫的房间可能不那么忙。

丹尼尔Faggella:是的。史蒂夫,他们把这里弄得人满为患……现在你得担心你有多少桌上足球了。当史蒂夫无所事事的时候,你有足够的桌上足球桌吗?

克丽丝Lorang:这是正确的。

丹尼尔Faggella:请原谅那些叫史蒂夫的人。我经常用你作为一个人类的代表,做一个过程。我不是故意的。但是,好的,这真的很有帮助,因为这是一个关于东西在哪里的概貌。观察和比较,我们有不同的季节不同的体积。有些人将部分流程数字化,并通知不同的小组。其他的人可能只是把这堆东西放在一个人的桌子上,然后那个人就手动地看完了。但是在任何一种情况下,我们都必须证实所有的点都是一致的,因为我认为,如果我们不这样做,就会有监管方面的担忧,有法律方面的担忧,我们就不能有信心按照我们同意的方式,把钱借给这个人。

克丽丝Lorang:正确的。甚至还有财务方面的问题当你在二级市场上出售这些贷款时,某些投资者有指导方针当你单独出售这些贷款时,你必须遵守。因此,交易结束后的程序的一部分是确保投资者要求的所有文件和所有的签名等等,这一揽子要求是准确的,符合他们的指导方针。

所以,如果你碰巧把贷款卖给了投资者,而这个投资者对这笔交易进行审计,就像他们通常做的那样,当你购买贷款时,可能会涉及到回购。本质上就是,投资者可能会说,“嘿,这笔贷款不符合我们的指导方针。你必须把它买回来,贷款人。“So that’s money out of that person’s pocket or that lender’s pocket, because they didn’t do that audit accurately.

丹尼尔Faggella:感觉就像2008年

克丽丝Lorang:有点,是的。

丹尼尔Faggella:是的。当我们谈到抵押贷款和贷款的转售时,我当然不是这个行业的人,但我们都很熟悉上次的危机,或者我猜知道。为什么会有一些非常严格的监管,我们在这里出售的是什么?所以,好的。这是有意义的。现在,我想我们可以谈谈人工智能在其中的位置。

丹尼尔Faggella:所以我们有一个手动的过程,不同层次的数字之间的转换公司,部门之间可能的公司,也许是数字化的,有些不是,这可能是一个团队的人在不同部分的协议,这可能是一个人,但无论如何,有很多点,必须连接在谁的同意,我们同意出售他们,这些条款是基于我们一开始就告诉销售人员他们需要遵循的标准吗?这样我们才能真正承保这件事,不管这些规定是什么,仔细观察和比较。所以这需要大量的手工操作,我们从哪里开始寻找适合所有这些过程的人工智能?

克丽丝Lorang:所以你开始在实际中找到一个适合人工智能和ML技术的地方,所以让我们假设文档已经数字化了。一旦你有一个数字化的图像,你可以把图片分类,从中提取数据,使用人工智能和毫升。所以一旦你图像的分类,就可以很容易地送到你的ECM系统,分类正确的类别,所以你不必手动回去做。

但再往下,一旦你提取了这些数据,人工智能就可以开始了解这是哪种贷款。一旦它学习,它是一个固定利率贷款,这是一个公寓,什么样的财产,在一定的状态,它就会开始,如果你愿意,所需文件的特定状态,或者特定的贷款项目或特定的属性类型。而不是一个人坐在那里说,好吧,贷款在宾夕法尼亚。这是一笔固定利率贷款。这是一个公寓。我需要找这10个不同的文件因为这些贷款的特点。人工智能开始学习这一点。

And then again, instead of having someone do that, stare and compare activity, they’re essentially maybe looking at some fallout from that AI and ML process, meaning, “Okay, AI and ML has analyzed that particular loan record, but it’s noticed that this particular document is missing because it’s a Pennsylvania-required document and it’s not in the package.” So that person then is doing some more high-level activity. Maybe they have to reach out to the borrower, maybe they have to reach out to the settlement agent, the closer and say, “Hey, we need this document.” So they’re able to do a little more high-value activity than that stare and compare activity.

丹尼尔Faggella:是的。我想到了几个类比,克丽丝。我想看看这些是否对你有用,因为我真的想让每个在听的人,不管他们是否在抵押贷款。我知道有很多金融服务业的人在关注我们,但我会试着让这个想法成为现实,确保我能跟上你们。

当你带来这个时,我的一部分认为,在某些情况下,在某些情况下,在某些情况下,在某些情况下,在某些情况下,这些事情在前门作为纸张或作为扫描的文件时,他们’ve already got that appended label that says, “This is a condominium. This is a whatever.” So maybe some folks are already at that labeled phase, and then this application might not apply to them, but probably a lot of companies, they aren’t. They just come in as a raw file, somebody decides what type of doc, and then someone says, “Okay, because it’s a condo, because it’s within this price range,” or whatever the hell that the guidelines are, “now, we need to follow this 30 point checklist. If it’s a multifamily home and it’s in this kind of area, now we need to follow this kind of guideline.”

所以这听起来像是抵押贷款的区别因素,有时也许公司已经处理了,但有些人没有。And for that reason, we might be able to train a system, so when it plops it on the human screen, instead of it just being, “Hey, figure out what this is and what you need to check,” it’ll say, “Hi, this is a condo, and here’s your six checkboxes already pulled up because I’m kind of prompting you to do what you need to do for this workflow already, so you don’t have to think about the light stuff.” Am I tracking here, Kris?

克丽丝Lorang:是的,我认为你是丹,有一点很好,这类技术的实现有不同的层次。所以我认为至少很多我所看到的是这些公司进行成像,他们只是把整个关闭包在一个图像,整个文件,而且它还是挺出来的另一端,作为一个大型PDF文件的所有文档。所以你无法分辨哪些文档在里面,哪些没有。

丹尼尔Faggella:所以扫描的时候没人给它贴标签。你的意思是,扫描过程与上下文无关。扫描过程并不是向它附加某种标签,这只是在事后才发生的。

克丽丝Lorang:这是正确的。在过去,PDF文件将直接进入其企业内容管理ECM系统。然后它将被标记为低数,二,三,四,五六,七,八,九。So you’d have to find that loan record in your system, pull it up and then you’d have to scroll through, let’s say 300 pages, in a PDF file to find the document you’re looking for if you had to go back and look at it later.

但是通过AI和ML技术,我们采取了PDF文件,其中一些行业调用了一个Blob文件,将其拆分到单个文件中。所以你可以记录并说:“我需要看看抵押贷款。我需要看看笔记。“无论您需要查看哪些文档,它都在那里,它标记了,它是分类的,所以你可以快速找到它而且不必挖掘300页PDF文件。

丹尼尔Faggella:好吧。所以我们在这里得到的一部分是,AI可以标记这是什么样的抵押贷款,但也可以将页面突破到不同的部分是什么。So if you say, “Bring me to the note,” or, “bring me to everywhere that has a signature,” or, “bring me to…” It’ll be able to sort of label whatever those pages or those sections of the blob file are, so that humans can navigate it a little bit more swiftly?

克丽丝Lorang:正确的。它并不是一个单一PDF中的书签,我更喜欢把它分成不同的部分。

丹尼尔Faggella:明白了。将文档打破到多个部分中。因此,立即想到的类别,KRIS现在是聊天机器人对话,例如,很快就没有更换了稳健的高中,人类谈话。同样,AI可能没有权力才能完成所有双重和三重检查,以承保一百万美元的抵押或任何抵押贷款或审计一百万美元的抵押贷款。

克丽丝Lorang:正确的。

丹尼尔Faggella:但是一些对话系统可以做的是,他们至少可以将对话标记为“这是一个退款请求”。这是一个关于x产品的产品询价。这是一个交货问题。这是一个……”然后他们就可以把它送到正确的人那里。这听起来类似,我们能够在前端做标记,这样人类就不必说,“我的盘子里有什么?”他们会说:“哦,我有一套公寓。”繁荣。在这儿。“And then here’s my prompt for what I need to do.

克丽丝Lorang:正确的。是的。这肯定是我认为能够使用人工智能和ML技术的第一个层面。展望未来,或者更高级的系统,您可以使用AI和ML技术从文档中提取数据,并将其放入规则引擎中。

这个规则引擎可能有投资者的指导方针,或者是你自己的内部政策,或者是政府关于某些规定的政策。然后你就可以分析这些数据然后你就可以做一些标准的工作比如"票据上的利率是否与抵押贷款利率一致"“让某人盯着你看并进行比较,你就可以提取这些数据,并对文件进行完整的审计。

丹尼尔Faggella:好吧。明白了。所以我想象会是必要的,这是我们需要至少在某种程度上,我们需要训练系统在特定的方式,我们这些特定的文档格式,因为我能想象每个银行甚至不同的部门在一个银行的地方人签署X和确切的地方列表Y是多少,在成本方面,可能是格式不同。

因此,为了实际做匹配并给予它的绿色复选标记,我们需要大量的无论我们拥有的文件格式,然后培训AI系统真的,真的,真的简洁地和可靠地提取了正确的数字页面,25和35之间的某个地方与大多数时间,正确的数字。因此,似乎在客户的工作流程,文书工作格式的情况下,似乎有一些搭载,那么这个特定的工作流程使用。但如果我们有足够的情况,那么我们可能会匹配不同页面上的两个项目。如果这听起来很准确,请告诉我吗?

克丽丝Lorang:是的。听起来确实很准确。当然,拥有那些训练过的ML模型,机器学习模型,能够识别那些不同格式的文件在抵押贷款行业将是关键。在行业中,有些比其他的更标准。如果你看看抵押贷款和票据,以及一些来自政府法规的规范性文件,它们在分类账上看起来非常相似,这取决于它们生成它们的系统,但它们看起来非常相似。其他的则不然。因此,我认为,在这些地方,你可以得到那些训练过的模型,它可以识别它是那种类型的文件。

丹尼尔Faggella:理解。好吧。我想象这将从用户的角度工作的方式,所以我总是喜欢让人们,当他们在听播客的时候,能够闭上眼睛,看到工作流程的运行。188bet客服中心我的理解是,审计人员可能有6个复选按钮,可能在他们的文件的右边有16个复选框,因为他们知道这是一个公寓抵押贷款之类的。我有两种猜测,第一,当系统说,“嗨,这是公寓抵押贷款。如果这是错误的,人类可以重新给它贴上标签,并有可能将其作为对系统的反馈。

Also, if the machine already has, so let’s say you have 16 checkboxes on the right, if it already has a blue check or a green check next to three of those, because it’s validated them, then the human probably goes in and makes sure maybe that the machine actually was right in putting that green check box and maybe is able to correct the system if one of those assumptions was off in some sense. My guess is that there’s a bit of a loop here in terms of feeding the system, because this thing is presuming here’s the type of doc, it’s presuming, “Hey, these two bits of information match,” but maybe sometimes we need to educate it. What’s that part of the workflow look like?

克丽丝Lorang:所以通常你会在AI和ML系统中发现的是设置某种自信分数的能力。这是什么意思呢?所以如果你看一个文档,你可以把信心分数设为,比如说,90%。那么,如果系统通过它,在分析文件的时候,它也会说,“我大概,比如说,65%肯定这是一张纸条。这样它就会创建一个,我们称之为,至少在铁山,一个例外。

So that exception has to be viewed by a human in the loop, a human that looks at a cue that says, “The system thought it was 65% sure this was a note, but we’ve set the threshold that it has to be 90% sure before a human doesn’t have to look at it. So we’re going to present this to a human.” So the person, the auditor, we’ll go back to Steve, looks at that document and says, “Yeah, system, you were correct, marked it.” And then the system, as you said, that goes back into the learning or the knowledge of the system itself.

所以下次它可能是70%的准确率,80,当它一遍又一遍地看这个文档时。最终,这个想法是,会有很少的例外,它会只是那些奇怪的文件或可能是一个文件,一个坏的形象,会从过程中掉出来。大多数都是直接穿过的,人们根本不用看它们。

丹尼尔Faggella:我想目标是选择。现在,你们经营一家产品公司,一家人工智能产品公司面临的挑战是我们认为我们实际上可以达到那个目标的工作流的那些节点是什么,对吧?因为在工作流的某些部分可能是这样的,“哇,这需要很长时间来完成,所以大多数时候,人不需要看这个。但在其他地方,人们会觉得,“嘿,我们可能真的能到达那里。”你谈到了抵押贷款的分类。听起来这是你们一直在研究的问题。

从X页到Y页都有某些类型的数据验证,这是你们一直在钻研的。从一个人工智能公司的角度来看,你们必须认真思考我们认为哪一种可以达到真正高度的自动化,然后围绕这一点来构建你们的系统和产品?因为显然不是所有东西都能自动化。

克丽丝Lorang:正确的。是的,肯定的。显然,最容易实现的目标是每个抵押贷款中都有一些文件,对吧?抵押或证券工具,信托契约,票据,结束披露,贷款评估,这些文件都存在于每一笔贷款中,很明显,我们有更多这样的文件并且我们能够对我们处理的每一笔贷款进行系统培训?这些模型建立起来了,而且比其他一些模型更稳健,如果你看看纽约,他们有很多合作公寓贷款和SEMA贷款,我就不细说了,但数量较少。所以他们可能需要花更长的时间来训练这些模型,理解贷款和文件。

丹尼尔Faggella:是的,我认为人们低估了产品公司所面临的挑战。你必须看看,“对客户来说,自动化工作流的价值是什么?”我们是否有能力将其自动化到我们认为能让客户满意的程度?那么我们所使用的数据量是多少来告诉我们,我们是否真的认为这是一个对我们有利的领域而不是一个我们没有足够的数据量来真正做出这些改进的领域?“And you’ve got to look through that whole pachinko machine and then find those pinpoints where you can say, “Hey, here’s a spot that we think matters to the client, that we can handle, and that we have the data volumes to do.” And then you’ve got to double down and build out kind of solutions for that.

克丽丝Lorang:正确的。完全正确。你要看看这个过程你能给客户带来最大的价值,你将能够真正解决他们的一些关键的难点和使他们更有利可图的和有效的,并最终为他们的客户提供更好的客户体验。你是说弹珠机吗?

丹尼尔Faggella:弹球盘机,是的。

克丽丝Lorang:这是一个古老的典故。我朋友的地下室里就有一个。

丹尼尔Faggella:我经常用这个类比,好也罢,坏也罢。我想有时这不是最好的类比,但我只有这么多。所以,好的。是的,我认为很多人都低估了决定和开发一款人工智能产品的挑战性。显然,你们已经和这么多大型金融机构合作了,你们手上有大量的文档,但仍然能够挑选出那些有价值的领域是很有趣的。

所以,从你的角度来看我们可以在哪些地方开始自动化是很酷的。它听起来是什么样的医生首先,还有一些个人凝视和比较,如果我们可以训练一个系统,如果我们有正确的数量,我们可以有一个绿色的复选框,有人没有看,因为我们可以衡量一个置信区间,希望使整个过程运行顺畅。

你谈到了如何改善客户体验。也许我们可以就此打住。当我想到这个业务的价值是什么,脑海中立刻出现了的事情,”人们可能要做一些单调的凝视和比较少,也许有些东西只是为他们的时候他们会做医生呢?他们可能会做更多的事情,要么是具有挑战性的凝视和比较,要么是涉及到一些商业背景和更多战略思考的事情。“所以这可能是一种员工福利。

这里的吞吐量似乎是有价值的,假设我们可以加快速度,这也可能是为了业务本身和他们自己的效率,但也可能有一个速度让抵押贷款全部关闭,也许客户会欣赏这一点。这是我想到的三件事。当你们思考这些以正确的方式嵌入人工智能的过程所带来的好处以及谁将从中受益时,你们会怎么表达呢?

克丽丝Lorang:我觉得你实际上击中了他们,我们也想到了这三个。所以你想到贷方能够扩展。我们早些时候谈过那个,当音量很高时,有一个充满静止的房间,然后可能是一个史蒂夫,当音量很低时。他们必须经历整个休假过程,我会称之为,因为他们的体积增加和减少,或者只是一个重新分配资产。

所以我们认为能够规模,或许你只需要一个或两个史蒂夫和一些房间里Stephanies能够处理所有的体积,无论它是10000贷款一个月或1000年贷款一个月,因为他们只是整个自动化系统管理例外流程。

然后你看,最重要的是,可能是客户的视角。So if you go and close a loan and then two months later, by the time your lender gets through the process and the post-closing process, and you’ve already made your first mortgage payment and they come back to you saying, “Hey, I need this document signed.” You’re like, “What do you mean you need this document signed? I closed two months ago. Why are you coming back to me now? This is really annoying to me.” Sometimes customers will be like, “I’m not signing it.” And then you have to go back to them again. And that kind of process is very frustrating to borrowers. And they’re likely, especially nowadays when they have so many options, not to come back to you for any other financial transactions, maybe if they upgrade their house or refinance in the future, maybe that annoyed them enough.

所以如果你能在贷款结束后的一两天内把丢失的文件还给他们,那可能就没那么烦人了,对吧?因为你会说,“哦,我们错过了这份文件。我们很抱歉,你能签个名吗?”“当然,等等。“发送它。因此,它确实在努力获得良好的客户体验,同时在每笔交易中为贷款人节省一些钱。一个满是史蒂夫的房间是很昂贵的。管理他的员工,雇佣他们,解雇他们,等等。

丹尼尔Faggella:你得给每个人都买桌上足球桌。

克丽丝Lorang:是的-桌上足球,房地产,你需要一个房间,你需要停车,等等。如果你有这种人工智能ML技术,你只执行一次,它就会学习,你有这些高价值的员工坐在那里处理异常。那两人只需要一张桌上足球桌。

丹尼尔Faggella:我认为人工智能产品的共同价值是,“我们可以在不增加员工数量的情况下扩大规模吗?”“Certainly a value prop there, again, Steves aren’t cheap and especially when volumes are fluctuating, we might have a room full of folks who really have very little to do for an entire season and that might not be the financially best call we can make.

太酷了。所以对于那些已经听了我们的许多播客在过去,你的听众,现在你知道我们喜欢谈论在星期二用例集,我们看看之前188bet客服中心的业务流程,它是什么之后,还有商业价值是什么?为什么这很重要,为什么我们要解决这个问题?克里斯,我想我们今天已经讲完了这三个。所以我非常感谢你能和我们分享你的专业知识,并加入我们今天的节目。

克丽丝Lorang:谢谢你邀请我,丹。我真的很喜欢。

保持AI曲线的领先地位

发现在未来商业中区分赢家和输家的关键AI趋势和应用。

注册“AI Advantage”通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
subscribe-image
走在机器学习曲线的前面

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的AI研究和趋势。

感谢您订阅Emerj的“人工智能优势”通讯,请查看您的电子邮件收件箱确认。