Neidio i'r cynnwys
CorpshoreUK

Allanoli AI

Echdynnu data dogfennau benthyciad gydag AI a rheoli ansawdd dynol

Cafodd benthyciwr fintech o'r DU ei arafu gan adolygu dogfennau a llaw. Torrodd piblinell echdynnu AI gyda rheoli ansawdd dynol yr amser cwblhau a chodi cywirdeb.

Industry: CyllidRegion: LloegrA UK fintech lender

Results at a glance

-81%
Amser cwblhau dogfennau

3.2 awr i 36 munud

+9 pts
Cywirdeb echdynnu

lefel maes

-74%
Allweddu a llaw
-34%
Cost fesul cais

The challenge

Roedd y benthyciwr yn derbyn datganiadau banc, slipiau cyflog a dogfennau hunaniaeth ar gyfer pob cais ac yn allweddu'r ffigurau i mewn a llaw. Wrth i'r cyfaint dyfu, ymestynnodd yr ol-groniad adolygu amseroedd penderfynu a thynnodd ymgeiswyr allan cyn i gynnig gyrraedd.

Roedd y data'n hynod sensitif ac roedd y benthyciwr wedi ei reoleiddio, felly roedd yn rhaid i unrhyw broses gyflymach ddal cywirdeb, cadw llwybr archwilio ac aros o fewn UK GDPR. Nid oedd cyflymder yn unig yn ddigon os oedd yn cyflwyno gwallau i benderfyniadau benthyca.

Pain points

  • Allweddodd dadansoddwyr ffigurau o ddatganiadau a slipiau cyflog a llaw, oedd yn araf ac yn anghyson
  • Gwthiodd yr ol-groniad adolygu amseroedd penderfynu heibio'r pwynt lle roedd ymgeiswyr yn aros yn ymgysylltiedig
  • Bwydodd gwallau mewn ffigurau incwm a echdynnwyd yn syth i wiriadau fforddiadwyedd
  • Nid oedd llwybr archwilio strwythuredig yn cysylltu penderfyniad yn ol i'r ddogfen ffynhonnell

Our approach

  • Adeiladu piblinell echdynnu AI a ddarllenodd ddatganiadau, slipiau cyflog a dogfennau hunaniaeth i mewn i feysydd strwythuredig
  • Cyfeirio echdyniadau hyder isel a chyfran wedi ei samplu o'r gweddill at dim rheoli ansawdd dynol i'w hadolygu
  • Ychwanegu sgor hyder a chyfeirnod ffynhonnell at bob maes fel y gellid olrhain pob ffigur yn ol i'r ddogfen
  • Trin data o dan UK GDPR gyda Data Processing Agreement ac amgryptio wrth drosglwyddo ac wrth orffwys

Results at a glance

Amser cwblhau dogfennau cyfartalog (munudau)
192mCyn36mGyda Corpshore
Cywirdeb echdynnu lefel maes (%)
89%Llaw ynunig93%AI ynunig98%AI ynghydag adolygu

The results

  • Gostyngodd yr amser cwblhau dogfennau o oriau i funudau ar gyfer y mwyafrif o geisiadau.
  • Cododd cywirdeb echdynnu am fod y model yn trin y darlleniadau arferol a phobl yn canolbwyntio ar yr achosion anodd.
  • Roedd pob penderfyniad yn cario llwybr archwilio yn cysylltu pob ffigur i'w ddogfen ffynhonnell.
Mae'r model yn gwneud y darllen arferol ac mae ein hadolygwyr yn treulio eu hamser ar yr achosion sydd wir angen barn.
Pennaeth Gweithrediadau Credyd, benthyciwr fintech o'r DU

Common questions

  • Nac ydy. Mae'r biblinell yn echdynnu ac yn strwythuro'r data, ac mae tim rheoli ansawdd dynol yn adolygu achosion hyder isel a rhai wedi eu samplu cyn i ffigurau fwydo'r penderfyniad.

These are representative engagements. Client identities are anonymised and the metrics are illustrative of the type of results this work delivers, not audited figures for a named client.

Dywedwch wrthym beth sydd angen ei allanoli

Rhannwch eich gofyniad a modelu eich arbedion. Byddwn yn ymateb o fewn chwe awr gyda cham nesaf clir.

Ymateb o fewn chwe awr. Yn cydymffurfio â UK GDPR. Atebolrwydd enwol yn y DU.