Intelligenza artificiale nel Finance: reti neurali per la gestione dei pagamenti non strutturati

Chi paga e cosa paga? Sono queste le domande che ci si pone quando ci si deve occupare della cosiddetta “riconciliazione degli incassi”. Un processo automatizzabile quando i pagamenti sono strutturati (MAV, bollettini premarcati, PagoPA, …). Un processo ancora manuale quando i pagamenti non sono strutturati. In aiuto arrivano però le reti neurali.

Pubblicato il 20 Mag 2019

Riconciliazione degli incassi - controllo manuale

Chi paga e cosa paga? Sono queste le domande che ci si pone quando ci si deve occupare della cosiddetta “riconciliazione degli incassi”. Domande che possono avere risposte semplici se i flussi finanziari sono costituiti da forme di pagamento strutturate (quelle che permettono di ricondurre in modo automatico al titolo di credito come SDD, MAV, RIBA, Bollettini Premarcati, PagoPA…), ma se i pagamenti sono destrutturati?

Per i pagamenti non strutturati, ad oggi, serve ancora l’intervento umano che per molte realtà significa possibile rallentamento dei processi se non addirittura rischio di errore, soprattutto laddove è necessario gestire flussi di incasso molto elevati (pagamenti rateizzati, finanziamenti), oppure processi legati ad operazioni come gli anticipi fatture o più in generale il factoring.

Situazioni che oggi potrebbero in realtà essere risolte grazie all’utilizzo delle tecnologie legate all’intelligenza artificiale, per esempio le reti neurali artificiali in grado di vagliare i pagamenti anche quando i dati non sono strutturati, come nei casi dei bonifici o dei bollettini scritti a mano. Obiettivo: automatizzare l’intero processo di riconciliazione degli incassi anche quando si è in presenza di pagamenti non strutturati e ridurre al minimo i casi dubbi, quelli per i quali oggi è ancora richiesto l’intervento umano, sfruttando così le competenze aziendali in attività a più alto valore aggiunto.

Vediamo dunque in dettaglio quali sono le problematiche più comuni nella gestione dei pagamenti non strutturati e come le reti neurali artificiali possano già oggi dare risposte concrete e di valore per il business.

Riconciliazione degli incassi: cosa significa e come avviene

Ogni azienda, di qualunque tipologia essa sia, deve gestire processi – più o meno complessi – relativi agli incassi dei propri crediti che possono derivare dal pagamento di una fattura emessa ma anche far riferimento ad altri processi come il pagamento di una rata (per esempio nella concessione di un finanziamento).

In altre parole, in ogni azienda ci sono attività che generano un credito, mettono cioè l’azienda nelle condizioni di richiedere un pagamento ad un soggetto debitore. Quando di fatto avviene un pagamento, non è così immediato e semplice che l’azienda possa ricondurre quell’incasso in modo preciso e puntuale al credito ad esso associato. Per farlo, serve un processo di riconciliazione che non è altro che l’abbinamento del pagamento (l’incasso ricevuto) alla partita contabile aperta (ciò che ha di fatto generato il credito), atto/processo grazie al quale l’incasso può essere contabilizzato nel sistema economico aziendale.

La riconciliazione degli incassi può essere molto rapida e manuale se le operazioni (generazione del credito, incasso) sono poche. Tuttavia, man mano che il volume dei crediti e, di conseguenza, delle operazioni ad essi associati (pagamenti, registrazione degli incassi), aumentano, la gestione manuale del processo di riconciliazione può diventare molto oneroso con un rischio di errore che cresce all’aumentare della complessità e al numero di operazioni da verificare e riconciliare.

La gestione automatizzata della riconciliazione degli incassi è un ambito tecnologico dove l’informatica ha da tempo offerto soluzioni mature e molto efficaci che, tuttavia, nel tempo hanno mostrato alcuni limiti nella gestione dei cosiddetti pagamenti non strutturati.

In linea di massima, banche e istituti finanziari consentono alle aziende di sfruttare sistemi di pagamento/incasso che facilitano il processo di riconciliazione perché basati su strumenti all’interno dei quali è possibile inserire i dati che afferiscono al credito originario (per esempio con la causale prestampata su un bollettino postale, un pagamento con SDD o RIBA, un codice MAV, ecc. che automaticamente collegano il pagamento alla sua causale, cioè al credito dell’azienda). In questo caso, dunque, ci troviamo di fronte a pagamenti con dati strutturati, facilmente automatizzabili perché credito/pagamento/incasso sono già strettamente correlati da dati comuni che permettono in modo molto rapido di ricondurre il pagamento al suo credito originario e quindi di semplificare tutto il processo di riconciliazione degli incassi grazie all’automatizzazione del check che deve avvenire tra pagamento e credito.

Le cose si complicano, e molto, quando i pagamenti avvengono senza questi sistemi di pagamento e con dati non strutturati dai quali, affinché possa avvenire la riconciliazione, è necessario capire “chi paga” e “cosa paga”.

Pagamenti non strutturati: cosa sono e come vengono gestiti

I pagamenti non strutturati fanno riferimento a pagamenti dove non c’è l’inserimento di riferimenti chiari che consentono di definire “chi paga” e per quale motivo sta pagando, ossia “cosa paga” (ciò che invece, come abbiamo visto nel capitolo precedente, consentono di fare un bollettino premarcato, un bollettino MAV, una pratica SDD, un pagamento tramite il nuovo sistema PagoPA…).

Pensiamo per esempio ad un bonifico bancario oppure ad un bollettino postale compilato manualmente; anche nell’ipotesi in cui il debitore (chi paga) sia “certosino” nella compilazione di tutti i campi, segnando addirittura la causale del pagamento, la riconciliazione dell’incasso da parte dell’azienda sarà un processo tutt’altro che banale.

La riconciliazione degli incassi riferiti a pagamenti non strutturati richiede che l’azienda faccia alcune importanti verifiche:

– identificare l’ordinante del pagamento (il debitore);

– ricondurlo ad una anagrafica cliente dell’azienda;

– associarlo ad una situazione debitoria (in altre parole, capire qual è il credito dell’azienda rispetto a quel soggetto);

– fare il match tra il pagamento effettuato e il credito esigibile (cioè la riconciliazione).

Se anche tale tipologia di pagamento fosse minoritaria rispetto ai pagamenti con dati strutturati, su grandi volumi di operazioni di credito (e quindi processi di pagamento/incasso) potrebbe incidere parecchio sull’operatività e l’efficienza produttiva di un’azienda perché, solitamente, questo tipo di verifiche richiede un forte intervento umano (al contrario dei pagamenti strutturati che, come abbiamo visto, oggi possono essere facilmente automatizzati).

In aziende dove i flussi di fatturazione ed incasso sono molto elevati, i pagamenti non strutturati potrebbero rappresentare una criticità su più fronti impattando su più di una business unit (uffici amministrativi, tesoreria, uffici contabili, controllo di gestione, ecc.) con rischi di errore e ritardo non trascurabili.

Riconciliazione digitale (automatizzata): cos’è e cosa fanno gli algoritmi

Come abbiamo visto nei capitoli precedenti, fare la riconciliazione degli incassi significa, in modo molto semplice, dare risposta a due semplici domande: Chi paga? Che cosa paga?.

Rendere digitalizzato il processo che consente di rispondere a queste due semplici domande significa automatizzare il match tra un credito esigibile da un’azienda e il pagamento del debito da parte di colui che è tenuto a saldarlo. Questo match implica per un’azienda che “qualcuno” identifichi il debitore, capisca le causali dei pagamenti e quindi estragga l’oggetto del pagamento (che deve corrisponde al credito).

Attività ripetitive che possono essere automatizzate con sistemi che, di fatto, digitalizzano il processo di riconciliazione degli incassi e, quindi, quelle attività che riguardano la verifica, il controllo, il match tra il pagamento e il credito.

Siamo nell’ambito della cosiddetta riconciliazione digitale (Digital Reconciliation) che, almeno fino ad oggi, sfrutta algoritmi sviluppati da programmatori informatici grazie ai quali un sistema tecnologico può correlare, in modo automatico e con successo, pagamenti e titoli di credito attraverso un check rapido e digitale su casistiche note.

Gli algoritmi di questo tipo (potremmo spingerci a chiamarli “algoritmi di prima generazione per la riconciliazione degli incassi) consentono di automatizzare, e quindi velocizzare, tutti i casi “noti”, ossia quelli dove i dati di un pagamento e quelli di un titolo di credito possono essere facilmente correlati con successo (vale a dire i pagamenti strutturati o quelli che sono stati già “previsti” dall’algoritmo che fa il match).

Tutti i casi non previsti dall’algoritmo, quelli dubbi o non del tutto chiari, richiedono ancora l’intervento delle persone che devono frapporsi al processo (a questo punto non completamente automatizzato) con una propria supervisione.

In altre parole, la riconciliazione digitale permette di automatizzare tutte le fasi del processo di riconciliazione degli incassi, ma alla rilevazione di un caso dubbio da parte dell’algoritmo, il processo prosegue con l’intervento umano: l’operatore sarà chiamato a verificare come mai i criteri di riconciliazione analizzati dall’algoritmo non sono soddisfatti a pieno e decidere se correggere, perfezionare o scartare l’abbinamento tra pagamento e voce di credito.  

La digitalizzazione del processo degli incassi genera efficienza con effetti diretti sulla contabilità clienti perché, per le aziende, si traduce in:

– drastica riduzione delle risorse dedicate alla riconciliazione;

– tempestività nella registrazione degli incassi;

– qualità dei dati gestiti;

– tracciabilità granulare delle operazioni finanziarie.

Non solo, a beneficiarne è l’intera filiera del credito; con la riconciliazione degli incassi digitalizzata/automatizzata è possibile:

1) identificare tempestivamente chi, cosa, quanto e quando paga;

2) identificare chi non paga o chi è in ritardo con i pagamenti e può rappresentare per l’azienda un potenziale rischio, cosiddetto di “credito in sofferenza”.

Nei casi più evoluti di riconciliazione automatizzata i sistemi abilitano la filiera del credito anche nella sua “seconda parte”, quella che attiva eventuali piattaforme di recupero crediti. E’ evidente che l’integrazione tra un sistema di riconciliazione automatizzata degli incassi ed una piattaforma di recupero crediti, abilita un processo virtuoso i cui punti chiave sono:

– potenziali insoluti identificati a tempo zero;

– nuovi incassi generati dalla piattaforma di recupero crediti riconciliati e comunicati alla medesima piattaforma in modalità altamente efficace;

– solleciti con margine di errore minimo (per esempio evitando che vengano inviati solleciti a clienti che in realtà hanno già provveduto al pagamento);

– stipula dei piani di rientro che genera nuovi “titoli di credito” i quali sono automaticamente comunicati sia al sistema contabile sia alla soluzione di riconciliazione; dall’integrazione dei due sistemi, l’allineamento tra il credito atteso con la nuova situazione generata sarà automatizzato.

Cognitive computing: reti neurali artificiali e algoritmi evoluti per una gestione più efficace dei pagamenti non strutturati

Accanto agli algoritmi più tradizionali (quelli codificati da un programmatore) che operano nel campo del “traditional computing”, stanno iniziando a prendere piede in campo finanziario anche le tecnologie software di cognitive computing, soluzioni che sono in grado di gestire situazioni ad alta variabilità e risolvere problemi complessi con il ragionamento e l’autoapprendimento.

Entriamo qui nell’alveo dell’intelligenza artificiale, in particolare delle reti neurali artificiali che risultano particolarmente promettenti proprio laddove gli algoritmi tradizionali stanno mostrando i propri limiti; nel caso della riconciliazione degli incassi, le reti neurali artificiali riescono a gestire in modo efficace i pagamenti non strutturati e tutte quelle casistiche di supervisione che, ad oggi, sono ancora demandate alle persone.

Con l’utilizzo delle reti neurali artificiali e degli algoritmi evoluti (che auto apprendono attraverso il deep learning e il machine learning) sarà possibile ridurre al minimo i “casi eccezionali”, quelli dove è richiesta la supervisione dell’essere umano, con uno slancio ulteriore non solo in termini di efficienza ma anche di riduzione dei rischi. E’ un passaggio importante che permetterà di passare dal concetto di Digital Reconciliation a quello di Smart Digital Reconciliation.

E’ questo uno degli ambiti più innovativi sui quali sta lavorando la società K Linx, startup innovativa milanese che propone sul mercato l’omonima piattaforma di riconciliazione automatizzata degli incassi, che vede nelle reti neurali la chiave di volta per la gestione dei pagamenti non strutturati portando ad automatizzare tutte le fasi del processo di riconciliazione degli incassi (compresi i casi dubbi), anche laddove oggi il flusso risulta complesso ed oneroso.

Il team di K Linx mira infatti a creare una piattaforma in grado di operare in totale autonomia, in cui l’intervento umano sia necessario solo per monitorare ad alto livello le performances di riconciliazione, e in ogni caso solo da un punto di vista operativo dell’IT.

Gli algoritmi evoluti, più in generale l’intelligenza artificiale, semplificheranno la vita delle persone che oggi sono chiamate ad intervenire, interrogarsi e risolvere delle “eccezioni” o situazioni impreviste che spesso sono comunque riconducibili a task ripetitivi e di basso valore.

In un futuro molto breve, questi task potranno essere automatizzati e gestiti dalle stesse piattaforme di riconciliazione digitale/automatizzata – che integreranno le reti neurali artificiali – permettendo così alle aziende di valorizzare meglio le proprie risorse umane con competenze e attività a più alto valore aggiunto.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 3