O processo de análise de recuperação de crédito é hoje utilizado não só pelas equipas da Finsolutia, mas também é personalizado para os clientes da empresa, o que permite que seja utilizado por vários utilizadores com diferentes perfis. Esta flexibilidade torna a plataforma ainda mais valiosa.  

Neste processo, os agentes recuperadores de crédito contactam os devedores na tentativa de obterem um acordo de pagamento ou uma proposta de negociação do contrato de crédito que está em incumprimento.  

Esse contacto é estabelecido normalmente através de uma chamada telefónica, sendo que, num passado recente os utilizadores da plataforma da Finsolutia perdiam muito tempo quando desligavam a chamada, pois tinham de fazer um resumo dessa chamada e introduzir esse resumo no sistema.  

Embora a duração média das chamadas seja de cerca de seis minutos, há situações em que algumas podem prolongar-se até 19 ou 25 minutos. Devido à complexidade dessas chamadas, o processo exigia que os utilizadores da plataforma se recordassem de toda a conversa e da informação partilhada ao elaborar o resumo, resultando, muitas vezes, na utilização de acrónimos e na falta de padronização nos registos.  

A Finsolutia tem “um sistema que contém toda a informação relativamente à gestão do crédito e portanto essas notas são muito importantes para negociações futuras. Uma das queixas dos colaboradores era que perdiam muito tempo a fazer esse resumo, ou seja, perdiam cerca de 10 a 15 minutos após desligarem a chamada a fazerem esse resumo”, explica Miguel Madeira, Executive Managing Diretor. Acrescentando que esse tempo dispendido a sumarizar a chamada representava um custo para a empresa de cerca de quatro euros/colaborador. 

Nasce então a ideia de através de uma solução de Inteligência Artificial e, num projeto em conjunto com a BI4ALL desenvolver um processo que automatizasse toda esta tarefa e também garantir uma maior consistência e padronização nos registos.  

Embora a negociação seja sempre feita através de uma chamada telefónica, com a gravação da chamada foi implementado um processo totalmente automatizado, que faz a transcrição da chamada, a análise de sentimento quer do recuperador, quer do devedor e, no final, através de um modelo de Large Language Model faz a sumarização dessa chamada e grava automaticamente no CRM da empresa.  

“Em cada chamada que é realizada por um agente de recuperador de crédito, este hoje poupa cerca de 10 a 15 minutos, o que se traduz num enorme aumento de produtividade nas equipas e, de referir que a Finsolutia tem cerca de 80 recuperadores em Lisboa e em Madrid a fazerem esta atividade todos os dias. Na prática, os nossos recuperadores vão fazer mais chamadas, não vão recuperar mais dívida mas vão recuperar mais rápido porque vão ter mais tempo para negociar”, esclarece Miguel Madeira. 

Neste momento, o foco está na recuperação de crédito, que é o core business da empresa, onde pretende ter um incremento de produtividade maior. A Finsolutia também identifica outras áreas de negócio, nomeadamente a intermediação de crédito, onde a empresa quer também começar a usar estas ferramentas para registar toda a atividade naquilo que é a captação de novos créditos para os intermediários de crédito.  

“No fundo, temos de alargar a base de utilizadores, que neste momento são cerca de 80 nesta ferramenta e queremos alargar a toda a plataforma de intermediação de crédito.”, adianta o responsável.  

Há outra métrica importante que é o nível de satisfação quer dos agentes da Finsolutia, quer dos devedores. “Com a análise de sentimento é possível também perceber a performance e a forma como cada um dos recuperadores de crédito trabalha e desempenha as suas funções. Aliás estamos a pensar durante o próximo ano implementar um sistema de gamification, em que os agentes que tenham a melhor pontuação na parte da análise de sentimento possam ter uma bonificação no salário por exemplo. É uma forma de incentivo ao uso da ferramenta e de aumentar a qualidade daquilo que é a performance das equipas”.  

No futuro, dependendo da área de negócio, Miguel Madeira ressalva que é necessário melhorar as prompts que usam nos modelos de Inteligência Artificial. Além disso, “vamos também querer testar os novos modelos que estão a ser lançados, alterar as prompts mais adequadas às áreas de negócio e aí sim vai haver algum trabalho de desenvolvimento e investigação e de teste para ver se os resultados melhoram face ao que temos atualmente”.