Eindeloze brieven, stapels papierwerk en communiceren met de fax. Daar worden deurwaarderskantoren en incassobureau’s vandaag de dag nog mee geassocieerd. Maar juist binnen de financiële sector wordt digitalisering en het gebruik van kunstmatige intelligentie (AI) steeds belangrijker. Deurwaarderskantoren gebruiken AI en andere technologieën om betere, persoonlijke betaalplannen te maken en te verminderen. In dit artikel gaan we in gesprek met Pim Veth, CEO van Inkassier, over digitalisering en de rol van AI binnen creditmanagement.
“Pim, je bent al bijna dertig jaar actief in de incassowereld. Wat is het grootste verschil tussen het creditmanagement van nu en dat van vijftien jaar geleden?”
Vijftien jaar geleden was veel minder opgenomen en gedigitaliseerd. Het internet was niet zo ver als nu en we communiceerden per post. Communiceren via digitale kanalen is nu het uitgangspunt. Enkel in de toelichting communiceren we nog per post. De manier van communiceren is 180 graden gedraaid en dat is een verschil.
Pim Veth
“Dat maakt de communicatie inderdaad een stuk efficiënter. Naast de opkomst van het internet, zijn er nog andere nieuwe technologieën die een grote impact hebben gehad op het werk van de gerechtsdeurwaarder?”
Het werken met big data maakt zowel voor ons als voor de klant een groot verschil. Het belangrijkste onderscheid dat wij maken bij iemand die een schuld heeft, is ‘niet willen’ of ‘niet kunnen’ betalen. Dankzij big data kunnen we voordat we iemand spreken beter inschatten of zij niet willen, of niet kunnen betalen. Bij mensen die niet kunnen betalen gebruiken we andere maatregelen, dan bij mensen die niet willen betalen. Dat is een van de manieren waarop wij vorm geven aan sociaal verantwoord incasseren.
“Hoe maakten jullie vijftien jaar terug het verschil tussen niet-kunnen en niet-willen betalen?”
Vijftien jaar geleden maakte we meer gebruik van generieke maatregelen. Als we het verschil wilden maken tussen niet-willen en niet-kunnen betalen, vroegen we aan mensen om te bewijzen dat ze de vordering niet konden betalen. Pas wanneer ze dit lieten zien, pauzeerden we de maatregelen en adviseerden we opdrachtgevers om de invordering te stoppen. Nu is incasseren op maat veel gemakkelijker. Wij genereren eenvoudiger de benodigde informatie met de behulp van AI en zetten op basis daarvan passende stappen. Mensen die wel kunnen, maar niet willen betalen hebben dossiers die we moeten behandelen, doorzetten en aanpakken. Mensen die niet kunnen betalen, moeten we helpen. We maken dit onderscheid zodat mensen niet met onnodig hoge kosten worden opgezadeld.
“Big data is dus uitermate belangrijk geworden bij incasseren. Op welke manier maken jullie bij Inkassier gebruik van big data?”
Wij maken gebruik van big data om voorspellende waarden te verkrijgen. We verzamelen zoveel mogelijk kenmerken van een schuldenaar, zoals woonplaats, leeftijd en opleidingsniveau. Die informatie bepaalt de manier waarop we iemand benaderen. Hierbij houden we onder andere rekening met de manier van communiceren en de tone-of-voice. Wanneer je iemand van 20 jaar moet benaderen, heeft het geen zin meer om een formele brief te schrijven. Die kun je beter met een app benaderen. Daarnaast gebruiken we passend taalniveau in de communicatie zodat dit voor iedereen te begrijpen is.
“Hoe zorg je voor een passend taalniveau in de communicatie naar debiteuren?”
In samenwerking met digitaal bureau Digital Layers hebben we iemand van de Radboud Universiteit in Nijmegen onderzoek laten doen over hoe we brieven moeten inkleden bij mensen met een bepaald taal- of denkniveau. Dat rapport hebben wij aangepakt om onze brieven te herschrijven. Hierbij gaat het niet alleen om de manier van schrijven, maar ook de inhoud is super belangrijk geworden. De manier van schrijven en de inhoud was vroeger ook heel generiek en passen we nu dus aan op onze doelgroep.
“Dus jullie maken gebruik van big data om voorspellende waarden te verkrijgen en gebruiken deze waarden voor het aanpassen van het taalniveau. Wat is het effect hiervan?”
Inderdaad, voor het matchen van kenmerken van een schuldenaar en de tone-of-voice maken we gebruik van big data. Een deel van de informatie bouwen we zelf op met bijvoorbeeld persoonsgegevens en informatie over het schuldenverleden. Wanneer we zien dat iemand vorderingen altijd door middel van een afbetalingsregeling betaalt, bieden we de volgende keer meteen een betaalregeling aan. Door big data en profiling weten we dat dit helpt. Bij sommige mensen weet je daardoor dat een betaalregeling aanbieden geen zin heeft, omdat die alleen betalen wanneer een rechter ze veroordeelt. Big data en automatisering zorgt ervoor dat je processen veel efficiënter kan inrichten. We gebruiken dus vrijwel geen generieke maatregelen meer. Het draait nu echt om de persoon. Enkel wanneer we echt niks van iemand weten, gebruiken we generieke maatregelen en volgen we de standaard stappen in het dossier.
“En wat zijn de volgende stappen die jullie willen zetten op het gebied van AI?”
We willen nog meer inzicht in voorspellende waarden. Er bestaat neurale technologie die op basis van algoritmes een zelflerend proces creëert. Hier zien wij veel kansen. We willen bijvoorbeeld graag kansberekeningen inzetten om te berekenen hoe groot de kans is dat iemand een vordering betaalt. De slagingskans van een incasso wil je idealiter ook delen met een klant. Daardoor weten we vooraf welke stappen we het beste kunnen zetten en voorkomen we onnodige kosten.
“Minder schulden en sneller betaalde rekeningen. Dat is het doel van digitalisering. Zien jullie dat al terug? ”
Ja, dat zien we best wel terug. Zoals ik net al zei, is het maken van onderscheid tussen ‘niet willen’ en ‘niet kunnen’ heel belangrijk. Wanneer je mensen die niet kunnen betalen, opzadelt met hoge kosten, komen ze helemaal nooit meer uit de schulden. Deze mensen moet je juist helpen en daarbij heeft het geen zin om naar rechter te gaan of beslag te leggen op hun bezittingen. Dan wordt de schuldenberg alleen maar hoger. Deze mensen moet je juist in een eerder stadium al helpen door middel van bijvoorbeeld schuldsanering of in overleg zoeken naar een oplossing binnen de financiele mogelijkheden.
De schuldenproblematiek is groot, mede doordat er te lang generieke maatregelen zijn genomen waarbij niet-willers hetzelfde werden behandeld als niet-kunners. AI helpt ons om schulden terug te dringen en meer mensen uit de problemen te houden.
“Hoe reageren bedrijven op het groeiende gebruik van AI en digitalisering?”
Onze klanten reageren heel goed. Het maakt niet alleen het proces efficiënter, maar het voorkomt ook onnodige kosten, omdat we sneller weten wie wel en niet kan betalen. Daarnaast zorgt het gebruik van AI dat wij meer sociaal verantwoord kunnen incasseren. En dat is natuurlijk voor iedereen beter.
“En wat vinden debiteuren hiervan? Merken zij dat jullie op een ‘nieuwe’ manier incasseren?”
Ja, we krijgen veel positieve feedback. We horen regelmatig van mensen dat ze blij zijn met de aanpak en dat we hen geholpen hebben met een oplossing. Daar doe je het uiteindelijk voor. Mensen lossen hun schuld af en de opdrachtgever krijgt betaald. En dat gebeurt op een manier die voor iedereen passend is. Dit is overigens niet iets van de laatste jaren hoor, dat doen we altijd al. Ik vind dat zoiets niet in een bepaalde tijdgeest moet passen. De beste oplossing vinden voor iedereen, dat doe je gewoon altijd.
“Welke impact heeft automatisering en digitalisering gehad op jouw werk als gerechtsdeurwaarder?”
Ik heb moeten wennen aan de toenemende mate van digitalisering. Ik loop al bijna 30 jaar mee en in die tijd is er veel veranderd. Als je niet meeging met technologische innovatie, viel je meteen af. Het was dus belangrijk voor ons om een visie te ontwikkelen op digitalisering. Dat heeft een positief effect op ons werk. Onze dienstplanning is beter geworden en we werken veel efficiënter.
“We zien dat er hard wordt gewerkt aan toepassingen van AI bij credit management. Hoe ver kunnen en willen we gaan?”
Ik denk dat we best ver kunnen gaan. Wellicht geldt hier de 80/20 regel, waarbij je 80% kan digitaliseren met AI. Wij hebben al dossiers lopen waar eigenlijk geen mensen meer aan te pas komen. Er kan veel gedigitaliseerd worden, maar het blijft wel mensen werk. Ik vind het belangrijk om onderscheid te maken in wat je kunt digitaliseren en waar je mensenwerk voor moet blijven gebruiken. Er zit namelijk altijd een menselijke kant aan een verhaal en daarvoor moet je oog houden. Wanneer je persoonlijk iemand aan de telefoon hebt en je hoort emotie aan de andere kant van de lijn, kun je daar je manier van werken op afstemmen. Dat is met digitalisering lastiger.
“Zijn er dossiers bij jullie volledig gedigitaliseerd of blijft hier altijd een menselijk aspect bij aanwezig?”
Onze dossiers zijn volledig gedigitaliseerd, maar hangen wel vast aan een medewerker. Die medewerker moet bewaken of de digitalisering goed blijft gaan. Dat is eigenlijk een kwestie van een bepaalde voortschrijding. Wanneer je merkt dat digitaliseren altijd goed gaat, dan zou er uiteindelijk nooit meer door mensen naar die dossiers hoeven worden gekeken. Maar het blijft belangrijk om de mogelijkheid te bieden om contact te houden. De menselijke maat kun je niet digitaliseren en zal dus nooit verdwijnen.
“De afgelopen jaren is er de ontwikkeling op het gebied van digitalisering in sneltrein vaart gegaan. Hoe zullen deze veranderingen zich verder gaan ontwikkelen? Hoe ziet de creditmanagementafdeling er over een paar jaar uit en over welke vaardigheden dient de gerechtsdeurwaarder dan te beschikken?”
Ik denk dat er in de komende jaren nog niet zoveel gaat veranderen, tenminste niet op het vlak van nieuwe technologieën of toepassingen. Wel zullen de komende jaren gevuld worden met het verfijnen van aspecten die we al gebruiken, zoals: big data, voorspellende waarde en algoritmes. Daarnaast maken wij veel gebruik van zeer privacygevoelige informatie. Het is daarom belangrijk dat die informatie goed, verfijnd en gewaarborgd is. Ik denk dus niet dat er veel nieuws bijkomt, maar wel dat we veel gaan verbeteren met z’n allen. Hierbij is ook de gerechtsdeurwaarder belangrijk. Deze moet goed met technologie overweg moeten kunnen. De digibeten zullen in ons beroep geen voet meer aan de grond krijgen.
“De benodigde skill set van medewerkers zal inderdaad veranderd zijn met de komst van AI en digitalisering. Wat zijn je verwachtingen met betrekking tot de inzet van technologie en werkgelegenheid, in het bijzonder in de incassosector?”
Je ziet dat de werkgelegenheid in onze sector al jaren jaren. Dat komt niet door, maar ook door het verlies van kantoren van marktaandeel door deurwaarders alleen ten opzichte van incassobureaus. Toch speelt technologie ook een belangrijke rol. Wij doen nu eigenlijk hetzelfde werk als enkele jaren geleden, maar met dertig man minder. Wel vind ik dat het werk leuker wordt. Dit komt omdat de standaard handelingen worden overgenomen door technologie en mensen nodig zijn zijn complexere denkwerk. De standaard groot handelingen niet meer handmatig en een deel wordt al door de computer gedaan. Wat de computer niet kan, moet door mensen worden uitgevoerd.
