Payt verwerkt voor haar klanten miljoenen facturen per maand. Daar zit voor u veel informatie in. Informatie die we bijvoorbeeld in kunnen zetten om het betaalgedrag van uw debiteuren te voorspellen. Handig voor een goede cashflow voorspelling of om een innings strategie te kiezen die het meest kansrijk is.

Payt is er het bedrijf niet naar om alleen de positieve kanten van deze data gedreven mogelijkheden te bekijken. En heel eerlijk? We hebben ook jaren AI als dossier voor ons uitgeschoven, omdat we de toepassingen in credit management niet bijzonder waardevol vonden. En vooral zagen als een wat doorzichtige marketingtruc: veel geblaat en weinig wol. Vaak wat geprogrammeerde slimmigheidjes (business rules) die dan goed (maar eigenlijk ten onrechte) worden verpakt als machine learning, robotisering of AI.

Wat ons wel bleef boeien was de mogelijkheid om te discrimineren. Artificial intelligence is daarbij zo blind als Vrouwe Justitia. Ze kijkt daarbij naar combinaties van kenmerken en het gedrag, zonder persoonlijke voorkeuren of vooroordelen. We hebben geen idee waarom, maar de computer zegt dat deze factuur 40% zeker niet binnen 120 dagen betaald zal worden. Een voorspelling ziet er dan uit zoals in de onderstaande grafiek.

 

 

 

 

 

 

 

 

En dat toont ook direct de complexiteit. In principe geldt: hoe lager de classificatie, hoe slechter het betaalgedrag. Maar de slechtere classificatie 7, leidt tot een hoger percentage voldaan dan classificatie 9, vanaf 56 dagen na factuurdatum. De vraag is dan wat we doen met deze inzichten. Welke ingrepen wil je als bedrijf dynamisch laten samenhangen met voorspellingen vanuit AI?

Artificial intelligence biedt een uitstekende mogelijkheid om de cashflow te voorspellen. En met dat inzicht kan tijdig gestuurd worden om de liquiditeit geen probleem voor de bedrijfsvoering te laten zijn. Artificial intelligence voorspelt het betaalgedrag van debiteuren ook bijzonder goed. Het zal de geest prikkelen over wat te doen met deze informatie binnen de credit management processen. Opvolging flows versnellen of juist vertragen? Lagere openstaande limieten instellen voor debiteuren in bepaalde categorieën? Het zijn vraagstukken die we graag met jullie delen en bespreken. In iedere classificatie zitten namelijk ook mismatchers. Bijvoorbeeld klanten die je graag wilt behouden en a-typisch voor hun classificatie “gewoon” op tijd betalen. Wij pretenderen niet bedacht te hebben wat te doen met alle artificial intelligence uitkomsten. Wij kiezen er daarom voorlopig voor om heel breed inzichtelijk te maken wat we weten. Samen met onze klanten, komen we dan vanzelf tot inzichten die ons werk verbeteren en de risico’s in de bedrijfsvoering van credit management verminderen.

We omarmen AI, in plaats van weg te zetten als een doorzichtige marketingtruc van concurrenten of modegril, als een domein waarvan we lang nog niet alles weten maar ook snappen dat we pas gaan ontdekken door het avontuur aan te gaan. Want wie in 1977 nauwgezet naar de voorspellingen voor de personal computer had geluisterd of in 1998 voor het wereldwijde web had destijds de boot echt gemist.

Hopelijk zien we elkaar op de Credit Expo en maken we samen de toekomst van credit management, met behulp van slim en ethisch toegepaste AI.

Payt is gold sponsor van Credit Expo 2021, die dit jaar op donderdag 28 oktober in congrescentrum 1931 in ‘s-Hertogenbosch zal plaatsvinden. Wilt u meer weten over Payt en persoonlijk kennismaken, bezoek dan standnummer 20. Wilt u meer weten over de werking van het debiteurenplatform van Payt, bezoek dan hun (product)presentatie om 13:00 uur in zaal Dexter 19, congrescentrum 1931. Klik hier om u aan te melden voor een bezoek aan Credit Expo (gratis toegang als u tot de doelgroep behoort).

Bron: Payt