AI影响抵押加工工作流程

丹尼尔Faggella.
头像

Daniel Faggella是Emerj研究的首脑。丹尼尔呼吁由联合国,世界银行,国际刑警组织和龙头企业,丹尼尔是AI对商业和政府领导者竞争战略影响的全球追捧。

AI影响抵押加工工作流程@ 2X

这篇文章一直在赞助由铁山出版社出版,并与该出版社合作编写、编辑和出版Emerj的赞助内容指南

购买房屋通常是一个人生命的最重要的金融投资之一 - 抵押过程中涉及的文书工作是众所周知的。行动,协议,条款 - 各方核实。

为什么技术没有使过程更容易?

希望AI可以提供帮助。

今天的客人是抵押贷款技术空间的退伍军人。Kristopher Lorang是一家公开交易的国际服务公司Iron Mountain的金融服务产品经理。铁山是安全存储的领导者,现在包括数字记录存储和管理。在这一集中,KRIS在复杂(和文书工作)抵押过程中,克里斯分享了基于AI的文档搜索和发现的一些使用情况。聆听完整的剧集或阅读下面的成绩单。

订阅我们的AI在商业播客使用您最喜欢的播客服务:

itunes播客
soundloud-podcast.
google-podcast
Stitcher-Podcast.

客人:克里斯托弗(克里斯)洛朗,金融服务产品经理铁山

专业知识:抵押过程和自动化

简要认识:在加入铁山的Insight产品组之前,Kris通过总资产担任美国第8大银行BNY Mellon的抵押贷款技术副总裁。克里斯毕业于伊利诺伊州北部北部工业管理硕士学位。

重要见解

  • 对人工智能系统来说,比较和验证可能是容易实现的目标.确保文档在各种文件中具有相同的名称,地址,贷款金额或条款可能是AI系统的作用。计算机视觉自然语言处理可以找到匹配或不匹配并通知工人,而不是完全依赖人类扫描。这些系统可能会为人类时间保存更多的复杂任务,或者可能有助于销售工人未能注意到的潜在不匹配。
  • 当需求波动时,自动化和精简更重要.在抵押贷款手术中难以改变抵押贷款卷来处理的抵押贷款。季节,利率和各种其他因素可以转移抵押贷款,留下队伍无论是多谚语还是不堪重负。处理一些处理和工作流程的AI系统可能有助于抵押贷款公司的头目要求,并允许团队成员专注于更多的认知和创造性任务 - 而不是死记硬背的流程和验证。

完整采访成绩单

Daniel Faggella:所以克里斯今天,我们将谈论抵押过程中人工智能的一些机会。显然,金融服务空间中更多的文书工作,重型过程,或者众所周知。

在我们进入AI之前,我喜欢做的就是画出现在的过程的图片。然后我们谈论AI可以层值的那些参数。在抵押贷款关闭后,你能告诉我们,因为我知道这是你在铁山中最熟悉的东西,在制文工作和工程后期的过程中必须发生什么?

克里斯洛朗:当然所以,正如许多听众可能知道的那样,抵押贷款过程的许多前端在今天是高度自动化的。你可以在手机上获得抵押贷款,你可以在手机、电脑等上上传文件。但是,正如你所提到的,在结账过程中,所有文件基本上都会打印出来,这意味着你必须打印所有文件,然后有时你必须到办公室,用墨水签名在这些文件上签字。然后这些文件必须寄回贷款人。

克里斯洛朗:现在,当然,在这个大流行环境中,已经改变了许多这些过程。很多公证都会到你的房子,所以你可以墨水签名。我的意思是,甚至有一点点远程在线公证,那种东西。但在大多数情况下,许多抵押贷款仍然在纸张文件上使用湿墨签名关闭。

因此,真正的过程是,一旦它回到银行,它就会进入一个他们称之为结账后团队或部门的部门。在该部门,他们必须查看每个单独的文档,以确保所有数据点都是准确的,以确保票据上的利率与系统一致,以及票据锁定的利率。它必须确保每个人都在每份文件上签名,并在所有正确的地方进行公证。当投资者收到预期的每一份文件时,他们都会收到某些文件。所以这实际上只是大量的体力劳动和大量的凝视和比较活动。所以他们盯着屏幕,验证文档上显示的数据。

Daniel Faggella:“凝视和比较。”

克里斯洛朗:是的。

Daniel Faggella:所以这么批量真的只是深入的事实检查了一个不幸的纸质生态系统,想知道它需要多长时间,不要那样?但它听起来这是它的重要组成部分。你提到的是,做的比赛匹配,人们是否正确签署了东西,这是涉及这种凝视和比较的其他东西吗?我想象有人,一个人在一个遮阳板上和一盏灯拿出这些灯,继续前往第18页,确保这些事情匹配,去第五页,去第六页,制作确保这些事情匹配。Is it that kind of a hyper monotonous workflow where there’s just a guy named Steve who just sits down and he puts on his visor for the day, because that’s his life, and just does that, or are there multiple people that are involved in different parts of these agreements? What’s these various handoffs kind of look like?

克里斯洛朗:所以通常是一个接受它的部门。现在不同的贷款人处于数字转型的各个阶段。因此,可能是这些文档将进入并他们扫描到他们的ECM系统中,然后该部门获取该文件已被扫描的通知。所以,史蒂夫可以基本上,看着他的桌子上的一堆文件,他必须经过那一天,或者他可以在他们的系统中看他的队列,看着他必须得到的一堆图像通过并灌输在两个屏幕上凝视和比较活动。

所以是的,这是一个过程,它通常是一个人的团队,那个团队可能真的,真的很忙,并且有一堆工作,或者取决于可能是非常不活动的卷。因此,始终存在资源约束,然后您必须作为贷方进行。所以在这些时期今天的率很低,有大量的重油卷。因此,需要一个充满史蒂夫的房间,可以处理所有这些文件。随着速度更高的地方,当您进入假期时,通常在较低的交易时间,那个充满静止的房间可能不像忙。

Daniel Faggella:是的。Steves,他们挤满了一个......现在你必须担心你有多少桌子桌子。当史蒂夫无关时,您有足够的桌上足球表吗?

克里斯洛朗:这是正确的。

Daniel Faggella:原谅任何一个叫史蒂夫的人。我经常用你作为一个人的代表,做一个过程。我不是故意的。但是,好吧,这真的很有帮助,就像一个关于事物所在位置的概貌一样。凝视和比较,我们有不同的季节性不同的卷。有些人将部分过程数字化,并通知不同的小队。其他人可能只是将堆栈放在一个人的桌子上,而该人正在手动进行。但在任何一种情况下,我们都必须验证所有的点都是一致的,因为我认为,如果我们不这样做,就会有监管方面的担忧,会有法律方面的担忧,我们就无法对贷款给这个人感到有信心,我们同意了什么。

克里斯洛朗:正确的。在二级市场上销售这些贷款时,甚至是财务问题,某些投资者都有指导方针,您必须在您单独销售时满足。所以部分结束后进程的一部分是确保投资者所需的所有文件以及在该方案中所需的所有签名是准确的,并且它符合其指导方针。

所以,如果你碰巧把贷款卖给了一个投资者,而这个投资者审核了这笔交易,就像他们通常做的那样,对吧,当你购买贷款时,可能会涉及回购。本质上,投资者可以说,“嘿,这笔贷款不符合我们的指导方针。你必须买回它,贷方。”所以这是那个人或贷方口袋里的钱,因为他们没有准确地进行审计。

Daniel Faggella:感觉像2008年

克里斯洛朗:有点,是的。

Daniel Faggella:是的。When we talk about reselling mortgages and loans, I’m certainly not from the industry, but those of us tertiarily familiar with the last crash, or I guess aware of… The reason why there might be some regulations around that being pretty stringent, what are we actually selling an offering here? So, okay. That makes sense. Now, I guess we can talk about where AI fits into the mix.

Daniel Faggella:So we’ve got a manual process, varied levels of digital transformation between companies, maybe between departments of companies, maybe some is digitized, some isn’t, it might be a team of people working on different parts of the agreement, it might be one person, but no matter what, there’s a lot of dots that have to connect around who’s agreed to this, what have we agreed to sell them, are these terms based on the standards that we told the sales folks they needed to be on in the first place for us to be able to actually underwrite this thing, whatever those stipulations are, stare and compare. So that’s a lot of manual, where do we start to find AI’s fit in all of these processes?

克里斯洛朗:所以在哪里开始找到适合AI和ML技术的良好......所以让我们假设文件在这一点上数字化。因此,一旦您有数字化图像,就可以拍摄该图像并将其分类并从使用AI和ML中提取数据并提取数据。因此,一旦您对该图像进行分类,那么它可以轻松地发送到您的ECM系统,分类为正确的类别,因此您不必手动返回并执行此操作。

但即使是进一步下降,一旦您提取该数据,AI就可以开始了解它的贷款类型。So once it learns that it’s a fixed-rate loan, that it’s a condominium, what kind of property it is, that it’s in a certain state, it can start to look, if you will, for the required documents for that particular state or that particular loan program or that particular property type. Instead of having a person sitting there going, “Okay, this loan is in Pennsylvania. It’s a fixed-rate loan. It’s a condominium. I need to look for these 10 different documents because of those characteristics of the loan.” AI starts to learn that.

然后,不是让某人做那个,盯着和比较活动,他们本质上可能会看到人工智能和机器学习过程的一些后果,意思是,“好的,人工智能和机器学习已经分析了特定的贷款记录,但有人注意到这份文件不见了,因为它是宾夕法尼亚州要求的文件,不在包里。”所以那个人会做一些更高层次的活动。也许他们需要联系借款人,也许他们需要联系清算代理人,说"嘿,我们需要这份文件"所以他们能够做一些比凝视和比较活动更有价值的活动。

Daniel Faggella:是的。克里斯来说,这是一对夫妇来到心的类比。而且我想看看这些点击你的点击,因为我真的希望这可以点击聆听所有人,无论是在抵押贷款中。而且我知道我们有很多金融服务人员调整,但我会尝试让这个想法点击并确保我跟着你。

你提起这个,我认为,好的,在某些情况下,借贷公司X,谁做抵押贷款,在一些情况下,当这些东西在前门纸或扫描文档,他们已经有了附加标签,说,“这是一套公寓。这是什么。”所以可能有些人已经在标记阶段了,然后这个应用程序可能对他们不适用,但可能很多公司,他们不适用。它们只是原始文件,有人决定文件的类型,然后有人说,“好吧,因为这是公寓,因为它在这个价格范围内,”或者不管指导方针是什么,“现在,我们需要遵循这30点清单。如果是多户型住宅,而且在这种地区,现在我们需要遵循这种指导方针。”

这听起来像是区分哪种抵押贷款的因素,有时可能公司已经处理了,但有些公司没有。出于这个原因,我们也许可以训练一个系统,当它把它放在人的屏幕上时,它会说,“嘿,弄清楚这是什么,你需要检查什么,”它会说,“嗨,这是公寓,这是6个复选框,因为我已经在提醒你在这个工作流中做你需要做的事情,所以你不需要考虑轻松的事情。”我在跟踪你吗,克里斯?

克里斯洛朗:是的,我认为你是丹,还有一个好点,是有各种各样的实施这种技术。So I think at least a lot of what I’ve seen is those companies that do the imaging, they’ve simply put the whole closing package in an image, the whole file, and it comes out so-to-speak at the other end, as a large PDF file with all the documents in there. So you can’t tell what documents are in there and which ones aren’t.

Daniel Faggella:所以没有人在扫描时标记它。您所以的是扫描过程不是上下文感知。扫描过程没有将某种标签附加到它,这只是必须在事实之后发生。

克里斯洛朗:这是正确的。在过去,PDF文件会直接进入他们的企业内容管理ECM系统。然后它会被标记为低的数字1 2 3 4 5 6 7 8 9。所以你需要在你的系统中找到贷款记录,把它拉出来然后你需要滚动,比如说300页,在一个PDF文件中找到你要找的文件如果你以后要回去看的话。

但是通过AI和ML技术,我们采取了PDF文件,其中一些行业调用了一个Blob文件,将其拆分到单个文件中。所以你可以记录并说:“我需要看看抵押贷款。我需要看看笔记。“无论您需要查看哪些文档,它都在那里,它标记了,它是分类的,所以你可以快速找到它而且不必挖掘300页PDF文件。

Daniel Faggella:好吧。所以我们在这里得到的部分内容是人工智能可以标记这是哪种抵押贷款,但也可以设置分页符为不同的部分。所以如果你说,“给我纸条,”或者,“带我到处都有签名,”或者,“给我…”它可以不管这些标签页或blob的那些部分文件,这样人类就可以浏览一下更迅速?

克里斯洛朗:正确的。它不是一个PDF中的书签不是那么多的书签,我会看起来更像将其拆分给不同的部分。

Daniel Faggella:知道了。将文档打破到多个部分中。因此,立即想到的类别,KRIS现在是聊天机器人对话,例如,很快就没有更换了稳健的高中,人类谈话。同样,AI可能没有权力才能完成所有双重和三重检查,以承保一百万美元的抵押或任何抵押贷款或审计一百万美元的抵押贷款。

克里斯洛朗:正确的。

Daniel Faggella:但是,一些会话系统可以做的是他们至少可以将对话标记为“这是退款请求”。这是关于产品X的产品询问。这是一个交付问题。这是一个......“然后他们可以将其致力于正确的人类。听起来同样,我们能够在前端进行标签,以便人类不必说,“我的盘子是什么?”他们说,“哦,公寓在我的盘子上。繁荣。这里是。”然后这是我对我需要做的事情的提示。

克里斯洛朗:正确的。是的。这肯定可能是我将首次使用该AI和ML技术的第一级。展望进一步的前方,或者对于更高级的系统,您可以使用AI和ML技术从文档中提取的数据并将其放入规则引擎中。

并且该规则引擎建立在某些法规附近投资者或您自己的内部政策或政府政策的指导。所以那么你拿到那个数据,你可以分析数据,你可以执行一个人的一些标准任务,“音符的速度与抵押贷款的速度相匹配吗?”有人要做凝视并比较,您实际上可以采取已提取的数据并完成文件的完整审核。

Daniel Faggella:可以知道了。因此,我认为有必要的是,我们需要,至少在某种程度上,我们需要对系统进行培训,使其能够以特定的方式格式化这些特定的文档,因为我可以想象,对于每家银行,甚至是银行内的不同部门,人们在X上签名的确切位置和人们在Y上列出多少钱的确切位置,就成本而言,格式可能不同。

因此,为了实际做匹配并给予它的绿色复选标记,我们需要大量的无论我们拥有的文件格式,然后培训AI系统真的,真的,真的简洁地和可靠地提取了正确的数字页面,25和35之间的某个地方与大多数时间,正确的数字。因此,似乎在客户的工作流程,文书工作格式的情况下,似乎有一些搭载,那么这个特定的工作流程使用。但如果我们有足够的情况,那么我们可能会匹配不同页面上的两个项目。如果这听起来很准确,请告诉我吗?

克里斯洛朗:是的。这听起来很准确。当然,拥有那些训练有素的ML模型,机器学习模型,能够在抵押贷款行业内识别这些不同格式的文件将是关键。有些人比行业中的更多标准。如果您查看抵押贷款和票据,并且在一些来自政府法规的一些更规定的文件中,那些看起来与另一个分类帐非常相似,这取决于他们使用的系统来生成它们,但它们看起来非常相似.其他的不是。所以它是那些,我认为,你可以让那些训练有素的型号起来,它可以识别它是那种文件的类型。

Daniel Faggella:了解。好吧。我想到这方面是从用户的角度工作的方式,所以当他们听播客时,我总是喜欢人们,能够闭上眼睛看工作流出。欧洲杯历史冠军我想象一下这是审计人员的方式可能有一组六个检查按钮,也许是他们文件右侧的16个复选框,因为他们知道这是一个公寓抵押贷款或其他东西。当系统说“嗨,这是一个公寓抵押贷款时,我有一种两倍的猜测,第一件猜测。如果错误,人类可以重新标记它并可能使用它作为对系统的反馈。

而且,如果机器已经有了,假设你在右边有16个复选框,如果在其中三个复选框旁边已经有一个蓝色或绿色的复选框,因为它已经验证了它们,然后人类可能会走进去,确保机器在绿色复选框里的选择是正确的,如果其中一个假设在某种意义上是错误的,也许能够纠正系统。我猜在供给系统方面这里有一个循环,因为这个东西假设这是一种类型的文档,它假设,“嘿,这两个信息匹配,”但也许有时我们需要教育它。这部分工作流程是什么样的?

克里斯洛朗:所以通常会在很多AI中找到什么,ML系统是能够设置某种信心分数。现在这是什么意思?因此,如果您查看文档,您可以设置信心分,让我们说,90%。好吧,那么如果系统经历过它,就在分析文件时,它也会说,“我是,让我们说,65%肯定这是一个音符。”这样它就会创造一个,我们将在铁山上呼唤,例外。

So that exception has to be viewed by a human in the loop, a human that looks at a cue that says, “The system thought it was 65% sure this was a note, but we’ve set the threshold that it has to be 90% sure before a human doesn’t have to look at it. So we’re going to present this to a human.” So the person, the auditor, we’ll go back to Steve, looks at that document and says, “Yeah, system, you were correct, marked it.” And then the system, as you said, that goes back into the learning or the knowledge of the system itself.

所以下次它是70%准确,80,因为它一次又一次地又一次地看到了这份文件。最终,思想是,这将是这么少的例外情况,即它只是那些古怪的文件,或者也许是一个是一个坏图像的文件,这将脱离过程。而且他们中的大多数都会直接,一个人永远不必看他们。

Daniel Faggella:我猜的是,我猜是要选择......现在,你们在这里运行产品公司的挑战是我们认为我们认为我们实际上可以达到这一点的工作流程的挑战还是因为它可能有一些工作流程的地方,所以“哇,这需要很长时间才能让它变得如此,大多数时候,人类不必看这个。”但是,还有其他部分就像这样的地方,“嘿,我们实际上可以到达那里。”所以你谈到了分类它是什么类型的抵押贷款。这听起来就像你曾经磨练的那样。

从页面X到第Z页面有某些类型的数据验证,这就是你人们磨练的。听起来从AI公司的角度来看,你们必须真正考虑一下我们认为可以获得这中的哪一个可以获得一个真正高水平的自动化,然后建立你的系统和您的产品,围绕着?因为显然不是一切都可以自动化。

克里斯洛朗:正确的。耶,当然了。显然,最低悬挂的水果是每个抵押贷款的一些文件,对吗?A mortgage or a security instrument, a deed of trust, a note, a closing disclosure, a loan estimate, those documents that are present in every loan package, obviously we have more of those and we’re able to train the system on every package we process, right? So those models are built up and a little more robust than some other ones that, if you look into New York, they have a lot of co-op loans and SEMA loans, which I won’t get into what those are, but there’s less volume of those. So those may take a little longer to train those models, to understand that loan and understand those documents.

Daniel Faggella:是的,我认为人们低估了产品公司面临的挑战。你必须看看,“将此工作流程自动化到客户端是什么?我们能够将这一点自动化到客户对客户令人满意的程度是什么?然后也许我们正在使用的数据量是什么,告诉我们我们是否真的认为这是我们对我们只是没有足够的体积实际制作这些改进的区域的力量领域?“And you’ve got to look through that whole pachinko machine and then find those pinpoints where you can say, “Hey, here’s a spot that we think matters to the client, that we can handle, and that we have the data volumes to do.” And then you’ve got to double down and build out kind of solutions for that.

克里斯洛朗:对。确切地。You have to look at the process where you’re going to be able to bring the most value to the customers, where you’re going to be able to really address some of their key pain points and make them more profitable and efficient, and ultimately to offer a better customer experience for their customers. Did you say “pachinko machine?”

Daniel Faggella:Pachinko机器,是的。

克里斯洛朗:这是一个旧的参考。我的朋友有一个地下室。

Daniel Faggella:我使用的比喻很多,无论好坏。我觉得有时它不是最好的比喻,但我只有这么多能做。所以,好吧。是的,我认为很多人低估了真正决定和建立AI产品的挑战。显然,你们已经使用了这么多的巨型金融机构,你在这里有很多文档的手,但仍然能够选择价值的区域很有趣。

因此,让您的观点很酷,我们可以在哪里开始这种自动化。听起来它是什么样的文件是它首先是什么样的文件,但是也是一些单独的凝视和比较,如果我们可以训练一个系统,如果我们有正确的卷,我们实际上只有一个绿色复选框somebody doesn’t have to look at because we can gauge a confidence interval and hopefully make the whole process run smoother.

你谈到了提高客户体验。也许我们可以结束这一点。当我想到这一点的价值是什么,立即想到的东西是“,”好吧,人们可能需要做一些不那么单调的凝视和比较,也许那些东西刚刚完成了一些东西他们首先得到了DOC的时间?他们正在做一些可能的一些,无论是挑战的凝视和比较还是涉及一些商业背景和更多战略思维的事情。“所以也许这是一种员工的利益。

There seems to be a value here for the throughput, presuming we could speed things up, that’s also maybe for the business itself and their own efficiencies, but maybe there’s also a speed to having this mortgage all the way closed, and maybe clients would appreciate that. Those are the three things to come to mind for me. When you guys think about the benefits and kind of who’s benefiting from these processes being sort of embedded with AI in the right way, how do you like to articulate it?

克里斯洛朗:我认为你已经击中了他们,我们想到的三个。所以你认为贷方能够扩大规模。我们之前说过,当音量大的时候,屋子里坐满了史蒂夫,当音量小的时候,也许只有一个史蒂夫。他们必须经历整个休假过程,我称之为,随着业务量的增加和减少,或者可能只是资产的重新分配。

因此,我们考虑能够扩展,也许你只需要一个或两个Steves和一些Stephanies在房间里就能够处理所有的数量,不管是每月10000笔贷款还是每月1000笔贷款,因为他们只是在整个自动化系统中管理例外过程。

然后你看,最重要的是,可能是客户的视角。So if you go and close a loan and then two months later, by the time your lender gets through the process and the post-closing process, and you’ve already made your first mortgage payment and they come back to you saying, “Hey, I need this document signed.” You’re like, “What do you mean you need this document signed? I closed two months ago. Why are you coming back to me now? This is really annoying to me.” Sometimes customers will be like, “I’m not signing it.” And then you have to go back to them again. And that kind of process is very frustrating to borrowers. And they’re likely, especially nowadays when they have so many options, not to come back to you for any other financial transactions, maybe if they upgrade their house or refinance in the future, maybe that annoyed them enough.

因此,如果您能在一两天内返回缺失的文件,可能会在贷款结束后返回它们,那可能不太烦人,对吧?因为你喜欢,“哦,我们错过了这份文件。我们深表歉意,你能签署吗?““当然,无论如何。”发送。因此,它真的试图通过每笔交易提供良好的客户体验以及储蓄贷方的一些钱。拥有一个充满静物的房间非常昂贵。管理他的人,雇用他们,把它们躺下等等。

Daniel Faggella:你必须为每个人提供桌子球桌。

克里斯洛朗:是的–足球桌、房地产、你需要一个房间、你需要停车场等。如果你有这个AI、ML技术,你就可以实现它一次,it了解到,你有这些高价值的员工坐在那里处理例外情况。这两个人只需要一张足球桌。

Daniel Faggella:我认为AI产品周围的共同价值是有点的,“我们可以在没有缩放的情况下缩放吗?”Certainly a value prop there, again, Steves aren’t cheap and especially when volumes are fluctuating, we might have a room full of folks who really have very little to do for an entire season and that might not be the financially best call we can make.

太酷了。因此,对于过去听过我们许多播客的听众来说,现在你们知道我们想在周二的用例集中讨论的是什么,我们来看看之前的业务流欧洲杯历史冠军程是什么,之后是什么,以及业务价值是什么?为什么这很重要,为什么我们要解决这个问题?克里斯,我想我们今天已经做到了这三点。因此,我非常感谢您能与我们分享您的专业知识,并加入我们今天的节目。

克里斯洛朗:是的,谢谢你让我丹。我真的很喜欢它。

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅图像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。