L’IA et le recouvrement des créances : 3 cas d’utilisation qui améliorent les indicateurs clés de performance

Les responsables en recouvrement cherchent constamment à concilier les mêmes priorités : améliorer la performance, réduire les coûts et traiter chaque client de manière équitable et cohérente. Pour répondre à ces priorités, l’intelligence artificielle (IA) gagne progressivement du terrain dans le domaine du recouvrement. Les fonctionnalités de recouvrement assistées par l’IA peuvent réduire les tâches manuelles, améliorer la qualité de la documentation et aider les agents à suivre les procédures et les scripts d’appel.

La plupart des organisations de recouvrement font face à trois enjeux récurrents :

• La charge de travail après appel accapare les ressources. Les agents de recouvrement passent un temps précieux à rédiger des notes, à consigner les résultats et à documenter les prochaines étapes (en se fiant uniquement à leur mémoire).
• Les conversations varient selon les personnes et les équipes. L’arrivée de nouveaux employés, le taux de roulement élevé et les activités distribuées peuvent nuire à la cohérence des interactions.
• Le délai pour trouver la bonne réponse est trop long. Les questions liées aux politiques, les étapes des processus et l’historique ou le contexte des comptes sont souvent dispersés dans différents systèmes et documents.

Trois cas concrets d’utilisation de l’IA en recouvrement répondent directement à ces défis : synthèse des appels, conseils d’agents en temps réel et requêtes à même les flux de travaux.

Cas d’utilisation 1 – Synthèse des appels

La synthèse des appels génère automatiquement, grâce à l’IA, un résumé des interactions et des principaux résultats obtenus afin de réduire la charge de travail après appel et d’améliorer la qualité ainsi que la cohérence de la documentation.

La synthèse des appels s’intègre à vos activités de recouvrement en :

• uniformisant les notes d’appels et les résultats afin de maintenir des dossiers de compte clairs, concis et cohérents;
• réduisant le temps consacré aux tâches après appel (résumés, mesures à prendre, prochaines étapes);
• facilitant les transferts vers les superviseurs, les équipes d’arrière-guichet, les équipes spécialisées ou les responsables de l’assurance qualité.
• réduisant le risque d’omissions importantes dans les notes au dossier.

Résultats habituels et conseils d’évaluation de la valeur

Un étalonnage couramment utilisé pour l’automatisation des synthèses est une réduction de 30 % de la charge de travail après appel et de plus d’une minute de la durée totale des appels. Voici quelques améliorations auxquelles peuvent s’attendre les utilisateurs qui optent pour la synthèse des appels :

• temps consacré à la charge de travail après appel, par interaction;
• qualité de la documentation (constats d’assurance qualité, reprises dues à des notes imprécises);
• interactions traitées par heure rémunérée.

Cas d’utilisation 2 – Conseils d’agents en temps réel

Cette technologie fournit des requêtes et des recommandations assistées par l’IA pendant les interactions avec les clients afin d’assurer la cohérence ainsi que le respect des politiques et des procédures.

Les conseils d’agents en temps réel s’intègrent à vos activités de recouvrement en :

• guidant les agents de recouvrement pour assurer le respect des discussions, des scripts et des mentions obligatoires approuvés;
• réduisant les hésitations des agents lorsque les clients soulèvent des objections, parlent de leurs difficultés financières ou tentent de négocier;
• favorisant l’accompagnement des agents grâce aux indices d’interaction (p. ex. résultats, étiquettes et signes émotionnels) qui aident les superviseurs à offrir des formations axées sur les points les plus importants.

Résultats habituels et conseils d’évaluation de la valeur

L’étude a démontré que les organisations peuvent générer jusqu’à 20 % de gains de productivité chez les agents en accélérant l’accès aux politiques, aux procédures et aux ressources de formation. Voici quelques améliorations auxquelles peuvent s’attendre les utilisateurs qui optent pour les conseils d’agents en temps réel :

• résultats de l’assurance qualité (et nombre réduit de manquements aux politiques);
• taux d’escalades, de transferts et d’interactions répétées
• taux de conversion des promesses de paiement et de promesses de paiement respectées.

Cas d’utilisation 3 – Requêtes à même les flux de travaux

Un outil de requêtes à même le flux de travaux permet de poser des questions en langage naturel sur les comptes, les politiques et les procédures, et fournit des réponses pertinentes sans changer d’environnement.

Les requêtes à même les flux de travaux s’intègrent à vos activités de recouvrement en :

• réduisant le temps passé à rechercher des politiques et des procédures (dans plusieurs environnements) ainsi que d’autres renseignements sur le compte en milieu d’interaction;
• donnant des réponses cohérentes aux agents et au personnel de recouvrement sur la marche à suivre;
• accélérant l’intégration du nouveau personnel en offrant des conseils directement dans le flux de travail

Résultats habituels et conseils d’évaluation de la valeur

Selon l’étalonnage du secteur, la fonctionnalité de requêtes à même les flux de travaux peut accroître de 10 à 20 % le taux de conversion des promesses de paiement et réduire de jusqu’à 20 % le taux d’attrition des agents. Voici quelques améliorations auxquelles peuvent s’attendre les utilisateurs qui optent pour les requêtes à même les flux de travaux :

• temps passé à rechercher des renseignements ou des réponses pendant les interactions (ou réduction du délai d’attente pour le client);
• résolution dès la première interaction des questions courantes sur les politiques et les comptes;
• temps de formation de nouveau personnel et nombre de demandes d’aide envoyées aux superviseurs.

Un plan d’adoption simple et progressif pour l’IA en recouvrement

Plusieurs organisations déploient de manière progressive l’IA en recouvrement des créances, en commençant par les cas d’utilisation à faible risque, puis en la mettant à l’échelle au fil du temps, au fur et à mesure qu’elles gagnent en confiance. Chaque phase peut être mise à l’essai sur différents portefeuilles ou produits selon une stratégie « champion-aspirant », puis facilement déployée à plus grande échelle pour le portefeuille ou produit « aspirant ».

• Phase 1 – La synthèse des appels pour réduire le temps consacré aux tâches après appel, en plus d’accroître la qualité et le délai d’exécution de la documentation.
• Phase 2 – Les conseils d’agents en temps réel pour les scénarios établis (p. ex. difficultés financières, négociations, objections) afin d’améliorer le respect des politiques, la cohérence et la performance des indicateurs clés de performance opérationnels.
• Phase 3 – Les requêtes à même les flux de travaux pour répondre aux questions relatives aux politiques, aux procédures et au compte afin de réduire le temps consacré à la recherche ou le délai d’attente, en plus d’accroître le taux de résolution dès la première résolution.

Cette approche permet d’axer les initiatives de recouvrement assistées par l’IA sur des résultats mesurables, de faciliter la gestion du changement et de soutenir la mise à l’échelle lorsque les indicateurs clés de performance et l’approche de gouvernance ont fait leurs preuves.

Découvrez comment CGI Credit Studio pour le recouvrement soutient l’IA dans le recouvrement des créances grâce à une approche progressive et à faible risque. De plus, n’hésitez pas à communiquer avec moi pour discuter de la façon dont l’IA peut transformer vos activités de recouvrement des créances.