Aplicação de aprendizado de máquina em processo de recuperação de crédito

• Processo: 18/01165-7
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Vigência: 01 de maio de 2019 - 31 de dezembro de 2020
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: André Menezes Oliveira
• Beneficiário: André Menezes Oliveira
• Empresa Sede: Adimplere Cobranças Ltda. - ME
• CNAE: Atividades de teleatendimento ; Atividades de cobrança e informações cadastrais ; Atividades de serviços prestados principalmente às empresas não especificadas anteriormente
• Município: São Paulo
• Pesquisadores principais: Felipe Maia Bezerra ; Leandro Farias Nogueira ; Rodrigo Amorim Ruiz
• Pesquisadores associados: Carlos Stein Naves de Brito ; Glauber de Bona ; Leliane Nunes de Barros ; Marcelo Finger
• Bolsa(s) vinculada(s): 19/10065-9 - Aplicação de aprendizado de máquina em processo de recuperação de crédito, BP.TT
• Assunto(s): Cobrança Inteligência artificial Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado Máquina | cobrança | Inteligência Artifical | Learning Machine | Recuperação de Crédito | Inteligência Artificial

Resumo

A Adimplere é uma fintech que tem como objetivo desenvolver uma operação inovadora baseada na atuação intensiva de recuperação de crédito através de canais digitais de comunicação e realizar cobranças e negociações de pessoas em situação de inadimplência de modo autônomo. Essa operação terá como principais ferramentas técnicas de monitoração, análise e rastreamento de dados e modelagens com o auxílio de inteligência artificial e aprendizagem de máquina. Essa metodologia visa quebrar os paradigmas do mercado atual, que possui operação intensiva em pessoas e processos manuais e que apresenta desempenhos aquém do potencial. Ademais, os hábitos da população estão mudando rapidamente no sentido de substituição do canal telefônico de voz tradicional para canais digitais e automatizados, o que tem contribuído para a deterioração do antigo modus operandi. A empresa pretende que esta metodologia seja disponibilizada em multiplataformas, software/web e mobile (smartphone e tablets), o que facilitará o acesso das funcionalidades a todos os envolvidos. Ademais, toda a estrutura seguirá um protocolo de segurança para a preservação das informações, utilizando acesso restrito aos usuários, com auditoria de todas as operações executadas no sistema buscando assegurar o sigilo entre as instituições e clientes. A solução é B2B2C (Business to Business to Consumer) no sentido de haver interação direta com a base de inadimplentes para negociar a recuperação do crédito, uma vez acordado com os parceiros credores. São estabelecidas parcerias com bancos, financeiras, faculdades, lojas de departamento ou quaisquer outras empresas que tenham contas inadimplentes a receber. Usando os dados fornecidos pelos parceiros e as interações envolvidas em diferentes canais, o programa distingue qualidades individuais e interage com clientes enviando estímulos e notificações para consultar as opções de acordos disponíveis no Portal de Autonegociação. Em trabalho de conclusão de curso um dos membros da equipe já realizou uma primeira modelagem e experimentação de um modelo de aprendizado por reforço em lote (BRL - Batch Reinforcement Learning) com o objetivo de identificar de forma automática a política ótima de campanhas para negociação das dívidas. O próximo passo, objetivo do projeto de pesquisa, será desenvolver e validar um modelo de aprendizado de máquina para orientação de decisões de oferecimento de desconto e parcelamento de dívidas ao longo de uma carteira de clientes inadimplentes de forma a maximizar a recuperação de crédito em acordos financeiros. A Adimplere já possui uma base de dados de clientes e negociações suficientemente grande para elaboração e testes de um modelo protótipo. (AU)