Sebastian Clajus, a PAIR Finance viselkedéstudományi igazgatója a Portfolio-nak adott interjúban arról beszélt, hogyan kombinálják a mesterséges intelligenciát és a pszichológiai megértést a lejárt tartozások kezelésében. Szerinte a hagyományos, „vagy nem tud fizetni, vagy nem akar fizetni” felosztás túl egyszerű: a valóságot gyakran szégyen, stressz, döntési túlterheltség és rosszul kialakított folyamatok bonyolítják.
Miért számít a viselkedéstudomány?
Clajus szerint sok adós nem azért kerül hátralékba, mert szándékosan nem akar fizetni, hanem mert a pénzügyi nehézség szűkösségi gondolkodást idéz elő: szégyen, stressz és korlátozott kognitív kapacitás jellemzi az érintetteket. A vállalat feladata nem az emberek megváltoztatása, hanem a folyamatok átalakítása: a súrlódások csökkentése, az akadályok eltávolítása és a kommunikáció egyszerűsítése. Ezek révén a tartozás rendezése kevésbé lesz terhes és embertelen.
Mikor jobb az AI, mikor kell emberi empátia?
PAIR Finance széles körben alkalmaz AI-t, de világos munkamegosztást tartanak szükségesnek. Az AI előnyei:
- csökkenti a stigmatizáció érzését, mert a kliens géppel kommunikálva kevésbé érez ítélkezést;
- hatékonyan kezeli a rutinfeladatokat (részletfizetési kérések, fizetési haladékok, visszaigazolások).
Jelenleg a cég eseteinek körülbelül 70 százalékát technológia és AI segítségével oldják meg emberi érintkezés nélkül. Ugyanakkor emberi közreműködésre akkor van szükség, amikor valódi empatikus válaszra — például panaszkodásra, erősebb érzelmi reakcióra vagy komplex helyzetre — van igény.
Milyen adatokat használnak a személyre szabáshoz?
A személyre szabott ügyfélutak kialakítása több szinten történik: alapinformációk (ország, nyelv, kulturális környezet), csatornapreferenciák (például Németországban az SMS, Ausztriában a WhatsApp lehet hatékonyabb), valamint a folyamat során keletkező viselkedési adatok (megnyitott e-mailek, látogatás a fizetési oldalon, korábbi interakciók). A PAIR Finance 13 országban van jelen, és sok kísérleti módszerrel vizsgálják a helyi különbségeket.
Egy egyszerű példa: ha egy ügyfél korábban már rendezett egy követelést, az erre vonatkozó sikeres megoldás alapján küldött üzenet hatékonyabban motiválhatja ugyanarra a viselkedésre, és ehhez gyakran csak néhány jól megválasztott adatpontra van szükség.
Technológiai és etikai keretek
A cég rendszere gépi tanulással és saját fejlesztésű mesterségesintelligencia-technológiával működik. A rendszer mintázatokat és ajánlásokat a közel tízmilliárdnyi adatpontból tanulja, amelyek GDPR-kompatibilis, ISO-27001 hitelesítéssel rendelkező keretrendszerből származnak. A PAIR Finance hangsúlyozza a „human in the loop” megközelítést: a legfontosabb döntéseket ember hozza meg, a szövegeket viselkedéstudományi csapat készíti, és az AI soha nem gyárt szabadon új tartalmat.
Hatékonyság és mérőszámok
A működés eredményességét klasszikus üzleti mutatókkal és ügyfélélmény-mutatókkal mérik. Az ügyfelek behajtási aránya a hagyományos szolgáltatókhoz képest átlagosan 10–15 százalékkal magasabb, a Trustpilot-értékelésük 4,7. Emellett az automatizációs ráta (az esetek körülbelül 70 százaléka) fontos mérőszám a költséghatékonyság és skálázhatóság szempontjából.
Európai trendek és megkülönböztető elem
Clajus szerint sokan állítják ma, hogy „AI-t használnak”, de ez különböző dolgokat jelenthet. PAIR Finance eleve AI-központú megközelítéssel indult, és szerintük a követeléskezelésben a viselkedéstudományt explicit módon még nem minden piacon alkalmazzák széles körben; erősebb jelenléte tapasztalható Skandináviában, Franciaországban és az Egyesült Királyságban.
A vállalat szerint az AI biztosítja a skálázhatóságot és gyorsaságot, míg a viselkedéstudomány adja azt a pszichológiai alapot, amely a sikeres, ügyfélbarát pénzügyi rendezést lehetővé teszi.
Előadás és konferencia
Sebastian Clajus a témáról részletesebben is előad a Követeléskezelési Trendek 2026 című konferencián, amelyet a Portfolio és az EOS szervez; az esemény szeptember 15-én lesz, és a szervezők már most regisztrációra buzdítanak.
Címkék: mesterséges intelligencia, viselkedéstudomány, követeléskezelés, automatizáció, ügyfélélmény, GDPR, ISO-27001
