A Portfolio Követeléskezelési Trendek 2026 konferenciájának harmadik szekciójában a viselkedéstudomány és az automatizáció gyakorlati alkalmazásairól beszéltek. Elhangzott: nemcsak az adósság összege számít, hanem az is, miként tálalják a fizetési lehetőségeket, mennyire egyszerű végigvinni a tranzakciót, és hogyan csökkenthető az adóssághoz kapcsolódó szégyenérzet. Nagy mintájú kísérletek és vállalati példák egyaránt azt mutatják, hogy a technológia javíthatja a megtérülést, ugyanakkor a kritikus döntéseknél továbbra is fontos a humán kontroll.
Mit mutat a viselkedéstudomány?
Dr. Sebastian Clajus, a PAIR Finance viselkedéstudományi vezetője kiemelte, hogy a nemfizetés mögött többféle ok húzódhat meg: félreértés, pénzügyi ellehetetlenülés, szégyenérzet vagy halogatás. Ilyen esetekben a fokozott nyomás akár rontani is tudja az együttműködést. Clajus szerint ezért fontos a fizetéshez vezető út egyszerűsítése: világos kommunikáció, kevesebb választási opció, megfelelő időzítés és felesleges lépések eltüntetése.
Egy német–svájci kísérlet közel 289 ezer ügyet vizsgált. A kísérletben az adósok egy csúszkán állíthatták be az első részlet mértékét; a rendszer csak annyiban különbözött, hogy a csúszka alaphelyzete vagy a teljes tartozás 20, vagy 80 százalékán állt. A 20 százalékos kiindulópont mellett Németországban 40, Svájcban 30 százalékkal több fizetési megoldást fogadtak el, és a 13 napon belüli megtérülési arány megduplázódott. A kísérlet azt is szemlélteti, hogy a magasabb kezdeti elvárás nem feltétlenül hoz több pénzt.
AI-kommunikáció és stigmatizáció
Egy 11 európai országra kiterjedő kutatásban 3 514 résztvevővel azt vizsgálták, milyen pszichológiai hatása van annak, ha ember helyett AI-asszisztenssel folytatnak kommunikációt. Az eredmény: az AI 36 százalékkal csökkentette a megélt stigmatizáció kockázatát, miközben a bizalom nem csökkent. Különösen az idősebb korosztályoknál volt erősebb ez a hatás.
Ugyanakkor a kutatás azt is kimutatta, hogy empátiában, méltányosságban és kölcsönösségben az emberi ügyintézők továbbra is jobban teljesítenek. Ennek megfelelően az AI elsősorban az első kapcsolatfelvételnél, emlékeztetőknél vagy részletfizetések beállításánál lehet előnyös, míg vitás ügyeknél és sérülékeny adósoknál a személyes kommunikációnál marad a fő szerep.
Adatok konszolidálása és feladatpriorizálás a gyakorlatban
Murvai Tamás, az AI Path Pro alapítója bemutatta, hogyan használhatók az eszközök a követeléskezelés napi munkájában. Sok cég ma több ERP-rendszerrel, belső alkalmazással, banki forrással és Excel-táblával dolgozik, amelyeket manuálisan kell összekombinálni. Murvai példájában kilenc különböző adatforrást adott az AI-rendszernek: a szoftver konszolidált, formulaalkalmazott munkafüzetet, vezetői dashboardot és konkrét feladatlistát készített, miközben adatminőségi ellenőrzéseket végzett (például eltérő dátumformátumok, hibás számok, inkonzisztens devizanotációk felismerése).
A feldolgozásból kiderült, hol vannak a régóta lejárt követelések, mely ügyeknél szegték meg a fizetési ígéretet, hol hiányoznak dokumentumok, illetve hol térnek el a banki adatok a belső nyilvántartástól. Az AI rendszerek már nemcsak összefoglalnak, hanem priorizálnak és előkészítik a következő lépéseket: megmondják, mely ügyeket érdemes előrébb hozni, és milyen teendők szükségesek.
Autonóm agentek és ismétlődő folyamatok
Murvai bemutatott egy példát, ahol az AI-agent automatikusan kigyűjtötte az év során e-mailben beérkezett számlákat, kiszűrte a duplikátumokat, egységesen átnevezte őket, majd továbbította a könyvelésnek. Miután a folyamat stabilan működött, havi ismétlődő feladattá alakította — az agent innentől emberi beavatkozás nélkül futtatta a teendőket.
Ugyanezen elv alkalmazható követeléskezelésben: egy rendszer rendszeresen begyűjtheti a rendelkezésre álló adatokat, ellenőrizheti azok minőségét, újrarangsorolhatja az ügyeket és előkészítheti a következő intézkedéseket. Ez már továbbhalad az egyszerű chatbotok szintjénél: nem csak levelet ír, hanem munkafolyamatokat hajt végre.
Mikor elég egy hagyományos automatizáció?
A záróbeszélgetésben Hörömpöli-Tóth Levente, a Portfolio Csoport újságírója, Sebastian Clajus és Murvai Tamás azt vitatta meg, meddig érdemes elmenni az automatizációval. Murvai szerint gyakori hiba, hogy előbb választanak technológiát, majd keresnek feladatot hozzá. Ő azt javasolta, hogy előbb térképezzék fel a legproblémásabb, legunalmasabb feladatokat, és azok alapján mérjék fel az automatizálás szükségességét.
Egy egyszerű példa: egy HR-munkatárs havi 2–3 napot töltött azzal, hogy egy több száz oldalas PDF-ből kivágja a bérjegyzékeket és feltöltse azokat. A vállalat AI-agentet tervezett erre, de végül egy telefonhívás után kiderült, hogy a könyvelési rendszer 20 perc alatt képes megoldani ugyanazt. Ez rávilágít arra, hogy néha a hagyományos automatizáció egyszerűbb, olcsóbb és biztonságosabban bevezethető.
Mekkora az arány és hol a határ?
A PAIR Finance havi szinten nagyjából 400 ezer ügyet kezel kevesebb mint 300 munkatárssal; Dr. Sebastian Clajus szerint az esetek több mint 70 százaléka már emberi beavatkozás nélkül lezárható. Ennek jelentős része egyszerű automatizációra és döntási fára épül. Ugyanakkor a kritikus, jogi következményekkel járó döntéseknél és érzékeny ügyeknél továbbra is szükség van emberi mérlegelésre.
A résztvevők hangsúlyozták a biztonság és a kontroll fontosságát: az autonóm agentek kockázata nő, ha túl széles hozzáférést és túl nagy önállóságot kapnak. Az új folyamatokat érdemes először kontrollált környezetben tesztelni, és csak akkor automatizálni szélesebb körben, ha kiszámíthatóan működnek. Emellett az adatvédelmi, jogosultsági és GDPR-kérdéseket a bevezetés előtt rendezni kell.
Lehetőségek az ügyfélmonitorozásban és személyre szabásban
A vállalati követeléskezelés egyik nagy lehetősége a folyamatos ügyfélmonitorozás és a korai figyelmeztető jelek felismerése: a technológia képes kiszűrni azokat a változásokat, amelyek növekvő kockázatra utalnak, miközben manuálisan nehéz lenne folyamatosan követni nagy adatmennyiséget.
A lakossági oldalon az előny abban rejlik, hogy minél több releváns információ áll rendelkezésre egy ügyfél helyzetéről, annál pontosabban lehet hozzá igazítani a kommunikációt és a felkínált megoldást. Az automatizáció így rutinfeladatokat vehet át, nagy adatmennyiséget dolgozhat fel, és adott esetben csökkentheti az ügyfélre nehezedő társadalmi terhet. Az emberi szerep pedig ott marad meg a legerősebb, ahol vita, sérülékenység vagy komoly következmény van.
