Sergels algoritmer effektiviserar och ger alla en ärlig chans.

Carl Eriksson är ansvarig för analytisk data på Sergel. Hans uppdrag är att förädla analysen av den stora mängd data som genereras i företagets processer – Sergel har cirka 2,5 miljoner öppna ärenden.

– När Lisa, 32, med en årsinkomst under 150 000 kronor och underskott av kapital, inte betalat räkningen efter två påminnelser så är hon en del av ett statistiskt mönster av tusentals andra som liknar henne och som agerar likadant. Genom att analysera data kan vi skapa kraftfulla algoritmer som automatiserar våra beslutsprocesser. Det gör att vi bemöter Lisa snabbare och på ett sätt som är mer lyhört för hennes behov. Artificiell intelligens, ur vårt perspektiv, går ut på att ersätta beslut som tas av människor med beslut som tas av datorer. Det gör våra processer mer effektiva och träffsäkra. Vi blir bättre, helt enkelt, säger Carl.

Tar datorerna över helt?

Carls arbete är med andra ord en del av den stora automatiseringstrend som pågår nu och som fått vissa att varna för en framtid där allt arbete utförs av maskiner. Men han tror inte att vi kommer att få se massarbetslöshet i digitaliseringens spår.

– Jag tror att sysselsättningsgraden kommer vara på ungefär samma nivå som nu. Ta industrialiseringen av jordbruket till exempel. Förr jobbade i princip alla i denna sektor. Idag har 100 personer på ett fält ersatts av en gubbe på en traktor. Den utvecklingen har inte skapat massarbetslöshet. I framtiden kanske någon övervakar 100 traktordrönare i ett kontrollrum. Det kommer alltid finnas en roll för människor som övervakar och utvecklar medan maskinerna utför rutinmässiga arbetsuppgifter.

Artificiell intelligens enligt Sergel

Vad innebär då detta för Sergel? Vad automatiseras och vad automatiseras inte?

– Algoritmerna behöver alltid övervakas och utvecklas. Och deras mål definieras. Våra processer är redan automatiserade så mycket av det vi gör syftar till att bli ännu bättre. Se till att skulder betalas så snabbt som möjligt. Göra individuell kreditbedömning mer träffsäker. Och förbättra vårt stöd till de som har förfallna fakturor så att de betalar i tid. Vad gäller det senare kan det till exempel handla om att olika typer av människor svarar olika bra på sms respektive brevutskick. Vilket gör att vi kan utveckla utifrån det. Vid kreditbedömning handlar det om att skruva och vikta in olika parametrar för att få mer ”rätt” – det vill säga ge krediter till de som faktiskt kommer att betala och neka kredit till de som har hög sannolikhet att få problem.

Mer vardag än sci-fi

Carl menar att den air av science fiction som omger artificiell intelligens inte riktigt stämmer för hans verksamhet.

– Det handlar mer om tålmodigt och systematiskt körande av databaser och skruvande på algoritmer. Det låter inte så upphetsande med en procents bättre lyckandegrad, men det har ett tydligt ekonomiskt värde för oss. Wow-faktorn finns kanske snarare i de bakomliggande tekniska lösningarna, men då är vi genast i nördterritorium. Till exempel har man, för att göra beräkningar av stora mängder data, börjat använda grafikkort avsedda för krävande dataspel. Det är en innovation som började med några nördar på ett universitet och nu börjar sprida sig bortom akademin.

Kompetensresurs i öst

För att hålla sig à jour med de senaste lösningarna, och för att säkerställa tillgång till kompetens inom området, så har Sergel ett externt team – i Indien.

– Vi har precis inlett ett samarbete med ett av de mer framstående tekniska universiteten i Hyderabad. Vi har ganska precis kommit igång och det fungerar över förväntan. De förstår problemen och jobbar proaktivt.

I slutändan är målet en bättre tjänst för Sergels kunder genom en högre lyckandegrad och mer träffsäker scoring. Men det finns ytterligare en aspekt – den mänskliga.

– We Care genomsyrar allt vi gör på Sergel. Det handlar om att ha en inkännande approach utan att vara dumsnäll. Vi strävar efter att skapa system som kombinerar ökad effektivitet med att inte döma folk för hårt, utan ge alla en ärlig chans. Det här kan vi översätta i hur vi sätter parametrarna i våra algoritmer. Så We Care genomsyrar även våra ettor och nollor, avslutar Carl.