Chefredakteurin Sarah Wheeler traf sich mit Sridhar Sharma, Executive Vice President und Chief Information Officer bei Herr Cooperum darüber zu sprechen, wie das Unternehmen maschinelles Lernen und künstliche Intelligenz nutzt, um die Produktivität zu steigern und gleichzeitig seine Kunden zufriedener zu machen.
Sarah Wheeler: Sie kamen vor etwa neun Jahren in die Hypothekenbranche, nachdem Sie Teams bei NTT Data und Infosys geleitet hatten. Waren Sie überrascht, wie weit die Hypothekenbranche technologisch fortgeschritten ist? Und wie beurteilen Sie unsere aktuelle Lage im Vergleich zu anderen Branchen?
Sridhar Sharma: Ich würde sagen, ein bisschen überrascht, aber dann sieht man darin schnell eine fantastische Chance. So hatten wir bereits 2016–2017 die Gelegenheit, unsere digitale Plattform von Grund auf aufzubauen. Wir sind eine der fortschrittlichsten digitalen Plattformen auf dem Markt und investieren weiterhin – die Reise ist noch nicht zu Ende. Wenn ich mir anschaue, was andere Branchen erreichen konnten, stellt das für diese Branche eine Chance dar, dorthin zu gelangen, und gibt uns Inspiration.
SW: Was unterscheidet Ihre Technologie?
SS: Nun, wenn man davon spricht, sich von anderen Branchen inspirieren zu lassen, ist Elon Musk eine ziemlich kontroverse Figur, aber er machte diese Bemerkung, als er versuchte, die Fertigung für Tesla in Gang zu bringen: Eine seiner Erkenntnisse lautete: „Automatisieren Sie nicht zuerst.“ Man könnte die Technologie so betrachten, als würde man sich kopfüber in die Automatisierung stürzen, aber in seinem Buch spricht er von der Automatisierung zuletzt. Das hört sich vielleicht kontraintuitiv an, aber wenn Sie den Prozess, den Sie heute haben, einfach automatisieren, werden Sie schneller die gleichen Ergebnisse erzielen – ob gut oder schlecht. Wenn Sie stattdessen die Gelegenheit nutzen, den Prozess anzupassen, zu optimieren, ihn manchmal auf den Kopf zu stellen und dann zu automatisieren, erzielen Sie viel bessere Ergebnisse.
Wir schauen nicht nur darauf, was unsere Technologie auszeichnet. Wir schauen uns den Prozess an, der damit einhergeht. Und manchmal bedeutet das, dass wir den Prozess umstellen, damit die Technologie noch effektiver ist. Ich kann Ihnen ein Beispiel geben. Wir haben in Automatisierung, Arbeitsabläufe, Daten und Dashboards investiert. Aber heute frage ich mich generell: Warum brauchen wir ein Dashboard? Ein Dashboard stellt Informationen bereit, die ein Mensch ansehen und Maßnahmen ergreifen kann. Warum kann ich das nicht einfach tun?
Wenn ich kodifizieren kann, was jemand denkt, der ein Dashboard betrachtet, kann ich diesen Schritt überspringen und die entsprechende Aktion ausführen. Das ist Evolution. Vor vier Jahren war es ein wesentlicher Treiber für unser Wachstum, die richtigen Informationen zur richtigen Zeit für die richtige Person zu erhalten. Wo wir uns jetzt befinden, ist die Umstellung dieser gesamten Interaktion auf maschinelles Lernen und KI. Ich möchte, dass die Menschen nur auf die Ausnahmen achten – etwas, das vom Netz gefallen ist, also haben wir unsere Technologie darauf konzentriert.
Wenn Sie sich eine andere Kennzahl ansehen, haben wir als Unternehmen in den letzten fünf Jahren ein Wachstum von etwa 40 % verzeichnet. Aber wenn man sich unser Team anschaut, ist es mehr oder weniger stabil. Das ist ein Indikator dafür, wie wir skalieren und wachsen konnten und gleichzeitig die Produktivität unserer Teams steigern konnten.
SW: Können Sie näher darauf eingehen, wie Sie KI nutzen?
SS: Wir investieren seit etwa viereinhalb Jahren in ML und KI und haben mit dem Backoffice begonnen. Unsere Flaggschiff-Implementierung ist seit drei Jahren in Produktion. Da es sich bei der Hypothekenbranche um einen dokumentenintensiven Prozess handelt, haben wir uns für die Automatisierung des Prozesses zum Extrahieren von Inhalten in Dokumenten mit unserer Pyro-Dokumentenverwaltungslösung in Google Cloud entschieden. Nun extrahieren Menschen schon seit Jahren Inhalte aus Dokumenten – aber wie schnell man ein neues Dokument trainieren kann, ist eine wichtige Messgröße. Wir können dieses Training in zwei oder drei Tagen durchführen und es geht so schnell, weil wir maschinelles Lernen nutzen, um Dokumente sehr schnell trainieren zu können. Das ist ein Teil davon.
Im zweiten Teil davon – und das geht auf unser Unterscheidungsmerkmal zurück – verwenden wir Pyro auch, um fehlende Dokumente zu identifizieren: fehlende Bilder, fehlende Stempel. Tatsächlich verfügen wir über vier Patente, die für einige der von uns entwickelten Technologien bereits genehmigt wurden. Und das ist in der Branche sehr, sehr einzigartig.
Wenn Sie sich also nur das Jahr 2023 ansehen, haben wir etwa 70 Millionen Dokumente verarbeitet und verfügen über ein 25-köpfiges Team, das sich um die Ausnahmebehandlung und Umschulung von Dokumenten kümmert. Im Großen und Ganzen haben wir eine Reife im Bereich ML und KI in den Bereichen aufgebaut, in denen wir der Meinung waren, dass wir mit der größten Produktivität den größten Vorsprung erzielen können.
Mit generativer KI betrachten wir dies als Automatisierung der alltäglichen Routinearbeit. Wir haben so viele Möglichkeiten, das richtig zu machen. Es gibt unseren Mitarbeitern die Möglichkeit, sich auf unsere Kunden zu konzentrieren. In unserer Roadmap werden wir irgendwann zu Chatbots und allem anderen kommen, aber wir haben es nicht eilig, das zu tun. KI kann schlechte Dinge genauso schnell lernen wie gute Dinge. Daher ist es für uns sehr wichtig, Informationen zu kuratieren und sicherzustellen, dass unsere Modelle für maschinelles Lernen richtig modelliert sind. Und dann skalieren wir es.
Und wir haben die Pyro-Plattform auch auf unsere Contact-Center-Teams ausgeweitet. Unser Callcenter erhält etwa 4 bis 5 Millionen Anrufe pro Jahr. Wir möchten diese Technologie schrittweise einsetzen, um sicherzustellen, dass es keine Auswirkungen auf unsere Kunden gibt – der Crawl-Walk-Run-Ansatz. Aber selbst wenn ich pro Telefonat eine Minute spare, also 4 oder 5 Millionen, ist das riesig. Und Pyro hilft unseren Agenten, sich auf die nächsten Fragen des Kunden vorzubereiten, basierend auf den 100 anderen ähnlichen Anrufen, die wir bereits in einem ähnlichen Kontext gesehen haben.
Eine andere Möglichkeit, KI einzusetzen, besteht darin, Informationen vorab abzurufen, von denen wir wissen, dass der Agent suchen muss. Auf diese Weise konzentrieren sie sich auf den Kunden und sein Erlebnis. Viele unserer Einsätze mit KI zielen darauf ab, dem jeweiligen Gespräch die Schärfe zu nehmen, sodass der Fokus auf der Empathie und der emotionalen Seite der Kundeninteraktion liegen kann.
SW: Wir haben gerade ein Interview mit dem CEO von Rocket, Varun Krishna, veröffentlicht, der darüber sprach, seine Callcenter-Protokolle zur Vorhersage der Stimmung zu nutzen, damit sie verstehen, was der Kunde fühlt. Ist das die Art von Erkenntnis, die Sie von der KI erwarten?
SS: Ja. Und es gibt die Stimmung zu Beginn des Telefonats, die Stimmung drei Minuten nach Beginn des Telefonats und die Stimmung am Ende. Wir möchten, dass sich die Stimmung von „Angst“ zu „Erleichterung“ verändert, denn das ist ein Maß dafür, wie effektiv ein Gespräch ist. Dann geht es um Training, Umschulung und herauszufinden, wie KI dieses Gespräch unterstützen kann. Der zweite Teil ist die Wirksamkeit. Wenn ich also auch vorhersagen kann, wie die nächsten drei Fragen lauten werden, ist der Agent jetzt besser vorbereitet. Und wenn ich die richtigen Informationen zu diesen drei Fragen abrufen kann, muss der Agent jetzt nicht mehr nachschlagen.
SW: Sie haben darüber gesprochen, wie KI sowohl schlechte als auch gute Dinge lernen kann. Wie kommt man an den Punkt, an dem man ihm vertraut?
SS: Bei jedem Modell, das wir testen, ist in der ersten Phase immer ein Mensch auf dem Laufenden. Der Mensch bewertet die Reaktion als gut, ok oder nicht gut, und wir nutzen dies, um sie weiter zu verfeinern. Wir verfügen also über eine vollwertige Operations- und Operationsfunktion für maschinelles Lernen, die sicherstellt, dass wir unsere Modelle testen, bevor wir sie veröffentlichen oder in größerem Maßstab einführen.
SW: Es waren zwölf Monate voller Herausforderungen für Unternehmen unserer Branche, wenn es um Cybersicherheit geht. Wie denken Sie über Sicherheit?
SS: Erstens muss man natürlich auf Hygiene achten. Stellen Sie sicher, dass Sie über die richtigen Schutzmaßnahmen, die richtigen Firewalls und die richtigen Patches verfügen. Zweitens haben wir begonnen, uns dem Prinzip der minimalistischen Verarbeitung zuzuwenden. Das heißt, wenn ein Prozess Zugriff auf fünf Datenelemente benötigt, erhalten Sie nur Zugriff auf diese fünf Datenelemente. Es ist eine Herausforderung, weil jeder jederzeit den gesamten Kreditüberblick haben möchte.
Und drittens müssen Sie sich auf die Kontinuität und Erholung des Geschäftsbetriebs vorbereiten. Die Frage ist nicht, ob, sondern wann. Sie gehen also von dem Prinzip aus, dass Sie, wenn es passiert, über ein Protokoll verfügen, um tatsächlich darauf zu reagieren. Jetzt ist nicht der richtige Zeitpunkt herauszufinden, was Sie tun müssen.
SW: Was hält dich nachts wach?
SS: Ändern. Ich kann über alles nachdenken, was wir getan haben, und das Gefühl haben: „Wir haben viel erreicht.“ Und dann siehst du – oh mein Gott, wir können noch so viel mehr tun! Im Moment geht es bei KI und ML um Paradigmenwechsel. Das ist so, wie es beim E-Commerce und der Digitalisierung passiert ist, und jetzt sprechen Sie über den Einzug von ML und KI. Sie haben eine transformative Kraft, aber Sie müssen sehr aufmerksam sein, was Sie tun.
Die zweite Frage tauchte in den letzten 24 Monaten auf: Sind wir eine Hypothekenbank? Oder sind wir im Hinblick auf Talente ein Technologieunternehmen? Es reicht für uns nicht mehr aus, die Besten und Klügsten unserer Branche anzuziehen – wir konkurrieren um die gleichen Ressourcen wie das Amazonas Und Google versuchen, um sie zu konkurrieren. Wir haben erfolgreich Patente angemeldet und erhalten, sodass wir geistiges Eigentum schaffen, das für uns sehr, sehr differenziert ist.