영국금융·보험2023 – 진행 중오펠로스
채권 추심을 위한 머신러닝 의사결정 엔진과 취약 고객 탐지
오펠로스는 머신러닝이 메시지를 고르고 취약 고객을 가려낸 뒤 채무 해결에 이른 고객이 25% 늘었다
문제
오펠로스는 고객사를 대신해 채권 추심을 하며, 생활비 압박을 받는 사람들에게 더 배려하는 방식을 찾으려 했다. 고객마다 연락 방식을 맞추고 메시지에서 취약 고객을 알아봐야 했다.
접근 방식
오펠로스는 강화학습으로 각 고객에게 어떤 메시지를 언제 보낼지 정하는 의사결정 엔진을 만들었다. 수신 메시지를 훑어 취약 고객과 그 원인으로 보이는 요인을 가려내는 언어 모델 올리브(OLIVE)도 만들었다. 모델은 데이터브릭스에서 MLflow와 피처 스토어로 학습하고 추적하며 매일 다시 학습한다.
주요 수치
25%채무 해결에 이른 고객 증가율, 데이터브릭스 기준
67%고객 만족도 증가율, 데이터브릭스 기준
88.3%누구와도 통화하지 않고 직접 처리한 고객 비중, 데이터브릭스 기준
시사점
모델로 연락 방식을 맞추자 채무를 해결한 고객이 늘었고, 대부분은 누구와도 통화하지 않고 처리했다. 비교 기준 기간은 제시되지 않았다.
분류
출처
출처 요약
[1]Databricks2023년 2월 6일
데이터브릭스는 오펠로스의 강화학습 의사결정 엔진과 취약 고객 탐지 모델 올리브를 소개했다. 해결에 이른 고객이 25%, 만족도가 67% 늘었고 고객의 88.3%가 직접 처리했다고 밝혔다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일
