Pemimpin pemikiran

Solusi Berdaya AI: Bagaimana Migran Mengatasi Hambatan Transportasi di AS

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Sistem skor kredit di AS tidak hanya digunakan dalam perbankan dan bisnis besar, tetapi juga menilai kemampuan kredit setiap penduduk dalam berbagai aspek kehidupan sehari-hari. Namun, sistem ini juga mendiskriminasikan kelompok besar penduduk, terutama migran.

Bagi migran dan pengungsi politik, sangat sulit untuk menemukan pekerjaan resmi tanpa dokumen hukum yang diperlukan dan pengecekan kredit di AS. Menurut hukum imigrasi, pencari suaka tidak diizinkan bekerja secara resmi selama 180 hari pertama setelah mengajukan permohonan. Hambatan birokratis ini telah menyebabkan peningkatan pekerjaan upah rendah di sektor pengiriman makanan.

Berapa Banyak Migran Menghadapi Tantangan di AS

Pada 2022, Institut Kebijakan Migrasi melaporkan 46,2 juta migran legal di AS. Sekitar 9 juta lainnya tidak terdokumentasi. New York saja menyambut puluhan ribu pendatang baru setiap tahun, dengan jumlah yang meningkat secara signifikan sejak musim semi 2022, ketika lebih dari 118.000 migran, sebagian besar dari Amerika Latin dan Karibia, menyeberangi perbatasan AS-Meksiko, menurut Dewan Hubungan Luar Negeri.

Banyak migran beralih ke sektor pengiriman karena menawarkan lebih banyak peluang kerja dalam keadaan mereka. Popularitas pekerjaan ini meningkat selama pandemi COVID-19, terutama selama lockdown yang ketat.

Mengapa Migran Menghadapi Keterbatasan Transportasi

Bekerja di sektor pengiriman di kota besar tidak mungkin tanpa transportasi pribadi. Migran tidak dapat mengambil pinjaman untuk sepeda listrik atau serupa karena kurangnya riwayat kredit dan dokumen yang diperlukan, yang juga mencegah mereka mendaftarkan skuter atau mobil.

Biaya sepeda listrik dimulai dari $2.000. Sementara model bekas tersedia sekitar setengah harga model baru, ini masih merupakan jumlah yang signifikan bagi migran berpenghasilan rendah. Sepeda listrik yang lebih murah dari Cina cenderung rusak dengan cepat dan memerlukan perbaikan yang dapat melebihi biaya awal.

Masalah Sepeda Listrik Berkualitas Rendah

Masalah lain dengan transportasi yang terjangkau adalah baterai lithium-ion substandar yang digunakan dalam sepeda listrik dan skuter, yang telah menjadi penyebab utama kebakaran di New York. Kurangnya regulasi dan infrastruktur pendukung telah mengubah masalah ini menjadi masalah keamanan publik yang serius.

Dalam dua bulan pertama tahun ini, New York mengalami lebih banyak kebakaran yang disebabkan oleh kendaraan bertenaga baterai daripada seluruh tahun 2019. Ini telah menyebabkan regulasi yang lebih ketat pada pasar sepeda listrik dan sertifikasinya. Memastikan akses ke transportasi listrik yang aman telah menjadi masalah sosial yang mendesak.

Bagaimana Teknologi AI Menyelesaikan Masalah Ini

Beberapa layanan penyewaan sepeda listrik untuk kurir di AS menonjol. Sebagian besar pekerja pengiriman adalah imigran tanpa riwayat kredit, yang membatasi akses mereka ke transportasi yang aman dan terjangkau. Salah satu solusi potensial adalah mengembangkan sistem skor proprietary yang membuat transportasi listrik yang mahal dapat diakses oleh kurir.

Alih-alih mengandalkan nomor keamanan sosial standar, bukti alamat, dan metode verifikasi identitas tradisional lainnya, verifikasi dua faktor dapat digunakan, berdasarkan:

  1. Informasi klien dari sumber eksternal.
  2. Prediksi berdasarkan data dan perilaku pengguna sebelumnya.

Setelah klien berlangganan layanan, analitik sistem menentukan kelayakan kredit mereka dan apakah mereka kemungkinan akan menghadapi kesulitan pembayaran. Untuk pengembangan ini, data statistik dari lebih dari 10.000 individu digunakan untuk membuat model ekonometrik dengan lebih dari 50 poin data.

Algoritma memutuskan apakah layanan penyewaan dapat disediakan untuk orang tersebut, dan apakah deposit diperlukan. Dalam kasus penolakan, layanan menawarkan alternatif, seperti melalui mitra kredit atau membeli sepeda. Untuk pelanggan yang disetujui, sistem juga menentukan jenis kesepakatan: sewa-beli, sewa bulanan, atau sewa mingguan.

Otomatisasi proses ini telah terbukti efektif: selama dua tahun, kurang dari 3% sepeda listrik dicuri dari perusahaan yang melayani 8.500 pengguna. Menurut Bicycle Habit, sekitar 15.000 sepeda listrik dicuri setiap tahun di New York.

Teknologi AI untuk Menganalisis Klien Tanpa Skor Kredit

Berikut adalah tahap implementasi analitik “tanpa skor kredit”.

Pengembangan Sistem Skor Proprietary

Berdasarkan analisis basis data klien, perusahaan penyewaan sepeda listrik membuat sistem skor mereka sendiri untuk menilai keandalan keuangan berdasarkan lebih dari 50 parameter, termasuk non-keuangan. Model ini terus belajar, beradaptasi dengan perilaku klien saat ini dan sebelumnya. Parameter dapat disesuaikan, memungkinkan kondisi skor yang lebih kompleks atau disederhanakan. Produk ini dirancang untuk bisnis yang bekerja dengan klien yang tidak dapat menyajikan set standar dokumen hukum yang biasanya diperlukan oleh layanan di AS.

Contoh Sederhana Analisis Data

Jika basis data menunjukkan bahwa klien potensial memiliki beberapa nomor telepon atau alamat yang berubah setiap dua bulan, ini mungkin menunjukkan bahwa mereka mengubahnya untuk menghindari membayar tagihan. Ini akan ditandai oleh sistem, tetapi keputusan akhir akan didasarkan pada faktor tambahan.

Apa yang Diperiksa oleh Sistem Skor Tidak Konvensional?

Sistem seperti itu juga memeriksa indikator keuangan konvensional, seperti riwayat kebangkrutan atau pengusiran. Dalam kasus seperti itu, sistem mempertimbangkan faktor seperti waktu prosedur kebangkrutan klien. Keputusan kemudian dibuat secara kasus per kasus.

Jika klien potensial memiliki lebih dari 10 alamat IP yang berbeda, ini menunjukkan bahwa mereka kemungkinan menggunakan internet gratis atau berbagi. Sistem memeriksa tempat tinggal klien dan lokasi pembayaran dengan alamat IP – jika mereka jauh, ada kemungkinan besar penipuan.

Stripe, sistem pembayaran online Amerika, dapat digunakan untuk memeriksa apakah metode pembayaran pembeli telah ditandai sebagai penipuan oleh penjual sebelumnya. Ini membantu mengidentifikasi penipuan jika pelanggan berpura-pura menjadi orang lain.

Proses pendaftaran dan skor sepenuhnya otomatis melalui teknologi pengenalan wajah dan verifikasi dokumen untuk meminimalkan penipuan.

Sederhanakan dan Keamanan untuk Kelompok Sasaran Berpenghasilan Rendah

Ada beberapa fungsi tambahan yang terintegrasi ke dalam perangkat lunak khusus:

  • Pelacakan sepeda listrik secara real-time.
  • Pengaktifan komponen elektronik.
  • Sistem peringatan dan penguncian roda jarak jauh.
  • Pemberitahuan otomatis berdasarkan data yang dikumpulkan tentang sepeda (misalnya, perjalanan ke area yang terlarang, penyeberangan perbatasan negara yang tidak sah, hilangnya sinyal GPS yang berkepanjangan).

Otomatisasi proses skor telah meningkatkan secara signifikan tingkat konversi layanan, karena klien diberitahu sebelumnya tentang dokumen yang diperlukan dan apa yang diharapkan selama tahap pengambilan keputusan. Ini memungkinkan proses verifikasi seluruhnya diselesaikan hanya dalam beberapa menit secara online, menghindari situasi di mana seseorang datang tidak siap, baik karena lupa dokumen yang diperlukan atau tidak dapat memberikan deposit yang diperlukan.

Berkat otomatisasi, layanan dapat membuat keputusan instan, mempercepat proses pendaftaran. Sebagai hasilnya, waktu dari pendaftaran hingga menerima kendaraan telah berkurang dari 60 menit menjadi 15 menit, dan staf tidak lagi membuang waktu pada mereka yang tidak lulus pendaftaran.

Teknologi Lain yang Digunakan oleh Layanan Penyewaan

Teknologi ini digunakan oleh semua layanan penyewaan teratas di Amerika, termasuk Whizz, Joco, dan Zoomo. Perbedaan terletak pada persyaratan mereka; misalnya, Zoomo meminta ID dan bukti tempat tinggal sebagai dokumen kedua. Baru-baru ini, mereka mengumumkan penghapusan pemeriksaan latar belakang, namun proses pendaftaran dan skor mereka masih melibatkan pemrosesan manual, yang memerlukan pelanggan untuk mengirimkan dokumen mereka melalui pos. Whizz dan Joco lebih unggul dalam hal ini, karena telah mengotomatisasi proses dengan menggunakan penyedia verifikasi online.

Joco mengurangi risiko dengan cara yang berbeda dengan memungkinkan klien menggunakan transportasi listrik selama enam jam, setelah itu sepeda harus dikembalikan ke stasiun pengisian untuk mengisi daya. Ini berarti bahwa pengguna tidak dapat membawanya pulang, dan ada batasan waktu juga.

Rangkuman

Teknologi tidak hanya menyederhanakan kehidupan tetapi, melalui model skor tidak konvensional, meningkatkan keamanan penggunaan sepeda listrik dan menangani ketidaksetaraan di antara pekerja pengiriman. Dengan demikian, dapat dikatakan bahwa teknologi memberikan bantuan kepada mereka yang dalam situasi kehidupan yang sulit – bahkan kepada mereka yang tidak memiliki skor kredit.

Evgeniya Malina adalah Kepala Proses dan Otomatisasi AI di Whizz dengan lebih dari 9 tahun pengalaman di bidang strategi & operasi, transformasi digital, dan pengembangan produk.

Evgeniya memegang gelar sarjana dari University College London dan MSc di Akuntansi dan Bisnis/Manajemen dari Queen Mary University of London.
Karirnya
dimulai di EY, di mana ia bekerja dengan organisasi global, termasuk raksasa industri seperti Amazon, JX Nippon Oil & Energi, dan Sainsbury’s.
Setelah itu, Evgeniya menjadi konsultan untuk organisasi keuangan dan industri terkemuka di mana ia memimpin tim proyek transformasi digital, membantu perusahaan membawa solusi teknologi inovatif ke pasar. Evgeniya juga berada di garis depan dalam mengembangkan dan menerapkan teknologi digital yang muncul, seperti blockchain dan 5G, mengamankan $290 mln dalam pendanaan tambahan untuk membangun infrastruktur. Ia mengembangkan dan menguji strategi transformasi digital pada 5 proyek pilot yang kemudian diperluas ke lebih dari 300 tim fungsional, menghasilkan lebih dari 1.000 produk dan layanan baru dan menghasilkan $4,4M dalam keuntungan pada akhir 2021.
Kemudian, ia mengambil peran sebagai Kepala Strategi Bisnis dan Operasi di Food Rocket di mana Evgeniya mengarahkan evolusi perusahaan menjadi tim 160 orang dan mengawasi perluasan ke 3 negara bagian yang berbeda setelah perusahaan tersebut berhasil mengumpulkan $37,5M dari Circle K. Evgeniya mengelola anggaran tahunan sebesar $10M untuk proyek inovasi dan melatih lebih dari 80 staf tentang adopsi teknologi. Ia mempilotkan konsep "grey store" yang siap untuk diskala di Charlotte, NC, menunjukkan pertumbuhan dua digit, dan membangun sistem otomatisasi proses untuk pengiriman terakhir.
Tujuan Evgeniya adalah menciptakan operasi bisnis yang cepat, digital, dan transparan yang disesuaikan untuk memenuhi kebutuhan klien yang terus berkembang di dunia modern.