Connect with us

AI-aangedreven oplossingen: hoe migranten vervoersbeperkingen in de VS overwinnen

Thought leaders

AI-aangedreven oplossingen: hoe migranten vervoersbeperkingen in de VS overwinnen

mm

Het creditscoring-systeem in de VS wordt niet alleen gebruikt in de banken en grote bedrijven, maar beoordeelt ook de kredietwaardigheid van elke inwoner in elk aspect van hun dagelijks leven. Dit systeem discrimineert echter ook tegen grote groepen van de bevolking, met name migranten.

Voor migranten en politieke vluchtelingen is het extreem moeilijk om officieel werk te vinden zonder de nodige juridische documenten en een kredietcheck in de VS. Volgens de immigratiewetten mogen asielzoekers de eerste 180 dagen na het indienen van hun aanvraag niet officieel werken. Deze bureaucratische barrière heeft geleid tot een toename van laagbetaalde arbeid in de voedselbezorgsector.

Hoeveel migranten in de VS moeilijkheden ondervinden

Volgens een rapport van het Migration Policy Institute uit 2022 zijn er 46,2 miljoen legale migranten in de VS. Daarnaast zijn er ongeveer 9 miljoen ongedocumenteerde migranten. Alleen al in New York arriveren elk jaar tienduizenden nieuwe aankomsten, met een aanzienlijke toename sinds de lente van 2022, toen meer dan 118.000 migranten, voornamelijk uit Latijns-Amerika en het Caribisch gebied, de grens tussen de VS en Mexico overstaken, volgens de Council of Foreign Relations.

Veel migranten kiezen voor de bezorgsector omdat deze meer werkgelegenheid biedt onder hun omstandigheden. De populariteit van deze werkgelegenheid nam toe tijdens de COVID-19-pandemie, vooral tijdens de strikte lockdowns.

Waarom migranten vervoersbeperkingen ondervinden

Een bezorgbaan in een grote stad is onmogelijk zonder persoonlijk vervoer. Migranten kunnen geen leningen afsluiten voor een e-bike of soortgelijk vanwege hun gebrek aan kredietgeschiedenis en noodzakelijke documenten, wat hen ook verhindert om een bromfiets of auto te registreren.

De prijs van een elektrische fiets begint bij $2.000. Terwijl gereviseerde modellen beschikbaar zijn voor ongeveer de helft van de prijs van nieuwe modellen, is dit nog steeds een aanzienlijk bedrag voor migranten met een laag inkomen. Goedkopere e-bikes uit China slijten snel en vereisen reparaties die de initiële aankoopprijs kunnen overschrijden.

Het probleem van slechte kwaliteit elektrische fietsen

Een ander probleem met goedkope vervoersmiddelen is het gebruik van ondermaatse lithium-ionbatterijen in elektrische fietsen en scooters, die een van de belangrijkste oorzaken van branden in New York zijn geworden. Het gebrek aan regulering en ondersteunende infrastructuur heeft dit probleem omgevormd tot een ernstige openbare veiligheidskwestie.

In de eerste twee maanden van dit jaar heeft New York meer branden veroorzaakt door batterij-aangedreven voertuigen dan in heel 2019. Dit heeft geleid tot striktere regelgeving op de markt voor elektrische fietsen en hun certificering. Het garanderen van toegang tot veilig elektrisch vervoer is een dringende sociale kwestie geworden.

Hoe AI-technologie dit probleem aanpakt

Sommige elektrische fietsenverhuurdiensten voor koeriers in de VS springen in het oog. De meeste bezorgers zijn immigranten zonder kredietgeschiedenis, wat hun toegang tot veilig en betaalbaar vervoer beperkt. Een mogelijke oplossing is het ontwikkelen van een eigen scoresysteem dat dure elektrisch vervoer toegankelijk maakt voor koeriers.

In plaats van te vertrouwen op een standaard Social Security-nummer, bewijs van adres en andere traditionele identificatiemethoden, kan een tweefactorverificatie worden gebruikt op basis van:

  1. Klantgegevens van externe bronnen.
  2. Voorspellingen op basis van gegevens en gedrag van voorgaande gebruikers.

Zodra een klant zich inschrijft voor de dienst, bepaalt het systeem van de dienst de kredietwaardigheid van de klant en of hij waarschijnlijk problemen met betalingen zal ondervinden. Voor deze ontwikkeling is statistische gegevens van meer dan 10.000 personen gebruikt om een econometrisch model met meer dan 50 gegevenspunten te creëren.

De algoritme beslist of de verhuurdienst kan worden verleend aan de desbetreffende persoon en of een borgsom vereist is. In geval van afwijzing biedt de dienst alternatieven, zoals het doorlopen van een kredietpartner of het kopen van een fiets. Voor goedgekeurde klanten bepaalt het systeem ook het type overeenkomst: huur-kopen, maandelijkse of wekelijkse huur.

De automatisering van deze processen heeft zich bewezen als effectief: in twee jaar zijn minder dan 3% van de fietsen gestolen bij het bedrijf dat 8.500 gebruikers bedient. Volgens Bicycle Habit worden er ongeveer 15.000 fietsen per jaar gestolen in New York.

AI-technologieën voor het analyseren van klanten zonder kredietwaardigheid

Het volgende schetst de implementatiefasen van de “geen kredietwaardigheid” analyse.

Ontwikkeling van een eigen scoresysteem

Op basis van de analyse van de klantendatabase creëren elektrische fietsenverhuurbedrijven hun eigen scoresystemen om de financiële betrouwbaarheid te beoordelen op basis van meer dan 50 parameters, waaronder niet-financiële parameters. Dit model leert continu en past zich aan aan het gedrag van huidige en voorgaande klanten. Parameters kunnen worden aangepast, waardoor meer complexe of vereenvoudigde scores kunnen worden gegenereerd. Dit product is ontworpen voor bedrijven die werken met klanten die de standaardset juridische documenten niet kunnen overleggen die normaal gesproken door diensten in de VS worden vereist.

Een eenvoudig voorbeeld van gegevensanalyse

Als een database aantoont dat een potentiële klant meerdere telefoonnummers of adressen heeft die elke twee maanden veranderen, kan dit erop duiden dat hij ze verandert om betalingen te vermijden. Dit zal door het systeem worden gemarkeerd, maar de definitieve beslissing zal worden gebaseerd op aanvullende factoren.

Wat controleert het onconventionele scoresysteem nog meer?

Een dergelijk systeem onderzoekt ook conventionele financiële indicatoren, zoals een geschiedenis van faillissementen of ontruimingen. In dergelijke gevallen houdt het rekening met factoren als de timing van de faillissementsprocedure van de klant. De beslissingen worden vervolgens per geval genomen.

Als een potentiële klant meer dan 10 verschillende IP-adressen heeft, suggereert dit dat hij waarschijnlijk gratis of gedeelde internet gebruikt. Het systeem controleert de verblijfplaats van de klant en de betalingslocatie op basis van het IP-adres – als ze ver uit elkaar liggen, is de kans op fraude groot.

Stripe, een Amerikaans online betalingssysteem, kan worden gebruikt om te controleren of de betalingsmethode van de koper is gemarkeerd als frauduleus door voorgaande retailers. Dit helpt bij het identificeren van fraude als een klant zich voordoet als iemand anders.

Het onboarding- en scoresproces zijn volledig geautomatiseerd via gezichtsherkenning en documentverificatietechnologie om fraude te minimaliseren.

Vereenvoudiging en beveiliging voor lage-inkomensdoelgroepen

Er zijn verschillende hulpprogramma’s geïntegreerd in de aangepaste software:

  • Realtime-tracking van elektrische fietsen.
  • Uitschakeling van elektronische componenten.
  • Alarmsysteem en afstandsvergrendeling van wielen.
  • Geautomatiseerde meldingen op basis van verzamelde gegevens over de fiets (bijv. ritten in beperkte gebieden, ongeoorloofde grensoverschrijding, langdurige afwezigheid van GPS-signaal).

De automatisering van het scoresproces verhoogt de conversie van de dienst aanzienlijk, omdat klanten van tevoren op de hoogte worden gesteld van de vereiste documenten en wat ze kunnen verwachten tijdens de beslissingsfase. Dit maakt het mogelijk om het hele verificatieproces in slechts een paar minuten online te voltooien, zonder situaties waarin iemand onvoorbereid arriveert, ofwel omdat hij noodzakelijke documenten is vergeten of niet in staat is de vereiste borgsom te betalen.

Dankzij de automatisering kan de dienst onmiddellijke beslissingen nemen, waardoor het onboardingproces wordt versneld. Als resultaat is de tijd vanaf inschrijving tot ontvangst van het voertuig gedaald van 60 tot 15 minuten, en hoeven medewerkers geen tijd meer te verspillen aan mensen die de onboarding niet hebben doorstaan.

Andere technologieën die door verhuurdiensten worden gebruikt

Deze technologieën worden gebruikt door alle toonaangevende verhuurdiensten in Amerika, waaronder Whizz, Joco en Zoomo. De verschillen liggen in hun vereisten; bijvoorbeeld, Zoomo vraagt om identificatie en bewijs van verblijfplaats als tweede document. Onlangs hebben ze aangekondigd dat ze achtergrondcontroles zullen elimineren, maar hun onboarding en scores zijn nog steeds handmatig en vereisen dat klanten hun documenten per post opsturen. Whizz en Joco zijn hierin vooropgelopen door het proces te automatiseren met behulp van online verificatieproviders.

Joco mitigeert risico’s op een andere manier door klanten elektrisch vervoer te laten gebruiken voor zes uur, waarna de fiets moet worden teruggebracht naar het oplaadstation. Dit betekent dat gebruikers hem niet mee naar huis kunnen nemen en dat er een tijdsbeperking is.

Samenvatting

Technologie vereenvoudigt niet alleen het leven, maar verhoogt door een onconventioneel scoresysteem ook de veiligheid van het gebruik van elektrische fietsen en adresseert ongelijkheid onder bezorgers. Daarom kan worden gesteld dat technologie een helpende hand biedt aan mensen in moeilijke levenssituaties – zelfs aan mensen zonder kredietwaardigheid.

Evgeniya Malina is de hoofd van Processen en AI-automatisering bij Whizz met meer dan 9 jaar ervaring in strategie en operaties, digitale transformatie en productontwikkeling.

Evgeniya heeft een bachelordiploma van de University College London en een MSc in Accounting en Business/Management van de Queen Mary University of London.
Haar carrière
begon bij EY, waar ze werkte met wereldwijde organisaties, waaronder industrie-reuzen als Amazon, JX Nippon Oil & Energy, en Sainsbury’s.
Daarna was Evgeniya consultant voor prominente financiële en industriële organisaties waar ze digitale transformatieprojectteams leidde, waardoor bedrijven innovatieve technologieoplossingen naar de markt konden brengen. Evgeniya heeft ook een voortrekkersrol gespeeld bij de ontwikkeling en implementatie van opkomende digitale technologieën, zoals blockchain en 5G, waardoor $290 mln aan extra financiering werd veiliggesteld om de infrastructuur op te bouwen. Ze ontwikkelde en testte een digitale transformatie-strategie op 5 pilotprojecten die vervolgens werden geschaald naar meer dan 300 cross-functionele teams, wat resulteerde in 1.000+ nieuwe producten en diensten en een winst van $4,4 miljard tegen het einde van 2021.
Later nam ze de rol van Hoofd Bedrijfsstrategie en Operaties op bij Food Rocket, waar Evgeniya de evolutie van het bedrijf naar een team van 160 personen leidde en toezicht hield op de expansie naar 3 verschillende staten nadat het bedrijf met succes $37,5 miljoen had opgehaald bij Circle K. Evgeniya beheerde een jaarlijks budget van $10 miljoen voor innovatieprojecten en trainde 80+ medewerkers op technologie-adoptie. Ze lanceerde een wereldwijd eerste, schaalbare "grijze winkel"-concept in Charlotte, NC, waarmee een tweecijferige groei werd aangetoond, en bouwde een procesautomatiseringssysteem voor last mile delivery.
Evgeniya's doel is de creatie van snelle, digitale en transparante bedrijfsoperaties die zijn aangepast aan de evoluerende behoeften van klanten in de moderne wereld.