AI-drivna lösningar: Hur migranter övervinner transporthinder i USA

Kreditsystemet i USA används inte bara inom bankväsende och stora företag, utan också för att bedöma kreditvärdigheten hos varje invånare i alla aspekter av deras vardagsliv. Detta system diskriminerar dock också stora grupper av befolkningen, särskilt migranter.

För migranter och politiska flyktingar är det extremt svårt att hitta officiell anställning utan nödvändiga handlingar och kreditkontroll i USA. Enligt invandringslagarna får asylsökande inte arbeta officiellt under de första 180 dagarna efter att de har lämnat in sin ansökan. Detta byråkratiska hinder har lett till en ökning av låglönearbete inom matleveranssektorn.

Hur många migranter står inför utmaningar i USA

År 2022 rapporterade Migration Policy Institute 46,2 miljoner lagliga migranter i USA. Ytterligare ~9M är odokumenterade. New York ensam välkomnar tiotusentals nya ankomster varje år, med siffror som ökar betydligt sedan våren 2022, då över 118 000 migranter, främst från Latinamerika och Karibien, korsade gränsen mellan USA och Mexiko, enligt Council of Foreign Relations.

Många migranter vänder sig till leveranssektorn eftersom den erbjuder fler jobbmöjligheter under deras omständigheter. Populariteten för denna anställning ökade under COVID-19-pandemin, särskilt under stränga låsningar.

Varför migranter står inför transportbegränsningar

Att arbeta med leverans i en stor stad är omöjligt utan personlig transport. Migranter kan inte ta ut lån för en elcykel eller liknande på grund av brist på kreditupplysning och nödvändiga handlingar, vilket också förhindrar dem från att registrera en moped eller en bil.

Kostnaden för en elcykel börjar vid 2 000 dollar. Medan begagnade modeller finns tillgängliga för cirka hälften av priset på nya, är detta fortfarande en betydande summa för låginkomsttagare. Billigare elcyklar från Kina tenderar att slitas ut snabbt och kräver reparationer som kan överstiga den ursprungliga inköpskostnaden.

Problemet med lågkvalitativa elcyklar

Ett annat problem med billig transport är de undermåliga litiumjonbatterier som används i elcyklar och sparkcyklar, som har blivit en ledande orsak till bränder i New York. Bristen på reglering och stödande infrastruktur har förvandlat detta problem till ett allvarligt offentligt säkerhetsproblem.

Bara under de första två månaderna i år upplevde New York fler bränder orsakade av batteridrivna fordon än under hela 2019. Detta har lett till strängare regleringar av elcykelmarknaden och dess certifiering. Att säkerställa tillgång till säker eltransport har blivit ett brådskande socialt problem.

Hur AI-teknik löser detta problem

Vissa elcykeluthyrningstjänster för bud i USA sticker ut. De flesta leveransarbetare är invandrare utan kreditupplysning, vilket begränsar deras tillgång till säker och prisvärd transport. En möjlig lösning är att utveckla ett eget poängsystem som gör dyra eltransporter tillgängliga för bud.

I stället för att förlita sig på ett standardiserat socialförsäkringsnummer, bevis på adress och andra traditionella identitetsverifieringsmetoder kan tvåfaktorsverifiering användas, baserad på:

1. Klientinformation från externa källor.
2. Förutsägelser baserade på data och beteende hos tidigare användare.

När en kund prenumererar på tjänsten bestämmer systemets analyser deras kreditvärdighet och om de troligen kommer att ha betalningssvårigheter. För denna utveckling användes statistiska data från mer än 10 000 individer för att skapa en ekonometrisk modell med över 50 datapunkter.

Algoritmen bestämmer om uthyrningstjänsten kan tillhandahållas till personen i fråga och om en deposition krävs. I händelse av avslag erbjuder tjänsten alternativ, såsom att gå genom en kreditpartner eller köpa en cykel. För godkända kunder bestämmer systemet också vilken typ av affär: hyra-till-äga, månadsvis eller veckovis uthyrning.

Automatiseringen av dessa processer har visat sig vara effektiv: under två år har mindre än 3% av cyklarna stulits från företaget som servar 8 500 användare. Enligt Bicycle Habit stjäls cirka 15 000 cyklar årligen i New York.

AI-teknik för analys av kunder utan kreditpoäng

Följande är implementeringsstadierna för “ingen kreditpoäng” analys.

Utveckling av ett eget poängsystem

Baserat på kunddatabasanalys skapar elcykeluthyrningsföretag sina egna poängsystem för att bedöma finansiell tillförlitlighet baserat på över 50 parametrar, inklusive icke-finansiella. Denna modell lär sig kontinuerligt, anpassar sig till beteendet hos nuvarande och tidigare kunder. Parametrar kan justeras, vilket möjliggör mer komplexa eller förenklade poängvillkor. Denna produkt är utformad för företag som arbetar med kunder som inte kan presentera den standarduppsättning av juridiska handlingar som vanligtvis krävs av tjänster i USA.

Ett enkelt exempel på dataanalys

Om en databas visar att en potentiell kund har flera telefonnummer eller adresser som ändras varannan månad, kan det tyda på att de ändrar dem för att undvika att betala räkningar. Detta kommer att flaggas av systemet, men det slutliga beslutet kommer att baseras på ytterligare faktorer.

Vad annat kontrollerar det ovanliga poängsystemet?

Ett sådant system undersöker också konventionella finansiella indikatorer, såsom historia av konkurs eller vräkning. I sådana fall beaktas faktorer som tiden för kundens konkursförfarande. Besluten fattas sedan från fall till fall.

Om en potentiell kund har mer än 10 olika IP-adresser, tyder det på att de troligen använder gratis eller delad internet. Systemet kontrollerar kundens bostad och betalningsplats via IP-adress – om de är långt ifrån varandra, finns det en hög sannolikhet för bedrägeri.

Stripe, ett amerikanskt onlinebetalningssystem, kan användas för att kontrollera om köparens betalningsmetod har flaggats som bedräglig av tidigare återförsäljare. Detta hjälper till att identifiera bedrägeri om en kund utger sig för att vara någon annan.

Onboarding- och poängprocesserna är helt automatiserade genom ansiktsigenkänning och dokumentverifieringsteknik för att minimera bedrägeri.

Förenkling och säkerhet för låginkomstgrupper

Det finns flera hjälpfunktioner integrerade i den anpassade programvaran:

• Real-tidsövervakning av elcyklar.
• Inaktivering av elektroniska komponenter.
• Larmsystem och fjärrhjulslåsning.
• Automatiska meddelanden baserade på insamlad data om cykel (t.ex. resor i begränsade områden, obehörig gränsövergång, långvarig frånvaro av GPS-signal).

Automatiseringen av poängprocessen ökar betydligt tjänstens omvandlingsgrad, eftersom kunder informeras i förväg om de erforderliga handlingarna och vad de kan förvänta sig under beslutsprocessen. Detta möjliggör att hela verifieringsprocessen kan slutföras på bara några minuter online, utan att någon anländer oförberedd, antingen har glömt nödvändiga handlingar eller inte kan tillhandahålla den erforderliga depositionen.

Tack vare automatiseringen kan tjänsten fatta beslut direkt, vilket påskyndar onboarding-processen. Som ett resultat har tiden från anmälan till mottagande av fordonet minskat från 60 till 15 minuter, och personalen slösar inte längre bort tid på de som inte har klarat onboarding.

Andra tekniker som används av uthyrningstjänster

Dessa tekniker används av alla topputhyrningstjänster i Amerika, inklusive Whizz, Joco och Zoomo. Skillnaderna ligger i deras krav; till exempel begär Zoomo ID och bevis på bostad som en andra handling. Nyligen meddelade de att de avskaffar bakgrundskontroller, men deras onboarding och poängsättning innefattar fortfarande manuell bearbetning, vilket kräver att kunder skickar in sina handlingar via post. Whizz och Joco ligger före konkurrensen här, eftersom de har automatiserat processen genom att använda onlineverifieringsleverantörer.

Joco mildrar risker på ett annat sätt genom att tillåta kunder att använda eltransport i sex timmar, varefter cykel måste returneras till laddningsstationen för laddning. Detta innebär att användarna inte kan ta med den hem och att det finns en tidsbegränsning.

Sammanfattning

Tekniken inte bara förenklar livet, utan förbättrar också, genom ett ovanligt poängsystem, säkerheten för elcykelanvändning och åtgärdar ojämlikhet bland leveransarbetare. Därför kan det sägas att tekniken sträcker ut en hjälpande hand till de som befinner sig i svåra livssituationer – även till de som inte har någon kreditpoäng.