Як прогностичний ШІ та людська експертиза революціонізують управління комісіями торговців

За останні два десятиліття платіжна галузь перетворилася на складну, високотехнологічну мережу взаємопов’язаних елементів і динамічних наборів правил. Структура комісій для торговців більше не є передбачуваною складовою витрат на ведення бізнесу, а перетворилася на мінливий чинник, який може непомітно зменшувати прибуток підприємства.

Сучасне управління комісіями вимагає враховувати зміни ставок interchange, нові стандарти відповідності вимогам і багаторівневі моделі ціноутворення. З огляду на появу нових способів оплати очевидно, що часи реактивного підходу до управління послугами для торговців давно минули. Підприємства в усіх галузях регулярно стикаються з неочікуваними хвилями комісій за обробку платежів, які їм важко передбачити, розшифрувати чи контролювати.

Потенціал ШІ та його сліпі зони в платежах для торговців

На перший погляд, стрімкий розвиток фінансових технологій обіцяє полегшення. Інструменти ШІ й автоматизовані рішення для аудиту тепер дають торговцям змогу краще контролювати платіжні дані. За даними Gartner, до кінця цього року 90% фінансових підрозділів упровадять щонайменше одне технологічне рішення на основі ШІ.

Завдяки прогностичним алгоритмам торговцям більше не доводиться покладатися лише на традиційний судово-бухгалтерський аналіз — практику виявлення джерел фінансових втрат після того, як кошти вже списано з рахунку. Натомість архітектури моделей ШІ можуть аналізувати величезні обсяги даних про обробку платежів, щоб завчасно виявляти потенційні стрибки витрат, перш ніж вони завдадуть серйозного удару по нормі прибутку.

Однак, якщо покладатися лише на підхід на основі ШІ, виявиться кілька критично важливих сліпих зон. ШІ добре аналізує складні й насичені текстом дані, але виписки від платіжних процесорів, як відомо, не мають єдиного стандарту. Кожен процесор по-своєму кодує, позначає та перекладає на клієнтів комісії. Модель машинного навчання може описати окремий рядок простими словами або розрахувати фактичну ефективну ставку. Проте без розуміння реальної ситуації на ринку вона не може сказати торговцю, чи є ця ставка справедливою або конкурентною.

Покладання на окремі інструменти ШІ також часто створює хибне відчуття безпеки або просто додає зайвої роботи й без того зайнятим керівникам бізнесу. ШІ може легко позначити аномальну комісію на інформаційній панелі, але виявлення такого списання — лише мала частина всієї роботи. Щоб визначити, чи можна домовитися про зниження комісії, дати раду запереченням процесора й забезпечити, щоб погоджене зниження зберігалося з часом, потрібні глибокі галузеві знання та активне втручання людини — можливості, яких ШІ просто не має.

Як упоратися зі складністю сучасних платежів

Нині торговці змушені розбиратися зі зборами платіжних брендів, моделями ціноутворення interchange-plus і додатковими комісіями, які стягують процесори, — усе це створює непрозору екосистему. Ця криза в усій галузі на $198,25 млрд має величезний масштаб і стала однією з найбільших операційних статей витрат підприємств. Основна проблема полягає не стільки в самій кількості комісій, скільки насамперед у фундаментальній нестачі прозорості та порівняльних даних у реальному часі.

Щоб виявити цей прихований рівень витрат, потрібно переглянути тисячі змінних позицій — завдання, у якому ручні аудити швидко заходять у глухий кут. Якщо фінансовий директор або бухгалтерська команда не можуть точно змоделювати витрати на обробку платежів, підприємству важко правильно визначати ціни на продукцію чи встановлювати надійні норми прибутку.

Наприклад, за стандартною угодою interchange-plus торговці часто стикаються з тим, що транзакції не відповідають умовам, необхідним для застосування обіцяних ставок. Комерційні картки та картки з бонусними програмами, якими розраховуються в торговельних закладах, можуть потрапити до категорій із вищим рівнем винагород, що передбачають значні надбавки в базисних пунктах. Так само транзакції без фізичної присутності картки, для яких не виконано детальну перевірку адреси або не надано своєчасних даних про розрахунок, можуть непомітно переводитися до категорій із вищими витратами. Ще гірше те, що процесори регулярно оголошують про зміни динамічного ціноутворення, приховані в дрібному шрифті щомісячних PDF-виписок, які легко пропустити під час звичайної перевірки.

Ручне відстеження в електронних таблицях рідко дає змогу виявити такі системні витоки коштів, аж поки не мине кілька місяців. Просто створювати кращі таблиці вже недостатньо. ШІ може автоматизувати основну роботу з безперервного моніторингу, однак торговцям потрібно поєднувати його з цілеспрямованою експертизою фахівців і реальними ринковими даними, щоб перетворити аналітику на фактичне зниження ставок.

Створення прогностичних моделей для динамічного ціноутворення

Щоб досягти такого зниження, потрібно перетворити необроблені дані про історію транзакцій на прогнози, корисні для ухвалення рішень. Навчаючи моделі прогнозної аналітики на історичних даних про обробку платежів торговців, організації можуть перейти від звітності за минулі періоди до перспективного управління витратами. Удосконалені моделі можуть аналізувати історичні потоки транзакцій, виявляти незначні зміни в таблицях interchange платіжних брендів і позначати націнки процесорів, перш ніж ті перетворяться на величезні річні витрати.

Однак створення ефективної системи платіжної аналітики потребує значних технічних зусиль. Ефективність моделей машинного навчання залежить від повноти й якості даних, на яких вони ґрунтуються. Крім базових показників обсягів, надійним платіжним моделям потрібні детальні дані, як-от конкретні коди категорій торговців (Merchant Category Codes), географічне розташування та чинники маршрутизації транскордонних платежів, співвідношення транзакцій із фізичною присутністю картки й без неї, а також докладні порогові значення для кваліфікації транзакцій за interchange, визначені основними платіжними мережами, як-от Visa і Mastercard.

За належного навчання на великих масивах даних ці прогнозні системи можуть виконувати складне сценарне планування. Фінансові керівники можуть моделювати, як зміниться чиста маржа, якщо ставки міжбанківських комісій платіжних систем зростуть на певну величину, або як сезонне збільшення частки оплат кредитними картками порівняно з дебетовими під час пікових святкових розпродажів вплине на чистий дохід.

Критично важливе поєднання: точність ШІ та людська експертиза

Хоча прогнозні технології забезпечують безпрецедентну ясність даних, справжня цінність в управлінні комісіями полягає в поєднанні точності ШІ та професійного захисту інтересів фахівцями. Прогнозна модель може розраховувати витрати й виявляти різкі стрибки комісій, але не може вести переговори з платіжним процесором. Вона не має налагоджених ділових зв’язків, не може впоратися із запереченнями процесора, коли той стверджує, що комісія є обов’язковим збором платіжної системи, і не здатна оцінити ширшу операційну інфраструктуру підприємства, зокрема інтеграції програмного забезпечення, процеси роботи з картками, збереженими в системі, або конфігурації платіжних терміналів.

Як повідомляє Reuters, інформаційна асиметрія між фінансовими процесорами та торговцями історично ставила власників бізнесу в невигідне становище під час переговорів. Сучасне управління платежами вирівнює умови завдяки взаємодоповнювальній двокомпонентній моделі. Прогнозний ШІ може взяти на себе основну роботу з безперервного опрацювання даних, переглядаючи тисячі рядків і виявляючи аномалії та надмірні нарахування, які людина могла б не помітити.

Тоді до роботи можуть долучитися досвідчені фахівці, які представляють інтереси торговців, і допомогти правильно інтерпретувати ці дані. Вони порівнюють чисті ефективні ставки торговця з реальними ринковими орієнтирами для конкретної галузі, щоб визначити, скільки бізнес насправді має платити. Фахівці також мають вести безпосередні переговори з чинними процесорами, усуваючи труднощі, пов’язані зі зміною постачальника, і регулярно проводити щомісячні аудити, щоб узгоджені ставки залишалися чинними з часом і не зростали приховано.

ШІ незамінний для масштабного опрацювання великих обсягів даних, але коли йдеться про структурування угод, управління фінансовими партнерствами та забезпечення тривалого відновлення маржі, людська експертиза залишається незамінною.

Майбутнє розумніших платежів для торговців

Розвиток платіжних послуг для торговців визначатиметься не швидшим проведенням розрахунків, а розумнішою та прозорішою аналітикою транзакцій. У міру вдосконалення прогнозного моделювання та платформ машинного навчання торговці отримуватимуть дедалі складніші інструменти для виявлення прихованих витрат.

Сам по собі ШІ не є повноцінним рішенням. Торговці, яким вдасться захистити свою довгострокову маржу, поєднуватимуть прозорість даних, забезпечену ШІ, з цілеспрямованим захистом їхніх інтересів фахівцями. Відмовившись і від суто автоматизованих інструментів, і від ручних таблиць, торговці нарешті зможуть перетворити комісії за платежі з неминучої непрозорої статті витрат на стратегічну, повністю оптимізовану фінансову перевагу.