Le esposizioni Non Performing (NPE) necessitano di una gestione della posizione granulare, richiedendo quindi expertise di settore e competenze legali per poter distinguere tra società “going concern” e “gone concern” – e definire di conseguenza la strategia di recupero o quella del “back to bonis”, con l’obiettivo di ottimizzare la posizione finanziaria. In questo contesto, la qualità e la velocità dell’informazione sono cruciali per ovviare a situazioni delicate che possono sfociare in uno stato di default, con conseguenti perdite operative.

Ad oggi, il processo di onboarding è prevalentemente manuale, e richiede un processo di work-out da parte dell’ufficio NPL o di Terze Parti specializzate nella lavorazione di grandi pacchetti documentali relativi alle commesse NPL. L’analisi permette di determinare la rilevanza e l’utilità della documentazione e, per portafogli di grandi dimensioni, il processo può richiedere tempi lunghi (mesi di analisi).

Combinando una profonda conoscenza della regolamentazione, una consolidata business expertise e una solida competenza tecnica, Reply ha disegnato e realizzato una “Smart Data Room” Solution, ideata per essere di supporto al processo di onboarding delle commesse NPL. La soluzione trasforma il processo manuale automatizzando le attività effettuate dall’operatore NPL, utilizzando tecniche di AI e ML.

La soluzione di Reply inserisce gli algoritmi di ML e AI all'interno di un framework architetturale versatile, permettendo di generare valore nel contesto dell'analisi semantica. In particolare, la soluzione è in grado di ridurre il tempo di elaborazione, automatizzare le attività standard, abbassare i costi delle Terze Parti specializzate e ridurre il Time To Market per la due diligence, la validazione e il workout.