Lender Price, fornitore di tecnologia per prodotti e prezzi nel settore dei mutui, ha annunciato la prossima evoluzione di POD, la sua AI Pricing Optimization Dashboard: una capacità di agenti AI con supervisione umana progettata per contribuire a definire un nuovo standard di accuratezza dei prezzi all'interno del Lender Price Pricing Engine.

Il pricing engine è il sistema su cui i finanziatori fanno affidamento per trasformare i listini tariffe degli investitori nei tassi e negli aggiustamenti che poi propongono ai mutuatari, ed è per questo che l'accuratezza di ogni aggiornamento ha un peso operativo diretto. I POD AI Agents sono progettati per apprendere ed eseguire i passaggi ripetitivi che i team dei prezzi di Lender Price eseguono ogni volta che gli investitori pubblicano modifiche a tassi, aggiustamenti di prezzo a livello di prestito (LLPA), idoneità dei prodotti, programmi e promozioni sui prezzi. Gli LLPA, gli aggiustamenti di prezzo basati sul rischio che gli investitori applicano ai singoli prestiti in base a fattori come il punteggio di credito e il loan-to-value, influenzano direttamente il prezzo di ogni preventivo di mutuo. Operando entro limiti di controllo definiti e flussi di approvazione, gli agenti possono interpretare le informazioni sulle modifiche in arrivo, preparare e validare gli aggiornamenti di sistema, identificare le eccezioni e inoltrare le modifiche che richiedono giudizio ai professionisti dei prezzi di Lender Price.

"Nei prezzi dei mutui, l'accuratezza non è una funzionalità — è il fondamento", ha dichiarato Dawar Alimi, CEO e Co-fondatore di Lender Price. "POD non mira a sostituire le persone che comprendono i prodotti ipotecari, i mercati dei capitali e le attività dei nostri clienti. Si tratta di fornire loro agenti AI in grado di assumersi il lavoro meticoloso e ripetitivo, così che i nostri esperti possano concentrarsi sui controlli, sulle eccezioni e sulle decisioni che meritano l'esperienza umana. Il risultato che perseguiamo è un'accuratezza dei prezzi senza eguali"

Sviluppato per fasi, radicato nelle operazioni di pricing

L'iniziativa POD è progredita attraverso più fasi. Lender Price ha dapprima applicato l'AI per rafforzare i controlli di accuratezza, aiutando i team a individuare più rapidamente le potenziali discrepanze nei prezzi. Ha poi esteso il supporto dell'AI alle attività di implementazione, organizzando i dati dei finanziatori, identificando le lacune e accelerando l'onboarding di prodotti, programmi, regole di idoneità e prezzi specifici per investitore.

L'ultima fase rende operativi tali apprendimenti attraverso agenti AI addestrati sui flussi di lavoro passo per passo utilizzati dal team dei prezzi di Lender Price. Invece di consentire un'automazione priva di controlli, POD applica misure che possono includere la validazione dei dati di origine, limiti basati su regole, soglie di eccezione, log delle modifiche, test e revisione umana prima del rilascio in produzione. L'obiettivo è rendere gli aggiornamenti più rapidi e coerenti, mantenendo al contempo una chiara responsabilità.

Impatto operativo atteso

Lender Price si attende che POD riduca sensibilmente le occasioni di errori di inserimento manuale e migliori la coerenza degli aggiornamenti di routine degli investitori. Gli obiettivi operativi iniziali includono:

• Fino al 90% di riduzione degli interventi manuali per i flussi di lavoro idonei e ripetitivi di aggiornamento di listini e prezzi.
• Fino al 75% di rapidità in più nella preparazione e validazione di aggiornamenti di routine a LLPA, promozioni sui prezzi e programmi, con le eccezioni inoltrate a un esperto.
• Almeno il 99,9% di copertura di tracciabilità delle modifiche per gli aggiornamenti elaborati da POD, supportata da collegamenti alle fonti, registri di validazione, approvazioni e log di audit.
• Una riduzione significativa degli errori di configurazione evitabili — tra cui battute accidentali, valori invertiti o condizioni di idoneità trascurate — attraverso estrazione strutturata, regole di validazione e flussi di rilascio controllati.

Questi dati sono obiettivi operativi previsionali, non risultati storici dei clienti. Lender Price ha dichiarato che validerà e pubblicherà i risultati misurati man mano che le implementazioni di POD matureranno. I risultati pubblicati forniranno ai finanziatori un riferimento concreto per valutare se gli obiettivi si confermeranno in produzione.

Accuratezza su larga scala con gli esperti al controllo

La progettazione di POD rosce che i prezzi dei mutui non operano nel vuoto. Le indicazioni degli investitori possono variare per formato e complessità, e gli aggiornamenti nel mondo reale richiedono spesso un'interpretazione contestuale. Gli agenti AI sono destinati a gestire il lavoro ripetitivo di alto volume, mentre i percorsi di escalation preservano la supervisione umana per indicazioni ambigue, strutture di prodotto insolite e modifiche che meritano un esame aggiuntivo.

Il risultato è un'operazione di pricing in grado di rispondere più rapidamente alle modifiche degli investitori senza sacrificare i controlli che i finanziatori si attendono. Riducendo il lavoro manuale ripetitivo, POD consente agli esperti dei prezzi di Lender Price di dedicare più tempo alla garanzia della qualità, ai casi limite, alla strategia e alle esigenze specifiche dei clienti.

"Il futuro di POD è un'operazione di pricing più accurata e più resiliente", ha aggiunto Alimi. "Le nostre persone restano essenziali. Gli agenti AI rendono la loro esperienza più potente contribuendo a garantire che ogni aggiornamento — da una modifica a un LLPA a una promozione sui prezzi o a una regola di idoneità — sia gestito con disciplina, visibilità e rapidità."

POD fa parte della più ampia strategia AI di Lender Price, che applica l'AI laddove può migliorare l'efficienza dell'implementazione, rafforzare i controlli di qualità dei prezzi e aiutare i finanziatori a muoversi con maggiore fiducia in un mercato in rapida evoluzione. La struttura con supervisione umana di POD riflette anche un modello più ampio nel settore della tecnologia finanziaria, in cui gli agenti AI sono sempre più impiegati sotto revisione umana anziché in piena autonomia nelle aree regolamentate dei servizi finanziari.