I januari i år, B2B-efterlevnaden nådde rekordnivået 7,1 miljoner företag med förfallna skulder som, sammanlagda, totaliserade R$ 154,9 miljarder – en ökning med 4 R$,3 miljarder jämfört med föregående månad. Här pratar vi om 31,4% av företagen i verksamhet i landet. Det är uppgifter som samlats in av Serasa Experian, som nådde den månaden den högsta volymen som registrerats i den historiska serien av undersökningen, genomförs månadsvis sedan 2016. För att få en uppfattning, i januari 2024 var detta nummer 6,7 miljoner och har konsoliderat en tillväxttrend under året.
Detta scenario är bara ett exempel på hur betalningsinställelse mellan företag i allmänhet har visat en utveckling som förtjänar uppmärksamhet och, klart, effektiva åtgärder. Industriområdet, även om det utgör en mindre del av denna verklighet av försenade betalningar (8% jämfört med 52,4% av Tjänster och 35,3% av handeln, möter också stora utmaningar i återvinning av kredit.
Det är ett faktum att, när förseningar inte hanteras på rätt sätt, kan allvarligt påverka kassaflödet, minska investeringskapaciteten och till och med öka de finansiella kostnaderna, om det är nödvändigt att ta till kredit under ogynnsamma räntesatser.
Detta får oss att titta på de olika försvarslinjerna mot betalningsinställelse, något som sträcker sig från kreditbedömning till den tillämpade inkassomodeln. I slutändan, i ett ögonblick där konsolideringen av Industri 4.0 pekar mot en framtid 5.0, det är nödvändigt att diskutera utifrån samma perspektiv de traditionella avgiftsmodellerna i jämförelse med de nya möjligheterna som teknologin har medfört.
Det saknas automatisering i de traditionella modellerna
Naturligtvis, när vi pratar om traditionella modeller handlar det inte om metoder som nästan helt har fallit i glömska, hur jag skickar ett brev eller en inkassokrav i person. Åtminstone inte när vi pratar om massiva och högpresterande inkassoprocesser som används av medelstora och stora företag. Vi kan säga att traditionella modeller är de som, även om de redan är digitala i viss utsträckning, de utnyttjar fortfarande inte effektivt alla de möjligheter som tekniska resurser erbjuder idag.
Ett schema för telefonsamtal baserat på en ålderslista – en lista över kunder med betalningsanmärkningar organiserad efter försenad tid – kanske är det det mest grundläggande exemplet. Från detta, vi kan gå vidare till digitala kanaler e-post, WhatsApp och SMS. Det händer att utan en strategi baserad på automatisering och fullständig integration av dessa kanaler, det kommer bara att vara en enkel överföring av telefonmodellen. Mer agil och skalbar med säkerhet, mer, ändå, under sin maximala potential.
Vi behöver utgå från förståelsen av att, i återvinning av B2B-kredit, de dynamiska tillvägagångssätten måste vara intelligenta och noggranna. Det handlar om en mer sofistikerad typ av krav, inriktad till välinformerade yrkesverksamma, med större beredskap för en omförhandling av mer komplexa villkor och förutsättningar. Således, personalisering och datainformation blir nyckelord för att förbättra resultaten inom indrivning av denna sektor. Och det kräver nya resurser.
Framsteg som införts av de nya faktureringsmodellerna
De nya faktureringsmodellerna är strategier och taktiker baserade på verktyg som använder artificiell intelligens, prediktiva algoritmer och automationer. Det är handlingssätt som kan svara exakt på olika mönster av betalningsinställelse.
Ett exempel på detta är konceptet "digital first", ett tillvägagångssätt som prioriterar digitala kanaler som kontakt- och servicemetod. Detta ger inte bara mer effektivitet och kostnadsoptimering utan möter också en efterfrågan från publiken, som helst föredrar bekvämligheten och flexibiliteten i digital service. Grunden för detta koncept är kanaler som e-post, SMS, WhatsApp och sociala medier, kombinerat med chatbot-teknologier och virtuella assistenter.
Struktureringen av en digital först-strategi kräver steg som kartläggning av kundresan, automatisering av processer, definition av kanaler och dataanalys. Det kräver en robust infrastruktur, med avancerade resurser, särskilt när det gäller bearbetningskapaciteten för en stor mängd information, hur datalakes och maskininlärningslösningar. I vår erfarenhet på Global, vi har bevisat att denna uppsättning resurser går långt bortom att optimera inkassoresultaten, för det ger också kapacitet för prediktiv analys, från vilken det är möjligt att utarbeta strategier och planera förhandsåtgärder som minskar riskerna för betalningsinställelse.
Mottagandet ska fortsätta vara humaniserat
Med en så bred uppsättning av teknologier och den ständiga korsningen av information, den effektiva integrationen av hela detta repertoar blir avgörande för dess maximala utnyttjande och för dess viktigaste mål som är att minska betalningsinställelsetalen. Men är det också den totala integrationen som är det bästa sättet att lösa ett vanligt paradox inom digitala betalningskanaler: människor föredrar detta automatiserade sätt, men de vill inte ge upp en humaniserad service, nära och personlig.
En enkel adoption av digitala kanaler och automatiseringar som är oberoende av datainformation är inte tillräcklig. Se ett exempel på vad en väl integrerad struktur kan göra. Låt oss säga att en digital lösning gör en kontakt genom ett automatiskt meddelande. Men inleds en förhandling via chatbot som erbjuder några alternativ för optimerade villkor för den kunden. Så, inför ett motförslag, verktyget förstår komplexiteten i svaret och skalar denna service upp till en människa, på ett flytande sätt, kanske imperceptibel för personen på andra sidan.
En operation som den i detta exempel representerar i praktiken en högre framgångsgrad, varför inte ta chansen som uppstod med öppningen för dialog, burokratiserar inte servicen, låt inte kunden vänta, be honom inte att gå in på en annan kanal. Det är allt löst i samma kontakt.
Varför nya modeller är bättre för industrin?
Många särdrag inom den industriella sektorn och typen av betalningsinställelse som den står inför motiverar brådskan att modernisera sina inkassomodeller. De höga värden som förhandlas inom denna sektor kräver mer komplexa kontrakt och betalningsvillkor och, därför, en faktura som förstår de olika avtalen.
De långa betalningstiderna är en annan faktor, eftersom förseningar påverkar produktionsplaneringen, en viktig del av strategin för vilken industri som helst, och att mildra denna risk kräver snabbhet i återvinning av kredit. Säsongsmässigheten, som påverkar starkt många segment, är en annan mycket specifik fråga som påverkar den finansiella planeringen och bör beaktas i inkassostrategierna och, överallt, i de prediktiva modellerna.
Ge en snabbhet, precision, anpassning och konsekventa resultat av detta uppsättning av egenskaper beror på teknologier som artificiell intelligens och mycket förfinad dataanalys. Resurser som endast de nya och moderna faktureringsmodellerna kan leverera.
Till slut, det är viktigt att komma ihåg det grundläggande, något som varken de gamla eller de nya modellerna kan bortse från i byggandet av en strategi: inkasso är relationer. Och det är alltid i strävan efter den bästa relationen som digitala och automatiseringsteknologier bör fokusera. Utan denna vägledning och extrem försiktighet i varje tillvägagångssätt, resultaten kommer aldrig att vara tillfredsställande.
