Jak transakční úroveň dat pomáhá poskytovatelům půjček vidět více a riskovat méně

Umělá inteligence ve finančních službách je často nesprávně vnímána jako všelék, který buď urychluje stávající procesy schvalování úvěrů, nebo jako černá skříňka, která by ve skutečnosti nikdy neprošla kontrolami souladu. Tyto představy jsou však velmi vzdáleny od reality toho, co mění hodnocení úvěrového rizika na špici odvětví.

Umělá inteligence, která skutečně mění budoucnost schvalování úvěrů a poskytování půjček, vychází z mocné kombinace deterministického kódu, strojového učení a transakční úrovně dat. Tento rozdíl má praktický a právní význam; znamená to systém, ve kterém je každý rozhodnutí vysvětlitelný a ve kterém je přístup k úvěru rozšířen zodpovědně, místo aby se opakovaly stávající předpojatosti.

Jde o technologii, která pomáhá profilu solventního dlužníka uniknout z hromady odmítnutých a snižuje riziko ve prospěch více příležitostí pro finanční instituce. Zde je vysvětleno, proč je tato cesta dopředu stojí za to a jak ji realizovat.

Je nutná důkladná reforma

Tradiční modely schvalování úvěrů jsou založeny na relativně jednoduchém základě: historie dlužníka, včetně jeho minulého chování, zachyceného v hodnoceních a prohlášeních, je dostatečně spolehlivým měřítkem jeho úvěrové spolehlivosti. V průběhu minulého století byl tento přístup, definovaný zpětnými ukazateli, dostatečně dobrý, hlavně proto, že data nebyla snadno dostupná.

To se všechno změnilo nyní. Tradiční modely schvalování úvěrů a hodnocení úvěrové spolehlivosti jsou retrospektivní, silně závislé na jednom okamžiku, který nemusí nutně zobrazovat úplný obraz finanční situace potenciálního dlužníka. Již více než dvě desetiletí uplynulo od doby, kdy digitální správa dat převzala analogovou, kde okamžitě dostupné informace jsou již dlouho normou. Kreditní spis, který potřebuje měsíce, aby se dostal na stůl schvalovatele, je známkou toho, že současný model je značně zastaralým způsobem zpracování informací.

A navíc, tento zastaralý a často nepřesný datový infrastruktura pouze zvyšuje hrozbu neviditelného dlužníka, kterého finanční odvětví nesmí ignorovat. Trhy se změnily dramaticky v průběhu posledních padesáti let. Nyní malé a střední podniky tvoří obrovskou část soukromého sektoru ve USA a většinu v Evropě. Jsou stále více považovány za páteř budoucí ekonomiky, ale infrastrukturální selhání v hodnocení úvěrové spolehlivosti je nechává na okraji.

A lidé na individuální úrovni také čelí následkům. Ve Spojeném království jedna studie zjistila, že banky mohou odmítat 80% žadatelů o úvěr s tenkými kreditními profily – kteří jsou ve skutečnosti nízkého rizika. To je 4 miliardy dolarů (3 miliardy liber) ztracených nízkorizikových úvěrů. Odborníci poukazují na tradiční datová hodnocení jako na hlavní viníka.

Toto je přesně to, co transakční úroveň umělé inteligence řeší. Místo toho, aby se spoléhala na zpětné ukazatele z historických záznamů, které mohou být měsíce zastaralé, tyto systémy analyzují současnost. Schvalovatelé a poskytovatelé úvěrů získávají skutečné znalosti o chování a finanční situaci potenciálního dlužníka právě teď, ne týdny nebo měsíce zpět. Jak? Transakční úroveň umělé inteligence, která extrahuje znalosti, jako jsou peněžní toky, platební vzorce, dynamika výdajů a příjem přímo z bankovního účtu.

To poskytuje schvalovatelům nepřetržitý tok spolehlivých a relevantních dat, aby mohli plně posoudit finanční chování a situaci dlužníka. A existují významné výsledky spojené s tímto přístupem. Schvalovatelé zvyšují své schvalovací sazby o 10 až 35%, aniž by přijímali další riziko. Rovněž urychlují rozhodnutí o úvěrech až pětkrát a snižují ztráty portfolia o 15-40%.

Je třeba poznamenat, že se nejedná o situaci, kdy poskytovatelé úvěrů náhle berou šanci na rizikové dlužníky. Více dlužníků nutně neznamená více rizika. Co se stane, je, že více dlužníků je učiněno viditelnými – malé a střední podniky a jednotlivci – ve spojení s metodologií, která je vysvětlitelná od A do Z.

Samozřejmě, umělá inteligence nemůže nahradit lidský úsudek, ani by neměla. Kreditní analytici a schvalovatelé jsou stále potřební v procesu. Role umělé inteligence by měla být expandovat důvěru, kapacitu, vysvětlitelnost a přesnost bez obětování odpovědnosti a lidského vstupu. Finanční služby jsou vysoce citlivou oblastí z hlediska spotřebitelské důvěry: lidé chtějí vědět, že je zapojen člověk.

Co transakční úroveň analýzy odhaluje

Porozumění tomu, co umělá inteligence analyzuje, je stejně důležité jako důvod, proč je stojí za to ji zavést do procesu schvalování úvěrů.

Hodnocení úvěrové spolehlivosti říká schvalovateli, že osoba nebo společnost v minulosti splácela své dluhy. Ale to neposkytuje schvalovatelům a poskytovatelům úvěrů možnost číst mezi řádky v každém jednotlivém případě. Protože je to nakonec pouze snímek, spoléhání se výhradně na ukazatele, jako jsou hodnocení úvěrové spolehlivosti, zbavuje analytiky širších vzorců, které vyprávějí úplný příběh dlužníka.

Berte případ sezónních výnosových vzorců. Pro mnoho malých a středních podniků nejsou výnosy plochou linií, ale spíše linií s vrcholy a propady, které se zotavují v cyklech. Tyto jsou zcela normální v různých sektorech, ale vyvolávají poplach, když jsou vytrženy z kontextu – jak je často případ v dokumentu, který zachycuje pouze okamžik a nic dalšího.

Transakční data přímo z bankovního účtu poskytují pohled do celkové odolnosti společnosti: jak zotavují výnosy a spravují mezery mezi vrcholy a propady. Poskytuje mnohem více znalostí o odolnosti podniku, stejně jako umožňuje proaktivnost místo retrospektivního pohledu na finanční vyhlídky dlužníka. Tradiční data nemusí nutně rozlišovat mezi firmou, která zodpovědně naviguje pomalý kvartál, a tou, která trvale ztrácí peníze bez konce.

Může také propojit tečky kolem koncentrace dodavatelů, které by jinak mohly být zmeškány, až mnohem později v tradičním modelu schvalování úvěrů. Podniky s úzkou základnou dodavatelů nebo klientů mají zcela odlišný profil rizika než ty s širší základnou. Kreditní spis plně nezachycuje zranitelnosti spojené s tím, které mohou ovlivnit rozhodnutí poskytovatele úvěru.

A cykly konverze hotovosti, čas, který podniky potřebují k přeměně zásob na hotovost, jsou odhaleny transakční analýzou, ne pouze rozvahou. Malý a střední podnik s mnohem skromnějším výnosem, ale dobře řízenou, kratší cyklus by mohl být mnohem odolnější v dlouhodobém horizontu ve srovnání s větším protějškem se silným výnosem, ale pomalým cyklem konverze.

Stejná logika platí pro variabilní výnosové vzorce, které se stávají častějšími v rámci rostoucí ekonomiky freelance a vzestupu freelance a startupů. Je obtížnější pro dlužníky a žadatele o úvěr z těchto skupin vyhnout se odmítnutí, kde je variabilita výnosů červenou vlajkou na první pohled. Transakční analýza však identifikuje základní vzorec a širší trendy kolem jejich výdajových zvyklostí, platební frekvence, příjmů a obecných finančních zvyklostí.

Toto je přesně tam, kde je kritická reálná povaha digitální transakční analýzy. Ukazatele potřebné k získání úplného čtení rizika a splatitelnosti nejsou obecně statické. Jeden snímek je méně přesný, protože není kontinuální. Kombinace ukazatele, který byl zmeškaný na začátku, a zpožděné akce je tam, kde jsou většina ztrát portfolia a přidána rizika.

Vytvoření demokratických dat a zajištění odpovědného použití umělé inteligence

Dodržování transakční úrovně analýzy také usnadňuje spravedlivější a transparentnější proces schvalování úvěrů. Dlouhodobě používané parametry, jako jsou rozvahy a data z hodnocení úvěrové spolehlivosti, ukazují historii dlužníka s formálním úvěrovým systémem. To funguje dostatečně dobře pro ty, kteří mají delší historii s tímto systémem. Pro ty, kteří ji nemají, včetně freelancerů a malých a středních podniků, to je činí neviditelnými.

Transakční úroveň dat je především o viditelnosti. Vidí to, co tradiční metriky přehlížejí, protože vidí, jak jsou peníze spravovány a chování se mění z okamžiku na okamžik. Schvalovatelé získávají mnohem hlubší úroveň intrinsicálního porozumění úvěrové spolehlivosti dlužníka. Protože toho, data jsou strukturálně navržena tak, aby byla více demokratická.

Kritická poznámka: none z toho neznamená, že umělá inteligence automaticky vede k spravedlivějšímu systému. Algoritmy jsou trénovány na historických datech a rozhodnutích o úvěrech. Předpojatosti, které existují v datech, používaných k trénování umělé inteligence, činí ji náchylnou k předpojatosti a diskriminaci.

Bohužel, existují zaznamenané případy perpetuované diskriminace kvůli špatné transparentnosti a nedostatku auditu systémů umělé inteligence – jedna nedávná studie zjistila, že ženy byly pravidelně udělovány nižší hodnocení úvěrové spolehlivosti než muži.

Designové volby týkající se datové infrastruktury a správy pracovního postupu ve spojení s umělou inteligencí určují, zda se spravedlnost stane zárukou. Umělá inteligence musí být implementována zodpovědně, a to včetně vnesení transparentnosti, audibility, odpovědnosti a bezpečnosti na každém stupni. Která data jsou použita, a jejich zdroje a destinace určují, co transakční úroveň umělé inteligence vidí a generuje znalosti. Konsistentní standardy datové přesnosti jsou přímo spojeny s spolehlivostí těchto nástrojů. Nakonec, stopovatelnost a vysvětlitelnost jsou kanály potřebné k identifikaci, kde model selže nebo potřebuje zlepšení, a co dělá správně.

Tyto vlastnosti již nejsou volitelné. Regulátoři skutečně požadují auditable, transparentní architektury, které vylučují riziko předpojatosti a diskriminace. Směrnice EU o spotřebitelském úvěru 2 (CCD2), například, stanoví explicitní standardy pro automatizované rozhodování o úvěru, včetně práv dlužníků na vysvětlení a lidskou kontrolu. Skutečně, tato regulace právě prošla revizí, která ji bude později tohoto roku ještě přísnější.

Zatímco rychlost je důležitým faktorem, není to jediným určujícím faktorem. Přesnost, spravedlnost, transparentnost a viditelnost jsou stejně důležité pro finanční instituce, které chtějí držet krok s rozvíjejícími se trhy a regulacemi. Transakční úroveň umělé inteligence, postavená v rámci architektonických rámců, které mají audibilitu a odpovědnost zapsanou v jejich jádru, jim to umožňuje.