Hvordan AI og Machine Learning anvendes af finansielle långivere i 2023

Kunstig intelligens (AI) og Machine Learning (ML)-teknologier fortsætter med at udvide deres anvendelser, brug og fordele for långivere og finansielle institutioner. På grund af denne modning og udvidede antagelse hjælper AI/ML med at løse meget komplekse løsninger, der genererer positiv ROI på tværs af forretningssegmenter.

De fleste finansielle serviceudbydere og långivere anerkender, at de implementerer disse teknologier på tværs af deres forretninger for at understøtte områder som risikostyring, reduktion af friktion i lånudstedelsesafdelinger, indkomst- og verifikationskontroller, svindelreduktion og overholdelse af lovgivning og revisionsprocesser.

Til sidst stræber finansielle serviceudbydere efter at reducere låneomkostningerne ved hjælp af AI/ML til realtids-transparens, større finansielle inklusion og forbedret overholdelse af lovgivning. Her er nogle kritiske brugsområder for, hvordan finansielle institutioner udnytter AI/ML i 2023:

Conversational chatbots

Conversational chatbots hjælper långivere med at interagere med kunder på en mere konversationel måde. Forbrugere ønsker det samme niveau af kundeservice, som de modtager fra førende teknologi-orienterede virksomheder som Amazon, Netflix og Lyft. AI-drevne chatbots og virtuelle assistenter tilbyder 24/7-assistance til kunder på mange punkter, såsom kontobalancer og seneste transaktioner. Det mest imponerende er, at disse chatbots giver kunderne mulighed for at sende midler ved hjælp af konversations-sprog.

Kundesentimentsanalyse

I mange år havde finansielle institutioner svært ved at kombinere kundesentiment med deres big data- og automatiseringsplatforme. I dag har de førende långivere adgang til en mængde data om deres kunder, men historisk set har en stor del af disse data været ustrukturerede og svære for computere at forstå. AI kan dog analysere, hvad kunder kommunikerer, og pege på de følelser, de udtrykker i realtid. Disse systemer kan advare långiverens kundeserviceteams, så de kan løse problemer effektivt og hurtigere.

Kreditværdighed for tynd fil / ingen fil

AI/ML hjælper også med at give en klarere oversigt over en kundes kreditværdighed, især når de har en tynd fil af kredit, ingen fil af kredit eller hvis de har supplerende indtægtskilder, såsom mange af i dagens gig-økonomi-arbejdere.

Lad os tage en nærmere kig på et specifikt brugsområde for brugen af AI/ML i bilfinansiering, hvor en række indirekte og direkte långivere tilbyder lån til millioner af nye og brugte køretøjs-transaktioner hvert år.

Hvordan AI identificerer lånfejl i bilfinansiering

Forbrugerbeskyttelsesbureauet (CFPB) har øget sin niveau af gennemgang af lånets nøjagtighed og dokumentationen (kaldet deal-jakker) mellem en långiver og en forhandler. I mange tilfælde finder revisioner sted for at undersøge, om en långiver muligvis har misrepræsenteret omkostninger i lån-aftaler, der kan have placeret kunder i højkostede lån til biler i strid med Forbrugerbeskyttelsesloven fra 2010.

Scenariet repræsenterer et af de seneste eksempler på, at regulatører presser grænserne ved at introducere nye love eller gennemtvinge eksisterende love, der udnytter fortolkninger, der placerer administrativt pres på långivere og deres overholdelseshold. Mange långivere forbliver sårbare over for bøder og straffe, der er skadelige for deres drift og bundlinje.

Långivere kan mere strengt afhjælpe disse scenarier gennem implementeringen af AI-drevne systematiske kontroller, der hjælper dem med at undgå denne ekstra gennemgang og revisionsmiljø. I dag giver AI-drevne software långivere mulighed for at overholde lovgivningskrav og være revisionsklar. Løsningerne tilbyder politikker, der er klare og standardiserede, og långivere vejledes gennem modelstyrings-overholdelse for interne revisioner, mens de tilbyder ekspert-råd og eksempel-dokumentation, hvis nødvendigt.

Brug af AI-model-dokumentation

Model-dokumentation fra i dagens AI-software inkluderer en kvalitativ vurdering af det potentielle risiko for forskellige impakter i modellerne, der er bygget til långivere. Revisionsprocessen udføres kvartalsvis, og kvantitative forskellige impakt-vurderinger. Analyserne er baseret på race, etnicitet, køn og alder (62+), og selvom processen ikke indsamler race- og etnicitetsdata, anvender den CFPB’s Bayesian Improved Surname Geocoding (BISG)-proxy-metode for race, etnicitet og køn ved hjælp af den seneste folketællingsdata.

Softwaren i dag udnytter avanceret AI-teknologi til at forenkle og automatisere processen med at indsamle og analysere data med det formål at hjælpe med at finansiere lån så hurtigt og effektivt som muligt, samtidig med at omkostningerne til at finansiere lån reduceres, omkostningerne til at bearbejde GAP-refunder for tidlige afdrag reduceres, overholdelsen forbedres og omkostningerne til reguleringer og opmærksomhedskrævende sager (MRAs) og samtykke-dekreter i forbindelse med uretfærdige, vildledende eller uetiske handlinger og praksisser (UDAAPs) reduceres.

Ligesom finansielle udbydere på tværs af alle brancher er bil-långivere ikke AI/ML-eksperter, og det er ikke deres kernekompetence, så de forstår vigtigheden af at finde kvalitets-eksterne eksperter i AI/ML i dag, der kan hjælpe. Tillidsværdige partnere hyres for at hjælpe med at fange disse lånfejl, hvor ugyldige aftaler kan markeres, som ikke er klar til finansiering. AI-software giver långivere mulighed for at fokusere på komplette aftaler, hvilket giver deres hold mulighed for hurtigt at løse eventuelle problemer med forhandlere. Det giver også mulighed for automatisering af forhandler-fejl, og forhandlere underrettes om dokument-fejl med det formål at reducere kontrakter-under-transport, og finansiering kan ske hurtigere og reducere overholdelses- og reguleringerisiko.

Det er også vigtigt at bemærke, at AI og automatisering i stigende grad anvendes af bil-långivere uden for simple lånfejl. En ny undersøgelse af långiver-eksekutiver fandt, at 63% planlægger at implementere AI- og automatiseringsteknologier i år til sikkerhed, 61% til lån-service og 52% til lånbehandling og finansiering¹.

mens AI og ML stadig er i deres spæde år for finansielle serviceudbydere, fortsætter antagelsen af disse teknologier med at vokse. Det er endnu vigtigere, at disse institutioner erkender den positive indvirkning, det har på deres drifts-bundlinje, medarbejder-morale og den samlede kundeoplevelse.

1: InformedIQ-automatiseringsundersøgelse præsenteret for over 2.500 bil-finansiel-eksekutiver; marts 2023