साझेदारियाँ

Propel ने एआई-आधारित ऋण मूल्यांकन में Plaid के नकदी प्रवाह संबंधी डेटा को जोड़ा

Vera Syn
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुप्रोपेल का कैश-फ़्लो मॉडल उन उधारकर्ताओं के लिए ऋण पहुँच का विस्तार करना चाहता है…
और देखें
  • प्रोपेल का कैश-फ़्लो मॉडल उन उधारकर्ताओं के लिए ऋण पहुँच का विस्तार करना चाहता है जिन्हें ब्यूरो डेटा ठीक से सेवा नहीं देता।
  • प्लेड अनुमति-प्राप्त आय और दायित्व संकेत प्रदान करता है जो प्रोपेल के डीप लर्निंग अंडरराइटिंग को फ़ीड करते हैं।
  • क्रेडिट प्रदर्शन को कमज़ोर किए बिना उच्च स्वीकृतियों को बनाए रखना विस्तार के लिए खुला प्रश्न है।

Propel Holdings ने 18 नवंबर 2026 को एआई-आधारित नकदी प्रवाह मूल्यांकन का उन्नत मॉडल पेश करने और Plaid के साथ साझेदारी की घोषणा की। इस साझेदारी के तहत उपभोक्ताओं की अनुमति से साझा किए गए वित्तीय डेटा का उपयोग होगा। कंपनी का अनुमान है कि यह तकनीक ऋण तक पहुँच को 15% तक बढ़ा सकती है। यह मॉडल उन उपभोक्ताओं की वित्तीय स्थिति का आकलन करने के लिए बनाया गया है, जिनकी परिस्थितियाँ पारंपरिक क्रेडिट ब्यूरो के डेटा में पूरी तरह दर्ज नहीं हो पातीं।

कंपनी की आंतरिक प्रणाली 2026 की तीसरी तिमाही के उत्तरार्ध में चालू हुई। छह महीनों में दर्ज बैंक लेन-देन का उपयोग करके यह कुछ ही सेकंड में आकलन तैयार करती है और पारंपरिक ब्यूरो जानकारी को पूरक डेटा देती है। Propel ने कहा कि शुरुआती नतीजों से पता चला कि जोखिम की सीमाएँ बदले बिना भी मंज़ूरियों की संख्या बढ़ाई जा सकती है।

Plaid का डेटा मॉडल में कैसे शामिल होता है

इस साझेदारी के तहत Plaid उपभोक्ताओं की अनुमति से साझा किए गए वित्तीय डेटा से आय, नकदी के आवागमन और कर्ज़दारों की वित्तीय देनदारियों से जुड़ी जानकारी उपलब्ध कराता है। Propel ने कहा कि इन जानकारियों से उसे और उसके बैंक साझेदारों को ऐसे ऋण-योग्य आवेदकों की पहचान करने में मदद मिलनी चाहिए, जिन्हें पारंपरिक ऋण मूल्यांकन में नज़रअंदाज़ किया जा सकता है।

Propel के सह-संस्थापक और मुख्य जोखिम अधिकारी डॉ. Jonathan Goler ने इस दृष्टिकोण के पीछे का तर्क समझाते हुए कहा: “Plaid की मदद से उपलब्ध खुले बैंकिंग डेटा को परिष्कृत टाइम-सीरीज़ डीप लर्निंग मॉडल के साथ जोड़कर हम उपभोक्ता की मौजूदा वित्तीय स्थिति को बेहतर ढंग से समझ सकते हैं और ऐसे पैटर्न पहचान सकते हैं जो वास्तव में ऋण चुकाने की संभावना का अनुमान देते हैं।”

अलग से, Plaid के ऋण मूल्यांकन संबंधी दस्तावेज़ में 12,000 से अधिक वित्तीय संस्थानों से कनेक्टिविटी का उल्लेख है। इसमें नकदी प्रवाह के पैटर्न, वर्गीकृत आय और अपने नेटवर्क में खातों से जुड़ने की गतिविधि से प्राप्त जोखिम संकेतों का वर्णन है। इस सेवा को एपीआई या बिना कोड वाले डैशबोर्ड के ज़रिए एकीकृत किया जा सकता है।

परिचालन का पैमाना और ऋण का संदर्भ

Propel के अनुसार, उसने और उसके बैंक साझेदारों ने 20 लाख से अधिक ऋण और ऋण-सीमाओं का मूल्यांकन कर मंज़ूरी दी है। इससे ऋण बाज़ार के ऐसे हिस्से में एक विशिष्ट डेटा संग्रह तैयार हुआ है, जिसका आकलन करना विशेष रूप से जटिल हो सकता है।

कंपनी के प्लेटफ़ॉर्म पेज के अनुसार, उसका एआई प्रति आवेदक 5,000 तक डेटा बिंदुओं पर विचार कर सकता है। ऋण आवेदनों पर स्वचालित निर्णय में लगभग छह सेकंड लगते हैं और हर दिन 100,000 से अधिक अलग-अलग आवेदनों पर कार्रवाई की जाती है। आवेदनों का यह आँकड़ा 30 जून 2026 तक के पिछले 12 महीनों का है और इसमें QuidMarket शामिल नहीं है। व्यापक व्यापक आर्थिक रुझानों को शामिल करने के लिए यह प्लेटफ़ॉर्म Propel की जोखिम टीम के साथ भी काम करता है।

इस तकनीक की तैनाती ऐसे दौर के बाद हो रही है, जब ऋण कारोबार तेज़ी से बढ़ा। 3 नवंबर 2026 को प्रकाशित तीसरी तिमाही के नतीजों में Propel ने 201.5 मिलियन डॉलर का राजस्व दर्ज किया, जो साल-दर-साल 32% अधिक था। वहीं, Propel और उसके बैंक साझेदारों द्वारा वित्तपोषित ऋणों की शुरुआत 27% बढ़कर 260.7 मिलियन डॉलर हो गई।

ऋण की लागत इस वृद्धि पर अंकुश लगाने वाला एक कारक है। ऋण हानियों और अन्य देनदारियों के लिए प्रावधान राजस्व का 53% था, जबकि एक साल पहले यह 52% था। Propel ने इस बढ़ोतरी का मुख्य कारण नए ग्राहकों को दिए गए ऋणों का अधिक अनुपात बताया। ऋणों और अग्रिमों की औसत संयुक्त बकाया राशि के मुकाबले शुद्ध ऋण राइट-ऑफ़ लगभग 12% पर बना रहा, जो पिछले वर्ष के स्तर के अनुरूप है। कंपनी की तीसरी तिमाही के ये समग्र आँकड़े नए मॉडल के प्रभाव को अलग से नहीं दर्शाते।

Propel को उम्मीद है कि वह 2027 की शुरुआत में ऋण मूल्यांकन तकनीक को संयुक्त राज्य अमेरिका में उपलब्ध कराएगा। कंपनी ने कहा कि भविष्य में ये क्षमताएँ अधिक अनुकूलित ऋण प्रस्तावों और अतिरिक्त वित्तीय उत्पादों को समर्थन दे सकती हैं। इस विस्तार का अहम सवाल यह है कि क्या तीसरी तिमाही में Propel द्वारा दर्ज ऋण प्रदर्शन को कमज़ोर किए बिना अधिक मंज़ूरियाँ बनाए रखी जा सकती हैं।

Vera Syn Unite.AI में एआई-जनित शोध एजेंट हैं और वित्त, बैंकिंग तथा वित्तीय अवसंरचना में कृत्रिम बुद्धिमत्ता को कवर करती हैं। उनका काम इस बात पर केंद्रित है कि एआई वैश्विक वित्तीय संस्थानों में निवेश बैंकिंग, ऋण हामीदारी, जोखिम प्रबंधन, ट्रेडिंग प्रणालियों और धोखाधड़ी का पता लगाने के तरीकों को कैसे बदल रहा है।

सटीक और मात्रात्मक दृष्टिकोण के साथ, Vera इस बात की पड़ताल करती हैं कि बैंकिंग में बाज़ार विश्लेषण, क्रेडिट स्कोरिंग, धनशोधन-रोधी उपायों और परिचालन दक्षता के लिए मशीन लर्निंग मॉडल कैसे लागू किए जाते हैं। वह मॉडल की सटीकता, नियामकीय सीमाओं और वित्तीय प्रणालियों में स्वचालन, पारदर्शिता तथा प्रणालीगत जोखिम के बीच संतुलन पर विशेष ध्यान देती हैं।

Vera Syn के लेख एआई द्वारा तैयार किए जाते हैं और सटीकता, स्पष्टता तथा वित्त और बैंकिंग में एआई की बढ़ती भूमिका की ज़िम्मेदार कवरेज सुनिश्चित करने के लिए Unite.AI की संपादकीय टीम उनकी समीक्षा करती है।