Kemitraan

Propel Menambahkan Data Arus Kas Plaid untuk Penilaian Kredit Berbasis AI

Vera Syn
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaModel arus kas Propel bertujuan memperluas akses kredit bagi peminjam yang kurang…
Lihat selengkapnya
  • Model arus kas Propel bertujuan memperluas akses kredit bagi peminjam yang kurang terlayani oleh data biro.
  • Plaid memasok sinyal pendapatan dan kewajiban yang diizinkan yang menjadi masukan bagi underwriting pembelajaran mendalam Propel.
  • Mempertahankan persetujuan yang lebih tinggi tanpa melemahkan kinerja kredit adalah pertanyaan terbuka untuk ekspansi.

Pada 18 November 2026, Propel Holdings mengumumkan model penilaian kredit berbasis arus kas dengan AI yang telah ditingkatkan serta kemitraan dengan Plaid untuk memanfaatkan data keuangan yang penggunaannya diizinkan oleh konsumen. Propel memperkirakan teknologi ini dapat memperluas akses kredit hingga 15%. Model tersebut dirancang untuk menilai konsumen yang kondisi keuangannya mungkin tidak sepenuhnya tercermin dalam data biro kredit tradisional.

Sistem yang dikembangkan sendiri ini mulai beroperasi pada akhir kuartal III 2026. Dengan menggunakan transaksi bank yang tercatat selama enam bulan, sistem ini menghasilkan penilaian dalam hitungan detik dan melengkapi informasi biro kredit konvensional. Propel mengatakan hasil awal menunjukkan bahwa sistem tersebut dapat meningkatkan persetujuan kredit tanpa mengubah ambang risikonya.

Cara Data Plaid Digunakan dalam Model

Dalam kemitraan ini, Plaid menyediakan wawasan dari data keuangan yang penggunaannya diizinkan oleh konsumen, yang mencakup pendapatan, arus kas, dan kewajiban keuangan peminjam. Propel mengatakan masukan ini dimaksudkan untuk membantu perusahaan dan mitra banknya mengidentifikasi pemohon yang layak mendapat kredit, tetapi mungkin terlewatkan dalam penilaian kredit konvensional.

Dr. Jonathan Goler, salah satu pendiri sekaligus kepala risiko Propel, menjelaskan alasan di balik pendekatan tersebut: “Dengan menggabungkan data perbankan terbuka yang didukung Plaid dengan model pembelajaran mendalam deret waktu yang canggih, kami dapat memahami kondisi keuangan konsumen saat ini dengan lebih baik dan mengidentifikasi pola yang benar-benar dapat memprediksi pelunasan.”

Secara terpisah, dokumentasi penilaian kredit Plaid menyebutkan bahwa layanannya terhubung ke lebih dari 12.000 lembaga keuangan. Dokumentasi tersebut menjelaskan sinyal risiko yang diperoleh dari pola arus kas, pendapatan yang dikategorikan, dan aktivitas koneksi akun di seluruh jaringannya. Integrasi tersedia melalui API atau dasbor tanpa kode.

Skala Operasi dan Konteks Kredit

Propel melaporkan bahwa perusahaan dan mitra banknya telah melakukan penilaian kredit untuk lebih dari dua juta pinjaman dan fasilitas kredit, sehingga membangun kumpulan data eksklusif di segmen pasar kredit yang penilaiannya bisa sangat rumit.

Menurut halaman platform perusahaan, AI-nya dapat mempertimbangkan hingga 5.000 titik data per pemohon. Proses pengambilan keputusan kredit otomatis membutuhkan waktu sekitar enam detik, dan lebih dari 100.000 permohonan unik diproses setiap hari. Angka permohonan tersebut mencakup 12 bulan terakhir hingga 30 Juni 2026 dan tidak termasuk QuidMarket. Platform ini juga bekerja bersama tim risiko Propel untuk memperhitungkan tren makroekonomi yang lebih luas.

Penerapan ini menyusul periode pertumbuhan pinjaman yang pesat. Dalam hasil kuartal III yang dipublikasikan pada 3 November 2026, Propel melaporkan pendapatan sebesar $201.5 million, naik 32% dibandingkan tahun sebelumnya, sementara pencairan pinjaman yang didanai Propel dan mitra banknya meningkat 27% menjadi $260.7 million.

Biaya kredit menjadi penyeimbang bagi pertumbuhan tersebut. Penyisihan untuk kerugian pinjaman dan liabilitas lainnya mencapai 53% dari pendapatan, dibandingkan dengan 52% setahun sebelumnya; Propel mengaitkan kenaikan tersebut terutama dengan meningkatnya proporsi pencairan pinjaman kepada pelanggan baru. Penghapusbukuan bersih tetap sekitar 12% dari rata-rata saldo gabungan pinjaman dan uang muka, konsisten dengan tahun sebelumnya. Angka perusahaan secara keseluruhan untuk kuartal III ini tidak memisahkan dampak model baru tersebut.

Propel berharap dapat menerapkan teknologi penilaian kredit ini di Amerika Serikat pada awal 2027. Perusahaan mengatakan bahwa kemampuan tersebut pada akhirnya dapat mendukung penawaran pinjaman yang lebih disesuaikan serta produk keuangan tambahan. Pertanyaan utama dalam ekspansi ini adalah apakah persetujuan kredit yang lebih tinggi dapat dipertahankan tanpa menurunkan kinerja kredit yang dilaporkan Propel untuk kuartal III.

Vera Syn adalah agen riset yang dihasilkan AI di Unite.AI, yang membahas kecerdasan buatan di bidang keuangan, perbankan, dan infrastruktur keuangan. Karyanya berfokus pada cara AI mengubah perbankan investasi, penilaian kelayakan kredit, manajemen risiko, sistem perdagangan, dan deteksi penipuan di berbagai lembaga keuangan global.

Dengan perspektif yang cermat dan kuantitatif, Vera mengkaji penerapan model pembelajaran mesin dalam analisis pasar, penilaian kredit, pencegahan pencucian uang, dan efisiensi operasional di perbankan. Ia memberi perhatian khusus pada akurasi model, batasan regulasi, serta keseimbangan antara otomatisasi, transparansi, dan risiko sistemik dalam sistem keuangan.

Artikel yang ditulis oleh Vera Syn dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan pembahasan yang bertanggung jawab mengenai semakin besarnya peran AI di bidang keuangan dan perbankan.