Hoe AI en Machine Learning door Financiële Leners Worden Gebruikt in 2023

Kunstmatige Intelligentie (AI) en Machine Learning (ML) technologieën blijven uitbreiden in hun toepassingen, gebruiken en voordelen voor leners en financiële instellingen. Door deze volwassenheid en uitgebreide adoptiegraad helpt AI/ML bij het oplossen van zeer complexe problemen die een positief rendement opleveren voor bedrijfssegmenten.

Een meerderheid van de financiële dienstverleners en leners erkent dat ze deze technologieën inzetten om ondersteuning te bieden bij gebieden zoals risicobeheer, het verminderen van frictie in leningafdelingen, inkomens- en verificatiecontroles, fraudebestrijding en de compliance- en auditprocessen.

Uiteindelijk streven financiële dienstverleners ernaar om de kosten van krediet te verlagen met behulp van AI/ML voor real-time transparantie, grotere financiële inclusiviteit en verbeterde compliance. Hier zijn enkele kritieke use cases van hoe financiële instellingen AI/ML in 2023 gebruiken:

Gesprekschatbots

Gesprekschatbots helpen leners om met klanten te communiceren op een meer converserende manier. Consumenten verlangen hetzelfde niveau van klantenservice dat ze ontvangen van toonaangevende tech-georiënteerde bedrijven zoals Amazon, Netflix en Lyft. AI-gestuurde chatbots en virtuele assistenten bieden 24/7 ondersteuning aan klanten voor veel items, zoals saldo’s en recente transacties. Wat het meest indrukwekkend is, is dat deze chatbots klanten in staat stellen om fondsen te verzenden met behulp van conversatie-taal.

Klantensentimentanalyse

Voor veel jaren hadden financiële instellingen moeite om klantensentiment te combineren met hun big data en automatiseringsplatforms. De toonaangevende leners van vandaag hebben toegang tot een overvloed aan gegevens over hun klanten, maar historisch gezien was een groot deel van deze gegevens ongestructureerd en moeilijk voor computers om te begrijpen. AI kan echter analyseren wat klanten communiceren en de emoties die ze uiten in real-time identificeren. Deze systemen kunnen de klantenserviceteams van leners waarschuwen zodat ze problemen effectief en sneller kunnen oplossen.

Creditwaardigheid voor dunne bestand / geen bestand

AI/ML helpen ook bij het bieden van een duidelijker beeld van de creditwaardigheid van een klant, vooral wanneer ze een dunne kredietgeschiedenis hebben of geen kredietgeschiedenis, of als ze aanvullende inkomensbronnen hebben, zoals veel van de huidige gig-economie werknemers.

Laten we een specifiek use case bekijken van het gebruik van AI/ML in de automotive finance, waar een verscheidenheid aan indirecte en directe leners leningen verstrekt voor miljoenen nieuwe en gebruikte voertuigtransacties per jaar.

Hoe AI leningdefecten identificeert in automotive finance

Het Consumer Financial Protection Bureau (CFPB) heeft het niveau van controle over de nauwkeurigheid van leningen en de documentatie (genaamd deal jackets) die plaatsvindt tussen een lener en een dealer, verhoogd. In veel gevallen vinden audits plaats om te onderzoeken of een lener de kosten in leningovereenkomsten mogelijk heeft verkeerd weergegeven, waardoor klanten in hoge-kostenleningen voor auto’s terecht zijn gekomen in strijd met de Consumer Financial Protection Act van 2010.

Het scenario vertegenwoordigt een van de laatste voorbeelden van regulators die de grenzen verleggen door nieuwe wetten in te voeren of bestaande wetten af te dwingen die interpretaties mogelijk maken die administratieve druk uitoefenen op leners en hun compliance-teams. Veel leners blijven kwetsbaar voor boetes en sancties die schadelijk zijn voor hun operaties en ondersteuning.

Leners kunnen deze scenario’s beter mitigeren door de implementatie van AI-gebaseerde systematische controles die hen helpen om deze extra controle en audit-omgeving te vermijden. De AI-gebaseerde software van vandaag stelt leners in staat om te voldoen aan de regelgevingsvereisten en audit-klaar te zijn. De oplossingen bieden duidelijke en gestandaardiseerde beleidsregels, en leners worden begeleid bij modelgovernance-compliance voor interne audits, evenals expertadvies en voorbeelddocumentatie, indien nodig.

Gebruik van AI-modeldocumentatie

Modeldocumentatie van de AI-software van vandaag omvat een kwalitatieve beoordeling van het potentieel voor disparate impact-risico in de modellen die zijn gebouwd voor leners. Het auditproces voert kwartaal, kwantitatieve disparate impact-beoordelingen uit. De analyses zijn gebaseerd op ras, etniciteit, geslacht en leeftijd (62+), en hoewel het proces geen ras- en etniciteitsgegevens verzamelt, maakt het gebruik van de BISG-proxy-methode (Bayesian Improved Surname Geocoding) van het CFPB voor ras, etniciteit en geslacht met behulp van de meest recente censusgegevens.

De software van vandaag maakt gebruik van geavanceerde AI-technologie om het proces van het verzamelen en analyseren van gegevens te vereenvoudigen en te automatiseren, met als doel leningen zo snel en efficiënt mogelijk te financieren, terwijl de kosten van financiering, de kosten van verwerking van GAP-terugbetalingen voor vroegtijdige aflossingen, de compliance en de kosten van regelgevingszaken (MRAs) en instemmingsbesluiten met betrekking tot oneerlijke, misleidende of agressieve handelspraktijken (UDAAPs) worden verlaagd.

Net als financiële dienstverleners in alle branches, zijn autoleners geen AI/ML-experts, en het is niet hun kerncompetentie, dus ze begrijpen het belang van het vinden van kwaliteitsexperts van buitenaf in AI/ML die hen kunnen helpen. Vertrouwde partners worden ingeschakeld om te helpen leningdefecten te detecteren, waarbij onjuiste deals kunnen worden gemarkeerd die niet klaar zijn voor financiering. AI-software laat funders toe om zich te concentreren op complete deals, waardoor hun teams snel eventuele geïdentificeerde problemen met dealers kunnen aanpakken. Het maakt ook de automatisering van dealerdefecten mogelijk, waardoor dealers onmiddellijk op de hoogte worden gesteld van documentdefecten om contracten-in-transit te verminderen en deals sneller te financieren en het compliance- en regelgevingsrisico te verlagen.

Het is ook belangrijk op te merken dat AI en automatisering steeds vaker worden ingezet voor autoleners buiten eenvoudige leningdefecten. Een recente enquête onder lenersuitvoerders toonde aan dat 63% van plan zijn om AI en automatiseringstechnologieën dit jaar te implementeren voor securitisatie, 61% voor leningverwerking en 52% voor leningverwerking en -verstrekking¹.

Terwijl AI en ML nog in hun kinderschoenen staan voor financiële dienstverleners, blijft de adoptie van deze technologieën groeien. Nog belangrijker is dat deze instellingen de positieve impact ervan op hun operationele ondersteuning, werknemerstevredenheid en de algehele klantbeleving realiseren.

1: InformedIQ-automatiseringsenquête die aan meer dan 2.500 autofinancieel uitvoerders is gepresenteerd; maart 2023