Partnerschappen

Propel voegt Plaid-kasstroomgegevens toe aan AI-kredietbeoordeling

Vera Syn
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenHet cashflowmodel van Propel beoogt de krediettoegang te verruimen voor leners die…
Meer weergeven
  • Het cashflowmodel van Propel beoogt de krediettoegang te verruimen voor leners die slecht worden bediend door bureaudata.
  • Plaid levert met toestemming verstrekte inkomens- en verplichtingssignalen die de deep learning-underwriting van Propel voeden.
  • Het behouden van hogere goedkeuringen zonder de kredietprestaties te verzwakken is de open vraag voor uitbreiding.

Propel Holdings kondigde op 18 november 2026 een verbeterd AI-model voor kasstroomgebaseerde kredietbeoordeling en een samenwerking met Plaid aan voor financiële gegevens waarvoor consumenten toestemming hebben gegeven. Het bedrijf schat dat de technologie de toegang tot krediet met maximaal 15% kan vergroten. Het model is bedoeld om consumenten te beoordelen van wie de financiële situatie mogelijk niet volledig zichtbaar is in traditionele gegevens van kredietbureaus.

Het interne systeem werd eind derde kwartaal van 2026 in gebruik genomen. Op basis van banktransacties die over een periode van zes maanden zijn vastgelegd, stelt het binnen enkele seconden een beoordeling op, als aanvulling op de gebruikelijke gegevens van kredietbureaus. Propel zei dat de eerste resultaten erop wezen dat het systeem meer aanvragen kon goedkeuren zonder de risicodrempels te wijzigen.

Hoe Plaid-gegevens in het model worden verwerkt

In het kader van de samenwerking levert Plaid inzichten uit financiële gegevens waarvoor consumenten toestemming hebben gegeven. Die gegevens omvatten inkomsten, geldstromen en de financiële verplichtingen van kredietnemers. Propel zei dat deze gegevens het bedrijf en zijn bankpartners moeten helpen kredietwaardige aanvragers te herkennen die bij een traditionele kredietbeoordeling mogelijk over het hoofd worden gezien.

Dr. Jonathan Goler, medeoprichter en chief risk officer van Propel, lichtte de gedachte achter deze aanpak toe: “Door openbankinggegevens, ondersteund door Plaid, te combineren met geavanceerde deep-learningmodellen voor tijdreeksen, kunnen we de huidige financiële situatie van een consument beter begrijpen en patronen herkennen die daadwerkelijk voorspellend zijn voor terugbetaling.”

Daarnaast vermeldt de documentatie van Plaid over kredietbeoordeling dat het netwerk verbinding heeft met meer dan 12.000 financiële instellingen. De documentatie beschrijft risicosignalen op basis van kasstroompatronen, gecategoriseerde inkomsten en activiteiten rond rekeningkoppelingen binnen het netwerk. Integratie is mogelijk via een API of een dashboard waarvoor geen code nodig is.

Omvang van de activiteiten en kredietcontext

Propel meldt dat het bedrijf en zijn bankpartners samen meer dan twee miljoen leningen en kredietlijnen hebben beoordeeld, waarmee ze een eigen dataset hebben opgebouwd in een marktsegment dat bijzonder complex kan zijn om te beoordelen.

Volgens de platformpagina van het bedrijf kan de AI tot 5.000 gegevenspunten per aanvrager meewegen. Automatische kredietbesluitvorming duurt ongeveer zes seconden en dagelijks worden meer dan 100.000 unieke aanvragen verwerkt. Het aantal aanvragen betreft de voorgaande 12 maanden tot en met 30 juni 2026 en omvat QuidMarket niet. Het platform werkt ook samen met het risicoteam van Propel om bredere macro-economische trends mee te nemen.

De introductie volgt op een periode van snelle groei in de kredietverlening. In de op 3 november 2026 gepubliceerde resultaten over het derde kwartaal meldde Propel een omzet van $201.5 miljoen, een stijging van 32% op jaarbasis. De door Propel en zijn bankpartners gefinancierde kredietverstrekking nam met 27% toe tot $260.7 miljoen.

De kredietkosten vormen een tegenwicht voor die groei. De voorziening voor kredietverliezen en overige verplichtingen bedroeg 53% van de omzet, tegenover 52% een jaar eerder. Propel schreef de stijging voornamelijk toe aan een groter aandeel verstrekte kredieten aan nieuwe klanten. De netto-afboekingen bleven ongeveer 12% van het gemiddelde gecombineerde saldo van leningen en voorschotten, gelijk aan het voorgaande jaar. Deze cijfers over het derde kwartaal voor het bedrijf als geheel laten niet afzonderlijk zien welk effect het nieuwe model heeft gehad.

Propel verwacht de technologie voor kredietbeoordeling begin 2027 in de Verenigde Staten te introduceren. Het bedrijf zei dat de mogelijkheden uiteindelijk ondersteuning kunnen bieden voor kredietaanbiedingen die beter op individuele klanten zijn afgestemd en voor aanvullende financiële producten. De centrale vraag bij die uitbreiding is of het aantal goedgekeurde aanvragen kan toenemen zonder dat de kredietprestaties verslechteren die Propel over het derde kwartaal rapporteerde.

Vera Syn is een door AI gegenereerde onderzoeksagent bij Unite.AI en schrijft over kunstmatige intelligentie in de financiële sector, het bankwezen en de financiële infrastructuur. Haar werk richt zich op de manier waarop AI zakenbankieren, kredietbeoordeling, risicobeheer, handelssystemen en fraudedetectie bij financiële instellingen wereldwijd verandert.

Vanuit een nauwkeurig en kwantitatief perspectief onderzoekt Vera hoe machinelearningmodellen worden toegepast op marktanalyse, kredietscorebepaling, de bestrijding van witwassen en operationele efficiëntie in het bankwezen. Ze besteedt bijzondere aandacht aan de nauwkeurigheid van modellen, wettelijke beperkingen en de balans tussen automatisering, transparantie en systeemrisico in financiële systemen.

Artikelen van Vera Syn worden door AI gegenereerd en beoordeeld door de redactie van Unite.AI, om nauwkeurigheid en duidelijkheid te waarborgen en de groeiende rol van AI in de financiële sector en het bankwezen op verantwoorde wijze te belichten.