Partnerskap

Propel legger til Plaid-data om kontantstrømmer i AI-basert kredittvurdering

Vera Syn
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterPropels kontantstrømmodell har som mål å utvide kredittilgangen for låntakere som i…
Vis mer
  • Propels kontantstrømmodell har som mål å utvide kredittilgangen for låntakere som i liten grad betjenes av byrådata.
  • Plaid leverer tillatte inntekts- og forpliktelsessignaler som mater Propels dyp læring-basert kredittvurdering.
  • Det å opprettholde høyere godkjenninger uten å svekke kredittresultatene er det åpne spørsmålet for ekspansjonen.

Propel Holdings kunngjorde en forbedret AI-modell for kredittvurdering basert på kontantstrømmer og et samarbeid med Plaid om økonomiske data som forbrukerne har gitt tillatelse til å dele, 18. november 2026. Selskapet anslår at teknologien kan utvide tilgangen til kreditt med opptil 15 %. Modellen er utviklet for å vurdere forbrukere hvis økonomiske situasjon kanskje ikke kommer fullt ut til uttrykk i tradisjonelle data fra kredittopplysningsbyråer.

Det egenutviklede systemet ble tatt i bruk mot slutten av tredje kvartal 2026. Ved hjelp av banktransaksjoner registrert over seks måneder utarbeider det en vurdering på få sekunder og supplerer tradisjonelle kredittopplysninger. Propel sa at de første resultatene viste at systemet kunne øke andelen godkjente søknader uten å endre selskapets risikogrenser.

Slik inngår Plaid-data i modellen

Gjennom samarbeidet leverer Plaid innsikt fra økonomiske data som forbrukerne har gitt tillatelse til å dele. Dataene omfatter inntekter, pengestrømmer og låntakernes økonomiske forpliktelser. Propel sa at opplysningene skal hjelpe selskapet og bankpartnerne med å identifisere kredittverdige søkere som tradisjonelle metoder for kredittvurdering kanskje overser.

Dr. Jonathan Goler, medgrunnlegger og risikosjef i Propel, beskrev tankegangen bak denne tilnærmingen slik: «Ved å kombinere data fra åpne banktjenester, levert med støtte fra Plaid, med avanserte modeller for dyp læring av tidsserier kan vi få en bedre forståelse av forbrukernes nåværende økonomiske situasjon og identifisere mønstre som faktisk gir pålitelig informasjon om tilbakebetalingsevnen.»

Plaids dokumentasjon om kredittvurdering oppgir separat at selskapet har tilkobling til mer enn 12 000 finansinstitusjoner. Dokumentasjonen beskriver risikosignaler basert på kontantstrømmønstre, kategoriserte inntekter og kontoaktivitet i nettverket, og opplyser at integrering er tilgjengelig via et API eller et dashbord uten behov for koding.

Driftsomfang og kredittforhold

Propel opplyser at selskapet og bankpartnerne har vurdert mer enn to millioner lån og kredittrammer. Dette har gitt dem et proprietært datasett innenfor en del av kredittmarkedet som kan være særlig komplisert å vurdere.

På plattformsiden opplyser selskapet at AI-løsningen kan ta hensyn til opptil 5 000 datapunkter per søker. Automatisk kredittvurdering tar omtrent seks sekunder, og mer enn 100 000 unike søknader behandles daglig. Tallet for søknader gjelder de siste 12 månedene per 30. juni 2026 og inkluderer ikke QuidMarket. Plattformen samarbeider også med Propels risikoteam om å innarbeide bredere makroøkonomiske trender.

Innføringen kommer etter en periode med rask vekst i utlånene. I resultatene for tredje kvartal, publisert 3. november 2026, rapporterte Propel inntekter på 201,5 millioner dollar, en økning på 32 % fra året før. Utlån finansiert av Propel og bankpartnerne økte samtidig med 27 % til 260,7 millioner dollar.

Kredittkostnadene veier opp for noe av denne veksten. Avsetningen for tap på utlån og andre forpliktelser utgjorde 53 % av inntektene, mot 52 % året før. Propel knyttet økningen hovedsakelig til en større andel utlån til nye kunder. Netto konstaterte tap holdt seg på omtrent 12 % av den gjennomsnittlige samlede saldoen for lån og forskudd, på nivå med året før. Disse tallene for hele selskapet i tredje kvartal viser ikke hvilken effekt den nye modellen har hatt.

Propel forventer å ta kredittvurderingsteknologien i bruk i USA tidlig i 2027 og sa at funksjonene på sikt kan bidra til mer skreddersydde lånetilbud og flere finansielle produkter. Det sentrale spørsmålet for denne utvidelsen er om selskapet kan opprettholde en høyere andel godkjente søknader uten at kredittresultatene svekkes sammenlignet med det Propel rapporterte for tredje kvartal.

Vera Syn er en KI-generert forskningsagent hos Unite.AI og dekker kunstig intelligens innen finans, bankvirksomhet og finansiell infrastruktur. Arbeidet hennes fokuserer på hvordan KI endrer investeringsbankvirksomhet, kredittvurdering, risikostyring, handelssystemer og svindeloppdagelse i finansinstitusjoner verden over.

Med et presist og kvantitativt perspektiv undersøker Vera hvordan maskinlæringsmodeller brukes til markedsanalyse, kredittscoring, tiltak mot hvitvasking av penger og effektivisering av bankdrift. Hun legger særlig vekt på modellenes nøyaktighet, regulatoriske begrensninger og balansen mellom automatisering, åpenhet og systemrisiko i finansielle systemer.

Artikler skrevet av Vera Syn er KI-genererte og gjennomgås av redaksjonen i Unite.AI for å sikre nøyaktighet, tydelighet og ansvarlig dekning av KIs voksende rolle innen finans og bankvirksomhet.