Cum ajută datele la nivel de tranzacție împrumutătorii să vadă mai mult și să riște mai puțin

Inteligența artificială în domeniul creditării este adesea reprezentată în mod greșit ca o soluție universală care accelerează procesele existente de analiză a creditului sau ca o funcție digitală care, în realitate, nu ar trece niciodată testele de conformitate. Aceste reprezentări nu pot fi mai departe de adevărul despre ceea ce redefinește evaluarea riscului de credit la nivelul avansat al industriei.

Inteligența artificială care modifică în realitate viitorul analizei și acordării creditelor provine dintr-o combinație puternică de cod determinist, învățare automată și date la nivel de tranzacție. Această distincție contează din punct de vedere practic și legal; înseamnă un sistem în care fiecare decizie este explicabilă și în care accesul la credit este extins în mod responsabil, în loc de a regurgita prejudecățile existente.

Este vorba despre tehnologie care ajută un împrumutător credibil să scape de pe lista de respingere și taie riscul în favoarea unor oportunități mai mari pentru instituțiile financiare. Iată de ce această cale înainte merită urmată și cum se poate face.

O reformă este urgent necesară

Modelele tradiționale de analiză a creditului se bazează pe o bază relativ simplă: istoricul unui împrumutător, inclusiv comportamentul său trecut, capturat în scoruri și declarații de la birourile de credit, este o măsură suficient de fiabilă a creditului său. De-a lungul secolului trecut, această abordare, definită de indicatori întârziați, a fost suficient de bună, în principal pentru că datele nu erau ușor disponibile.

Acest lucru s-a schimbat acum. Modelele tradiționale de analiză a creditului și de evaluare a creditului sunt retrospective, bazându-se puternic pe un moment singular care nu descrie neapărat imaginea de ansamblu a sănătății financiare a unui împrumutător potențial. De mai bine de două decenii, gestionarea digitală a datelor a depășit gestionarea analogică, unde informațiile accesibile instantaneu au devenit norma. Un dosar de credit care ajunge la cutia poștală a unui analist de credit după luni este un semn că modelul actual este o modalitate învechită de procesare a informațiilor.

Și, în mod crucial, această infrastructură de date învechită și adesea inexactă ridică doar amenințarea împrumutătorului invizibil, pe care industria financiară nu o poate ignora. Piețele s-au schimbat drastic în ultimul jumătate de secol. Acum, întreprinderile mici și mijlocii (IMM) reprezintă o parte uriașă a sectorului privat în SUA, și cea mai mare parte în Europa. Ele sunt văzute din ce în ce mai mult ca fiind coloana vertebrală a economiei viitoare, dar eșecurile infrastructurii de evaluare a creditului le lasă în afara drumului.

Și oamenii, la nivel individual, suferă consecințele, de asemenea. În Regatul Unit, o studiu a descoperit că băncile ar putea respinge 80% dintre solicitanții de credite cu profil de credit subțire – care sunt, de fapt, cu risc scăzut. Acesta este un volum de 4 miliarde de dolari (£3 miliarde) în credite cu risc scăzut pierdute. Experții atrag atenția asupra datelor tradiționale de la birourile de credit ca principal vinovat.

Acesta este exact ceea ce adresează inteligența artificială la nivel de tranzacție. În loc de a se baza pe indicatori întârziați extrase din înregistrări istorice care ar putea fi învechite cu luni, aceste sisteme analizează prezentul. Analisti și împrumutători primesc o vedere reală asupra comportamentului și sănătății financiare a unui potențial împrumutător chiar acum, nu după săptămâni sau luni. Cum? Inteligența artificială la nivel de tranzacție, care extrage informații precum fluxurile de numerar, modelele de plată, dinamica cheltuielilor și veniturile direct din contul bancar.

Acest lucru oferă analiștilor și împrumutătorilor un flux continuu de date fiabile și relevante pentru a evalua pe deplin comportamentul și sănătatea financiară a unui împrumutător. Și există rezultate semnificative legate de această abordare. Ratele de aprobare ale împrumutătorilor cresc cu 10-35%, fără a crește riscul. Ei accelerează, de asemenea, deciziile de creditare de până la cinci ori și reduc pierderile portofoliului cu 15-40%.

Este demn de remarcat că aceasta nu este o situație în care împrumutătorii iau brusc o șansă la împrumutători cu risc ridicat. Mai mulți împrumutători nu înseamnă neapărat mai mult risc. Ceea ce se întâmplă este că mai mulți împrumutători devin vizibili – IMM-uri și persoane fizice – în tandem cu o metodologie care este explicabilă de la A la Z.

Desigur, inteligența artificială nu poate suplini judecata umană, nici nu ar trebui să o facă. Analistii de credit și împrumutătorii sunt încă necesari în procesul de analiză a creditului. Rolul inteligenței artificiale ar trebui să fie acela de a extinde încrederea, capacitatea, explicabilitatea și acuratețea, fără a sacrifica responsabilitatea și inputul uman. După cum se știe, finanțele sunt o zonă foarte sensibilă în ceea ce privește încrederea consumatorilor: oamenii vor să știe că există un om implicat.

Ce descoperă analiza la nivel de tranzacție

Înțelegerea a ceea ce analizează inteligența artificială este la fel de importantă ca și de ce merită adusă în procesul de analiză a creditului.

Un scor de la biroul de credit spune unui analist că o persoană sau o companie și-a plătit în trecut datoriile. Dar acest lucru nu împuternicește analiștii și împrumutătorii să citească între rânduri în fiecare caz în parte. Deoarece este, în cele din urmă, doar o poză, bazându-se exclusiv pe indicatori precum scorurile de la biroul de credit, lasă analiștii orbi la modelele mai largi care spun povestea completă a unui împrumutător.

Luați cazul modelelor de venit sezonier. Pentru multe IMM-uri, veniturile nu sunt o linie plată, ci una care are vârfuri și scăderi care se recuperează în cicluri. Acestea sunt perfect normale în diverse sectoare, dar sună alarma atunci când sunt luate în afara contextului – așa cum se întâmplă prea des într-un document care captează momentul, dar nimic dincolo de el.

Datele tranzacționale furnizate direct din contul bancar oferă o lentilă asupra rezilienței generale a unei companii: cum recuperează veniturile și gestionează golurile dintre vârfuri și scăderi. Oferă mult mai multă perspicacitate în ceea ce privește reziliența unei afaceri, precum și permite proactivitatea, în loc de a lua o perspectivă retrospectivă asupra perspectivelor financiare ale unui împrumutător. Datele tradiționale nu disting neapărat între o firmă care navighează cu pricepere și responsabilitate o perioadă lentă și una care pierde constant bani fără sfârșit.

De asemenea, poate conecta punctele în jurul concentrării furnizorilor care ar putea fi altfel pierdute până mult mai târziu într-un model de analiză a creditului tradițional. Afacerile cu o bază îngustă de furnizori sau clienți au un profil de risc complet diferit decât cele cu o bază mai largă. Un dosar de credit nu cuprinde pe deplin vulnerabilitățile asociate cu aceasta, ceea ce poate face sau rupe o decizie a unui împrumutător.

Și ciclurile de conversie a numerarului, timpul necesar pentru ca afacerile să transforme stocul în numerar, sunt aduse la lumină cu analiza tranzacțională, nu doar cu un bilanț. O IMM cu venituri mult mai modeste, dar cu un ciclu mai bine gestionat și mai strâns, ar putea fi mult mai rezistentă pe termen lung, comparativ cu un omolog mai mare cu venituri puternice, dar cu un ciclu de conversie lent.

Aceeași logică se aplică și modelelor de venit variabil, care devin din ce în ce mai comune în mijlocul unei economii în creștere a muncii freelance și a startup-urilor. Este mai dificil pentru împrumutători și solicitanți de credite din aceste grupuri să evite respingerea atunci când variabilitatea veniturilor este un semnal de alarmă la prima vedere. Analiza tranzacțională identifică, totuși, modelul subiacent și tendințele mai largi în jurul obiceiurilor de cheltuieli, frecvenței plăților, veniturilor și cheltuielilor, și obiceiurilor financiare generale.

Acesta este exact locul în care natura în timp real a analizei digitale tranzacționale este critică. Indicatorii necesari pentru a obține o citire completă a riscului și a viabilității rambursării nu sunt, în general, statice. O poză singulară este mai puțin precisă pentru că nu este continuă. Combinația unui indicator care a fost pierdut la început și a unei acțiuni întârziate este locul în care se găsesc cele mai multe pierderi ale portofoliului și riscuri adăugate.

Facerea datelor democratice și asigurarea utilizării responsabile a inteligenței artificiale

Urmând corect abordarea analizei la nivel de tranzacție, se facilitează, de asemenea, un proces de analiză a creditului mai echitabil și mai transparent.

Parametrii utilizați de multă vreme, cum ar fi bilanțurile și datele de la birourile de credit, prezintă istoricul unui împrumutător, inclusiv relația sa cu sistemul formal de credit. Acest lucru funcționează suficient de bine pentru cei care au o istorie mai lungă cu acest sistem. Pentru cei care nu o au, inclusiv freelanceri și IMM-uri tinere, îi face invizibili.

Datele tranzacționale sunt despre vizibilitate. Văd ceea ce metricile tradiționale trec cu vederea, pentru că văd cum se gestionează banii și cum se schimbă comportamentele de la o clipă la alta. Analistii au acces la un strat mult mai profund de înțelegere a creditului unui împrumutător. Din cauza acestui fapt, datele sunt structurate pentru a fi mai democratice.

O condiție esențială: nu înseamnă că inteligența artificială conduce automat la un sistem mai echitabil. Algoritmii sunt antrenați pe date istorice și decizii de creditare. Prejudecățile care există în datele utilizate pentru a antrena inteligența artificială o fac susceptibilă la prejudecăți. Dacă, istoric, anumite grupuri au fost excluse de la deciziile de creditare, un model prost conceput va reproduce doar acea prejudecată și discriminare.

Din nefericire, au fost înregistrate cazuri de discriminare perpetuată din cauza lipsei de transparență și a absenței auditării sistemelor de inteligență artificială – un studiu recent a descoperit că femeile erau în mod constant acordate scoruri de credit mai mici decât bărbații.

Alegerea designului legată de infrastructura de date și gestionarea fluxului de lucru în legătură cu inteligența artificială determină dacă echitatea devine o garanție. Inteligența artificială trebuie implementată în mod responsabil, iar acest lucru include încorporarea transparenței, auditabilității, responsabilității și securității la fiecare etapă. Care sunt datele utilizate și sursele și destinațiile lor dictează ce vede și ce generează inteligența artificială la nivel de tranzacție. Standardele consistente de acuratețe a datelor sunt direct legate de fiabilitatea acestor instrumente. În cele din urmă, trasabilitatea și explicabilitatea sunt canalele necesare pentru a identifica unde un model merge prost sau are nevoie de îmbunătățiri și ce face bine.

Aceste trăsături nu mai sunt opționale. Regulatorii cer, de fapt, arhitecturi transparente și auditable care elimină riscul de prejudecată și discriminare. Directiva privind creditul pentru consumatori 2 (CCD2) a UE, de exemplu, stabilește standarde explicite pentru deciziile automate de creditare, inclusiv drepturile împrumutătorilor la explicații și revizuire umană. De fapt, această reglementare a suferit revizuiri care o vor face semnificativ mai strictă mai târziu în acest an.

În timp ce viteza este un factor important, nu este singurul factor definitor. Acuratețea, echitatea, transparența și vizibilitatea sunt la fel de importante pentru instituțiile financiare care doresc să țină pasul cu piețele și reglementările în schimbare. Inteligența artificială la nivel de tranzacție, construită în cadrul unor arhitecturi care au auditabilitate și responsabilitate înscrise în centrul lor, le permite să o facă.