Cum ajută datele la nivel de tranzacție instituțiile de credit 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 de evaluare a creditului existente sau ca o funcție de cutie neagră 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 într-adevăr schimbă viitorul evaluării creditului și al creditării 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.

Acesta este despre tehnologia care ajută un împrumutător creditabil să scape de stiva de respingeri și reduce riscul în favoarea unor oportunități mai mari pentru instituțiile financiare. Iată de ce această direcție este demnă de urmat și cum să o facă.

Reformarea este necesară cu urgență

Modelele tradiționale de evaluare 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. În ultimul secol, 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 evaluare a creditului și de creditare sunt retrospective, bazându-se puternic pe un moment singular care nu reflectă neapărat imaginea de ansamblu a sănătății financiare a unui împrumutător potențial. De mai bine de două decenii, gestionarea datelor digitale a depășit gestionarea analogică, unde informațiile accesibile instantaneu au devenit norma. Un dosar de credit care ajunge la cutia poștală a unui evaluator după luni este un semn că modelul actual este o modalitate învechită și ineficientă de procesare a informațiilor.

Și, în mod crucial, această infrastructură de date învechită și adesea inexactă nu face decât să crească amenințarea împrumutătorului invizibil, pe care industria financiară nu trebuie să o ignore. Piețele s-au schimbat drastic în ultimele cinci decenii. Acum, întreprinderile mici și mijlocii (IMM) de stadiu incipient reprezintă o parte uriașă a sectorului privat în SUA, și cea mai mare parte în Europa. Ele sunt din ce în ce mai văzute ca fiind coloana vertebrală a economiei viitoare, dar eșecurile infrastructurii de creditare le lasă în afara drumului.

Și oamenii, la nivel individual, suportă 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 împrumut de 4 miliarde de lire sterline (£3 miliarde) care nu a fost acordat unor clienți cu risc scăzut. Experții atrag atenția asupra datelor tradiționale de la birourile de credit ca principal vinovat.

Acesta este exact ceea ce abordează analiza la nivel de tranzacție. În loc de a se baza pe indicatori întârziați luați din înregistrări istorice care ar putea fi învechite, aceste sisteme analizează prezentul. Evaluatorii și instituțiile de credit primesc o perspectivă reală asupra comportamentului și sănătății financiare a unui împrumutător potențial chiar acum, nu la săptămâni sau luni după aceea. Cum? Prin analiza 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 evaluatorilor 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 instituțiilor de credit cresc cu 10-35%, fără a crește riscul. Ele accelerează, de asemenea, deciziile de creditare de până la cinci ori și reduc pierderile portofoliului cu 15-40%.

Este important de remarcat că aceasta nu este o situație în care instituțiile de credit iau brusc riscuri asupra împrumutătorilor 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 evaluatorii sunt încă necesari în procesul de evaluare 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 toate, 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 este valoroasă pentru a fi adusă în procesul de evaluare a creditului.

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

Luăm 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 adesea într-un document care capturează doar momentul, dar nimic dincolo de el.

Datele tranzacționale furnizate direct din contul bancar oferă o perspectivă asupra rezilienței generale a unei companii: cum și-au recuperat veniturile și au gestionat golurile dintre vârfuri și scăderi. Acest lucru 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 perspectivei financiare a unui împrumutător.

De asemenea, poate conecta punctele în jurul concentrării furnizorilor care ar putea fi altfel pierdute până mult mai târziu într-un model de evaluare a creditului tradițional. Afacerile cu baze de furnizori înguste 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 prin analiza tranzacțională, nu doar prin bilanț. O IMM cu venituri mult mai modeste, dar cu un ciclu de conversie a numerarului bine gestionat, ar putea fi mult mai rezistentă pe termen lung decât un omolog mai mare cu venituri puternice, dar cu un ciclu de conversie a numerarului lent.

Logica aceasta se aplică și modelelor de venit variabil, care devin tot mai comune în mijlocul unei economii în creștere a muncii freelance și a valului de 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, însă, modelul de bază și tendințele mai largi din jurul obiceiurilor de cheltuieli, frecvenței plăților, veniturilor și cheltuielilor generale, și obiceiurilor financiare.

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, statici. O imagine singulară este mai puțin precisă pentru că nu este continuă. Combinarea unui indicator care a fost pierdut la început și a unei acțiuni întârziate este locul în care se găsesc majoritatea pierderilor portofoliului și riscurile suplimentare.

Facerea datelor democratice și asigurarea utilizării responsabile a inteligenței artificiale

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

Datele la nivel de tranzacție sunt despre vizibilitate. Ele văd ceea ce metricile tradiționale trec cu vederea pentru că văd cum se gestionează banii și cum fluctuează comportamentele de la o clipă la alta. Evaluatorii au acces la o înțelegere mult mai profundă a creditului unui împrumutător. Din cauza acestui fapt, datele sunt structurate pentru a fi mai democratice.

O condiție importantă: nimic din toate acestea 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 proiectat va reproduce doar acea prejudecată și discriminare.

Nefericit, au existat cazuri documentate de discriminare perpetuată din cauza lipsei de transparență și a lipsei de auditare a sistemelor de inteligență artificială – un studiu recent a descoperit că femeile erau în mod constant acordate scoruri de credit mai mici decât bărbații.

Alegerile de proiectare legate 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, și acest lucru include încorporarea transparenței, auditabilității, responsabilității și securității la fiecare etapă. Care date sunt utilizate și sursele și destinațiile lor dictează ce vede și generează inteligența artificială la nivel de tranzacție. Standardele consistente de acuratețe a datelor sunt direct legate de fiabilitatea acestor instrumente. În cele din urmă, urmăribilitatea și explicabilitatea sunt canalele necesare pentru a identifica unde un model merge prost sau are nevoie de îmbunătățire și ce face corect.

Aceste trăsături nu mai sunt opționale. Regulatorii cer, de fapt, arhitecturi auditabile, transparente care să expulzeze riscul de prejudecată și discriminare. Directiva Uniunii Europene privind creditul pentru consumatori 2 (CCD2), 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 definitoriu. 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 nucleul lor, le permite să facă acest lucru.