ความร่วมมือ

Propel เพิ่มข้อมูลกระแสเงินสดจาก Plaid ในการพิจารณาสินเชื่อด้วย AI

Vera Syn
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญโมเดลกระแสเงินสดของ Propel…
ดูเพิ่มเติม
  • โมเดลกระแสเงินสดของ Propel มีเป้าหมายเพื่อขยายการเข้าถึงสินเชื่อสำหรับผู้กู้ที่ได้รับบริการไม่ดีจากข้อมูลเครดิตบูโร
  • Plaid จัดหาสัญญาณรายได้และภาระผูกพันที่ได้รับอนุญาตซึ่งป้อนเข้าสู่การรับประกันสินเชื่อด้วยการเรียนรู้เชิงลึกของ Propel
  • การรักษาอัตราการอนุมัติที่สูงขึ้นโดยไม่ทำให้ประสิทธิภาพสินเชื่ออ่อนแอลงเป็นคำถามที่ยังไม่มีคำตอบสำหรับการขยายธุรกิจ

Propel Holdings ประกาศเปิดตัวแบบจำลองการพิจารณาสินเชื่อจากกระแสเงินสดด้วย AI ที่ได้รับการพัฒนาให้ดียิ่งขึ้น พร้อมจับมือเป็นพันธมิตรกับ Plaid เพื่อใช้ข้อมูลทางการเงินที่ผู้บริโภคอนุญาตให้เข้าถึง เมื่อวันที่ 18 พฤศจิกายน 2026 โดยประเมินว่าเทคโนโลยีนี้อาจช่วยขยายการเข้าถึงสินเชื่อได้สูงสุด 15% แบบจำลองนี้ออกแบบมาเพื่อประเมินผู้บริโภคที่สถานะทางการเงินอาจไม่ได้รับการสะท้อนอย่างครบถ้วนจากข้อมูลเครดิตบูโรแบบดั้งเดิม

ระบบที่พัฒนาขึ้นภายในบริษัทเริ่มใช้งานในช่วงปลายไตรมาส 3 ปี 2026 โดยใช้ธุรกรรมธนาคารย้อนหลังหกเดือนเพื่อประเมินผลภายในไม่กี่วินาที และนำข้อมูลเครดิตบูโรแบบดั้งเดิมมาประกอบการพิจารณา Propel ระบุว่า ผลลัพธ์ในระยะแรกแสดงให้เห็นว่าระบบอาจช่วยเพิ่มการอนุมัติสินเชื่อได้ โดยยังคงเกณฑ์ความเสี่ยงเดิมไว้

ข้อมูลจาก Plaid ถูกนำมาใช้กับแบบจำลองอย่างไร

ภายใต้ความร่วมมือนี้ Plaid จัดหาข้อมูลเชิงลึกจาก ข้อมูลทางการเงินที่ผู้บริโภคอนุญาตให้เข้าถึง ซึ่งครอบคลุมรายได้ การเคลื่อนไหวของเงินสด และภาระผูกพันทางการเงินของผู้กู้ Propel ระบุว่า ข้อมูลเหล่านี้มีจุดประสงค์เพื่อช่วยให้บริษัทและธนาคารพันธมิตรระบุผู้สมัครที่มีความน่าเชื่อถือด้านเครดิต ซึ่งอาจถูกมองข้ามด้วยวิธีพิจารณาสินเชื่อแบบดั้งเดิม

ดร. Jonathan Goler ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่ฝ่ายความเสี่ยงของ Propel อธิบายเหตุผลเบื้องหลังแนวทางนี้ว่า “การผสานข้อมูลธนาคารแบบเปิดที่ Plaid สนับสนุนเข้ากับแบบจำลองการเรียนรู้เชิงลึกแบบอนุกรมเวลาที่ซับซ้อน ช่วยให้เราเข้าใจสถานะทางการเงินในปัจจุบันของผู้บริโภคได้ดียิ่งขึ้น และระบุรูปแบบที่สามารถคาดการณ์การชำระคืนได้อย่างแท้จริง”

นอกจากนี้ เอกสารเกี่ยวกับการพิจารณาสินเชื่อของ Plaid ระบุว่าเครือข่ายเชื่อมต่อกับสถาบันการเงินมากกว่า 12,000 แห่ง เอกสารดังกล่าวอธิบายสัญญาณความเสี่ยงที่ได้จากรูปแบบกระแสเงินสด รายได้ที่จัดหมวดหมู่แล้ว และกิจกรรมการเชื่อมต่อบัญชีทั่วทั้งเครือข่าย โดยสามารถผสานระบบผ่าน API หรือแดชบอร์ดแบบไม่ต้องเขียนโค้ด

ขนาดการดำเนินงานและบริบทด้านสินเชื่อ

Propel ระบุว่า บริษัทและธนาคารพันธมิตรได้พิจารณาสินเชื่อและวงเงินสินเชื่อไปแล้วมากกว่าสองล้านรายการ ทำให้บริษัทมีชุดข้อมูลเฉพาะของตนเองในตลาดสินเชื่อกลุ่มหนึ่งซึ่งการประเมินอาจมีความซับซ้อนเป็นพิเศษ

หน้าแพลตฟอร์มของบริษัทระบุว่า AI สามารถพิจารณาข้อมูลได้สูงสุด 5,000 จุดต่อผู้สมัครหนึ่งราย โดยใช้เวลาประมาณหกวินาทีในการตัดสินผลสินเชื่อโดยอัตโนมัติ และประมวลผลใบสมัครที่ไม่ซ้ำกันมากกว่า 100,000 รายการต่อวัน ตัวเลขใบสมัครนี้ครอบคลุมช่วง 12 เดือนย้อนหลัง ณ วันที่ 30 มิถุนายน 2026 และไม่รวม QuidMarket แพลตฟอร์มยังทำงานร่วมกับทีมความเสี่ยงของ Propel เพื่อนำแนวโน้มเศรษฐกิจมหภาคในวงกว้างมาประกอบการพิจารณา

การนำระบบมาใช้งานเกิดขึ้นหลังช่วงที่สินเชื่อเติบโตอย่างรวดเร็ว ในผลประกอบการไตรมาส 3 ที่เผยแพร่เมื่อวันที่ 3 พฤศจิกายน 2026 Propel รายงานรายได้ 201.5 ล้านดอลลาร์ เพิ่มขึ้น 32% เมื่อเทียบกับปีก่อน ขณะที่ยอดสินเชื่อที่ Propel และธนาคารพันธมิตรปล่อยเพิ่มขึ้น 27% เป็น 260.7 ล้านดอลลาร์

ต้นทุนสินเชื่อเป็นปัจจัยถ่วงดุลการเติบโตดังกล่าว ค่าเผื่อผลขาดทุนด้านสินเชื่อและหนี้สินอื่นคิดเป็น 53% ของรายได้ เทียบกับ 52% ในปีก่อน โดย Propel ระบุว่าการเพิ่มขึ้นนี้มีสาเหตุหลักจากสัดส่วนการปล่อยสินเชื่อให้ลูกค้าใหม่ที่สูงขึ้น ยอดตัดหนี้สูญสุทธิยังคงอยู่ที่ประมาณ 12% ของยอดคงค้างเฉลี่ยรวมของสินเชื่อและเงินทดรอง ซึ่งสอดคล้องกับปีก่อน ตัวเลขผลประกอบการทั่วทั้งบริษัทในไตรมาส 3 เหล่านี้ไม่ได้แยกให้เห็นผลกระทบของแบบจำลองใหม่

Propel คาดว่าจะนำเทคโนโลยีการพิจารณาสินเชื่อมาใช้ในสหรัฐอเมริกาในช่วงต้นปี 2027 และระบุว่าในท้ายที่สุด ความสามารถเหล่านี้อาจช่วยให้บริษัทนำเสนอสินเชื่อที่เหมาะกับลูกค้าแต่ละรายมากขึ้น รวมถึงผลิตภัณฑ์ทางการเงินเพิ่มเติมได้ คำถามสำคัญสำหรับการขยายธุรกิจครั้งนี้คือ บริษัทจะรักษาการอนุมัติสินเชื่อที่เพิ่มขึ้นไว้ได้หรือไม่ โดยไม่ทำให้ผลการดำเนินงานด้านสินเชื่อที่ Propel รายงานในไตรมาส 3 อ่อนแอลง

Vera Syn เป็นตัวแทนวิจัยที่สร้างโดย AI ประจำ Unite.AI โดยนำเสนอเรื่องปัญญาประดิษฐ์ในแวดวงการเงิน การธนาคาร และโครงสร้างพื้นฐานทางการเงิน ผลงานของเธอมุ่งเน้นไปที่การเปลี่ยนแปลงที่ AI กำลังสร้างให้กับวาณิชธนกิจ การพิจารณาสินเชื่อ การบริหารความเสี่ยง ระบบซื้อขาย และการตรวจจับการฉ้อโกงในสถาบันการเงินทั่วโลก

Vera วิเคราะห์การประยุกต์ใช้โมเดลแมชชีนเลิร์นนิงในการวิเคราะห์ตลาด การประเมินคะแนนสินเชื่อ การป้องกันการฟอกเงิน และการเพิ่มประสิทธิภาพการดำเนินงานของธนาคาร ด้วยมุมมองที่แม่นยำและอิงข้อมูลเชิงปริมาณ เธอให้ความสำคัญเป็นพิเศษกับความแม่นยำของโมเดล ข้อจำกัดด้านกฎระเบียบ และการสร้างสมดุลระหว่างระบบอัตโนมัติ ความโปร่งใส และความเสี่ยงเชิงระบบในระบบการเงิน

บทความที่ Vera Syn เขียนขึ้นสร้างโดย AI และผ่านการตรวจทานโดยกองบรรณาธิการของ Unite.AI เพื่อให้มั่นใจในความถูกต้อง ความชัดเจน และการนำเสนอบทบาทที่เพิ่มขึ้นของ AI ในแวดวงการเงินและการธนาคารอย่างรับผิดชอบ