Loading...
Ο όρος «Τεχνητή Νοημοσύνη» στις οικονομικές υπηρεσίες συχνά επικαλείται δύο αντίθετες εικόνες: μια ουτοπική προσδοκία για άψογη, αυτοματοποιημένη λήψη αποφάσεων, ή μια δυστοπική φοβία για αδιαφανείς αλγορίθμους «μαύρου κουτιού» που παράγουν προκατειλημμένες και μη υπόλογες επιλογές. Στην Zirdle, απορρίπτουμε και τις δύο ακραίες θέσεις. Η φιλοσοφία μας έχει τις ρίζες της σε μια πιο ισχυρή και πραγματιστική έννοια: Η Ενισχυμένη Νοημοσύνη.
Δε θεωρούμε ότι η ΤΝ είναι αντικατάσταση για τη διακριτική, συμφραζόμενη κρίση των ειδικών ανθρώπων αναλυτών πιστοληπτικού κινδύνου και των συνεργατών μας μεσολαβητών στο πεδίο. Αντίθετα, βλέπουμε την ΤΝ - συγκεκριμένα, τη μηχανική μάθηση (ΜΜ) - ως ένα εξαιρετικά ισχυρό εργαλείο που μπορεί να ενισχύσει τις ικανότητές τους, επιτρέποντάς τους να λαμβάνουν πιο γρήγορες, πιο συνεπείς και πιο πλούσιες σε δεδομένα αποφάσεις.
Αυτό το άρθρο θα απομυθοποιήσει το πώς λειτουργεί στην πραγματικότητα η ΤΝ μέσα στο πλαίσιο αξιολόγησης πιστοληπτικού κινδύνου μας, εστιάζοντας στο πώς ενδυναμώνει τους ανθρώπους ειδικούς μας, αντί να τους αντικαθιστά.
Για δεκαετίες, η αξιολόγηση πιστοληπτικής ικανότητας βασιζόταν σε παραδοσιακά στατιστικά μοντέλα, όπως η λογιστική παλινδρόμηση, χρησιμοποιώντας έναν περιορισμένο αριθμό σημείων δεδομένων (π.χ., εισόδημα, επίπεδο χρέους, προηγούμενες αθέτησεις). Αυτά τα μοντέλα είναι διαφανή και εύκολα στη διερμήνευση, αλλά έχουν σημαντικούς περιορισμούς:
Τα μοντέλα ΜΜ μας σχεδιάζονται για να ξεπεράσουν αυτούς τους περιορισμούς και να λειτουργήσουν ως ένας ισχυρός συγκυβερνήτης για τους ανθρώπους αποφασίζοντες. Δείτε πώς:
Τα μοντέλα μας μπορούν να αναλύσουν χιλιάδες σημεία δεδομένων για μια δανειακή ευκαιρία, πολύ πέρα από όσα θα μπορούσε να επεξεργαστεί οποιοσδήποτε άνθρωπος. Αυτό περιλαμβάνει όχι μόνο παραδοσιακά οικονομικά δεδομένα αλλά και:
Επεξεργαζόμενο αυτό το τεράστιο σύνολο δεδομένων, το μοντέλο μπορεί να αναδείξει γνώσεις και πιθανούς κινδύνους που διαφορετικά θα παρέμεναν κρυμμένοι.
Εδώ είναι που η ΜΜ πραγματικά ξεχωρίζει. Ένας ανθρώπινος αναλυτής μπορεί να δει ότι τα έσοδα ενός δανειολήπτη αυξάνονται, το οποίο είναι καλό σημάδι. Αλλά ένα μοντέλο ΜΜ μπορεί να εντοπίσει ένα πιο σύνθετο μοτίβο: «Τα έσοδα αυξάνονται, ΑΛΛΑ συγκεντρώνονται ολοένα και περισσότερο σε έναν μόνο πελάτη που ανήκει σε έναν κλάδο με αρνητική συσχέτιση με τις αυξανόμενες τιμές του πετρελαίου».
Το μοντέλο δεν κοιτάζει απλώς τις μεταβλητές· κοιτάζει τις πολύπλοκες, πολυδιάστατες σχέσεις μεταξύ τους. Μπορεί να επισημάνει αυτές τις κρυφές συσχετίσεις και να τις παρουσιάσει στον ανθρώπινο αναλυτή για περαιτέρω διερεύνηση.
Κάθε άνθρωπος έχει ασυνείδητες προκαταλήψεις. Ένας αναλυτής μπορεί να έχει μια ιδιαίτερα καλή ή κακή εμπειρία με έναν συγκεκριμένο κλάδο, κάτι που θα μπορούσε να επηρεάσει υποσυνείδητα τις μελλοντικές κρίσεις του. Τα μοντέλα ΤΝ μας, όταν εκπαιδεύονται και ελέγχονται σωστά για τη δικαιοσύνη τους, είναι ελεύθερα από αυτές τις ανθρώπινες προκαταλήψεις.
Το μοντέλο παρέχει ένα συνεπές, βασισμένο σε δεδομένα «σκορ πιθανότητας αθέτησης» για κάθε δάνειο. Αυτό το σκορ δεν παίρνει την τελική απόφαση. Αντίθετα, λειτουργεί ως μια αντικειμενική βασική γραμμή. Εάν ένας ανθρώπινος αναλυτής θέλει να αντικαταστήσει τη σύσταση του μοντέλου (είτε για να εγκρίνει ένα δάνειο που το μοντέλο επισήμανε, είτε για να απορρίψει ένα που εγκρίθηκε), πρέπει να παρέχει μια σαφή, γραπτή αιτιολόγηση. Αυτή η διαδικασία «ανθρώπου-στον-βρόχο» επιβάλλει μια αυστηρή και υπόλογη απόφαση, συνδυάζοντας το καλύτερο και από τους δύο κόσμους: τη συνεπή, βασισμένη σε δεδομένα προσέγγιση της μηχανής και τη συμφραζόμενη κατανόηση του ανθρώπου ειδικού.
Σε αντίθεση με τα στατικά μοντέλα, τα συστήματα ΜΜ μας σχεδιάζονται για να μαθαίνουν. Τα τροφοδοτούμε συνεχώς με νέα δεδομένα απόδοσης του δανειακού μας χαρτοφυλακίου. Βλέποντας ποια δάνεια απέδωσαν καλά και ποια αθετήθηκαν, το μοντέλο βελτιώνει συνεχώς τους αλγορίθμους του, γίνοντας πιο έξυπνο και ακριβές με το πέρασμα του χρόνου. Μπορεί να προσαρμοστεί σε μεταβαλλόμενες οικονομικές συνθήκες με έναν τρόπο που τα παραδοσιακά μοντέλα απλά δεν μπορούν.
Το μέλλον της αξιολόγησης πιστοληπτικής ικανότητας δεν είναι μια μάχη μεταξύ ανθρώπων και μηχανών. Είναι μια συνεργασία. Στην Zirdle, η ΤΝ μας δεν είναι ένας αυτόνομος δικαστής· είναι ο πιο ισχυρός ερευνητικός βοηθός στον κόσμο. Διερευνά βουνά δεδομένων, εντοπίζει σύνθετα μοτίβα και παρουσιάζει τα ευρήματά του στους ανθρώπους ειδικούς μας. Αυτοί οι ειδικοί - οι εσωτερικές ομάδες μας και οι εξωτερικοί συνεργάτες μας μεσολαβητές - είναι που εφαρμόζουν στη συνέχεια τη σοφία, την εμπειρία και το πραγματικό πλαίσιο του κόσμου για να λάβουν την τελική, έξυπνη δανειακή απόφαση.
Αυτή η προσέγγιση της ενισχυμένης νοημοσύνης μας επιτρέπει να είμαστε ταυτόχρονα τεχνολογικά προηγμένοι και βαθιά ανθρώπινοι, προσφέροντας ένα επίπεδο αξιολόγησης κινδύνου που είναι πιο διεξοδικό, συνεπές και προοπτικό από ποτέ.
