Loading...
Ο όρος «Τεχνητή Νοημοσύνη» στα οικονομικά συχνά επικαλείται δύο αντίθετες εικόνες: μια ουτοπική οπτική αψεγάδιαστης, αυτοματοποιημένης λήψης αποφάσεων, ή μια δυστοπική φόβητρο για αδιαφανείς αλγορίθμους «μαύρου κουτιού» που παίρνουν μεροληπτικές και μη υπόλογες αποφάσεις. Στην Zirdle, απορρίπτουμε και τα δύο άκρα. Η φιλοσοφία μας είναι ριζωμένη σε μια πιο ισχυρή και πραγματιστική έννοια: Η Ενισχυμένη Νοημοσύνη.
Δε θεωρούμε ότι η ΤΝ είναι αντικατάσταση για τη διακριτική, συμφραζόμενη κρίση των έμπειρων ανθρώπινων αναλυτών πιστοληπτικού κινδύνου και των συνεργατών μας μεσιτών στο πεδίο. Αντίθετα, βλέπουμε την ΤΝ – συγκεκριμένα, τη μηχανική μάθηση (ΜΜ) – ως ένα απίστευτα ισχυρό εργαλείο που μπορεί να ενισχύσει τις ικανότητές τους, επιτρέποντάς τους να λαμβάνουν ταχύτερες, πιο συνεπείς και πιο πλούσιες σε δεδομένα αποφάσεις.
Αυτό το άρθρο θα απομυθοποιήσει πώς λειτουργεί πραγματικά η ΤΝ στο πλαίσιο αξιολόγησης του πιστοληπτικού μας κινδύνου, εστιάζοντας στο πώς ενδυναμώνει τους ανθρώπινους ειδικούς μας, αντί να τους αντικαθιστά.
Για δεκαετίες, η αξιολόγηση πιστοληπτικού κινδύνου βασιζόταν σε παραδοσιακά στατιστικά μοντέλα, όπως η λογιστική παλινδρόμηση, που χρησιμοποιούσαν έναν περιορισμένο αριθμό σημείων δεδομένων (π.χ., εισόδημα, επίπεδο χρέους, προηγούμενες αθετήσεις). Αυτά τα μοντέλα είναι διαφανή και εύκολα στην ερμηνεία, αλλά έχουν σημαντικούς περιορισμούς:
Τα μοντέλα ΜΜ μας σχεδιάστηκαν για να ξεπεράσουν αυτούς τους περιορισμούς και να λειτουργήσουν ως ένας ισχυρός συγκυβερνήτης για τους ανθρώπους αποφασίζοντες μας. Να 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:
Με την επεξεργασία αυτού του τεράστιου συνόλου 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, κάτι που είναι καλό σημάδι. Αλλά ένα μοντέλο ΜΜ μπορεί να εντοπίσει ένα πιο σύνθετο μοτίβο: «Τα έσοδα αυξάνονται, ΑΛΛΑ συγκεντρώνονται ολοένα και περισσότερο σε έναν μοναδικό πελάτη που ανήκει σε έναν κλάδο με αρνητική συσχέτιση με τις αυξανόμενες τιμές του πετρελαίου».
Το μοντέλο δεν κοιτάζει απλώς τις μεταβλητές· κοιτάζει τις περίπλοκες, 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 είχε μια ιδιαίτερα καλή ή κακή εμπειρία με έναν συγκεκριμένο κλάδο, κάτι που θα μπορούσε να επηρεάσει υποσυνείδητα τις μελλοντικές του κρίσεις. Τα μοντέλα ΤΝ μας, όταν εκπαιδευτούν και ελεγχθούν σωστά για δικαιοσύνη, 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 γραμμή βάσης. Εάν ένας ανθρώπινος αναλυτής θέλει να παρακάμψει την σύσταση του μοντέλου (είτε για να εγκρίνει ένα δάνειο που το μοντέλο επισήμανε, είτε 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 συνοχή βασισμένη σε δεδομένα του μηχανήματος και τη συμφραζόμενη κατανόηση του ανθρώπινου ειδικού.
Σε αντίθεση με τα στατικά μοντέλα, τα συστήματα ΜΜ μας σχεδιάστηκαν 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 ακριβέστερο με το πέρασμα του χρόνου. Μπορεί να προσαρμοστεί σε μεταβαλλόμενες οικονομικές συνθήκες με έναν τρόπο που τα παραδοσιακά μοντέλα απλώς δεν μπορούν.
Το μέλλον της αξιολόγησης πιστοληπτικού κινδύνου 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. Διατρέχει βουνά δεδομένων, εντοπίζει σύνθετα μοτίβα και παρουσιάζει τα ευρήματά του στους ανθρώπινους ειδικούς μας. Αυτοί οι ειδικοί – οι εσωτερικές ομάδες μας και οι εξωτερικοί συνεργάτες μας μεσίτες – είναι που εφαρμόζουν στη συνέχεια τη σοφία, την εμπειρία και το πραγματικό συμφραζόμενο για να πάρουν την τελική, ευφυή 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 προορατικό από ποτέ άλλοτε.
