tekoälytekoälykoneoppiminenluottoriskiriskienhallintatietotiedefintech
Täydennetty analyytikko: Kuinka Zirdle käyttää tekoälyä luottoriskinarvioinnin parantamiseen
Kirjoittaja Päätiedetieteilijä, Zirdle
Loading...
Loading...
Termi "tekoäly" rahoituksen alalla herättää usein kaksi vastakkaista mielikuvaa: utooppisen visioin moitteettomasta, automatisoituneesta päätöksenteosta tai dystooppisen pelon läpinäkymättömistä "mustista laatikoista" ja puolueellisista, vastuuttomista algoritmeista. Zirdle hylkää molemmat ääripäät. Filosofiamme perustuu voimakkaampaan ja pragmaattisempaan käsitteeseen: Augmented Intelligence eli tehostettu älykkyys.
Emme usko, että tekoäly voisi korvata asiantuntevien luottoanalyytikoidemme ja kentällä toimivien brokerikumppaniemme vivahteikkaan, kontekstuaalisen harkinnan. Sen sijaan näemme tekoälyn – erityisesti koneoppimisen (ML) – uskomattoman tehokkaana työkaluna, joka voi tehostaa heidän kykyjään, mahdollistaen nopeammat, johdonmukaisemmat ja datarikkaammat päätökset.
Tämä artikkeli selventää, miten tekoäly todella toimii luottoriskikehyksessämme, keskittyen siihen, miten se vahvistaa ihmisasiantuntijoitamme, eikä korvaa heitä.
Vuosikymmeniä luotonarvioinnit ovat nojautuneet perinteisiin tilastollisiin malleihin, kuten logistiseen regressioon, jotka käyttävät rajoitettua määrää datapisteitä (esim. tulot, velkataso, aiemmat maksuhäiriöt). Nämä mallit ovat läpinäkyviä ja helppoja tulkita, mutta niillä on merkittäviä rajoituksia:
Koneoppimismallimme on suunniteltu voittamaan nämä rajoitukset ja toimimaan tehokkaana kumppanina ihmispäätöksentekijöillemme. Tässä miten:
Mallimme voivat analysoida tuhansia datapisteitä yksittäiselle lainamahdollisuudelle, paljon enemmän kuin mikään ihminen pystyisi käsittelemään. Tämä sisältää paitsi perinteisen taloudellisen datan, myös:
Prosessoimalla tätä valtavaa tietojoukkoa malli voi tuoda esiin oivalluksia ja mahdollisia riskejä, jotka muuten jäisivät piiloon.
Tässä koneoppiminen todella loistaa. Ihmisanalyytikko saattaa nähdä, että lainanottajan liikevaihto kasvaa, mikä on hyvä merkki. Mutta koneoppimismalli saattaa tunnistaa monimutkaisemman kuvion: "Liikevaihto kasvaa, MUTTA se keskittyy yhä enemmän yksittäiselle asiakkaalle, joka toimii sektorilla, joka korreloi negatiivisesti nousevien öljyn hintojen kanssa."
Malli ei katso vain muuttujia; se katsoo niiden välistä monimutkaisia, moniulotteisia suhteita. Se voi liputtaa nämä piilotetut korrelaatiot ja esittää ne ihmisanalyytikolle jatkotutkimusta varten.
Jokaisella ihmisellä on tiedostamattomia ennakkoasenteita. Analyytikolla saattaa olla erityisen hyvä tai huono kokemus tietyltä alalta, mikä saattaa hienovaraisesti vaikuttaa hänen tuleviin arvioihinsa. Tekoälymallimme, kun niitä on koulutettu ja auditoitu asianmukaisesti reiluuden suhteen, ovat vapaita näistä inhimillisistä ennakkoasenteista.
Malli tarjoaa johdonmukaisen, datan ohjaaman "maksuhäiriön todennäköisyys" -pisteen jokaiselle lainalle. Tämä piste ei tee lopullista päätöstä. Sen sijaan se toimii objektiivisena perustasona. Jos ihmisanalyytikko haluaa ohittaa mallin suosituksen (joko hyväksyäkseen lainan, jonka malli liputti, tai hylätäkseen sellaisen, jonka malli hyväksyi), hänen on annettava selkeä, kirjallinen perustelu. Tämä "ihminen-silmukassa" -prosessi pakottaa tiukan ja vastuullisen päätöksenteon, yhdistäen parhaat puolet molemmista maailmoista: koneen datan ohjaaman johdonmukaisuuden ja ihmisasiantuntijan kontekstuaalisen ymmärryksen.
Toisin kuin staattiset mallit, koneoppimisjärjestelmämme on suunniteltu oppimaan. Syötämme niille jatkuvasti uutta suorituskykydataa lainasalkustamme. Näkemällä, mitkä lainat suoriutuivat hyvin ja mitkä jäivät maksukyvyttömiksi, malli jatkuvasti hienosäätää algoritmejaan, tullen älykkäämmäksi ja tarkemmaksi ajan myötä. Se voi sopeutua muuttuviin taloudellisiin olosuhteisiin tavalla, johon perinteiset mallit eivät yksinkertaisesti pysty.
Luotonarvioinnin tulevaisuus ei ole taistelu ihmisten ja koneiden välillä. Se on kumppanuus. Zirdlella tekoälymme ei ole autonominen tuomari; se on maailman tehokkain tutkimusassistentti. Se seuloo läpi vuoristomaiset datamäärät, tunnistaa monimutkaisia kuvioita ja esittää löydöksensä ihmisasiantuntijoillemme. Juuri nämä asiantuntijat – sisäiset tiimimme ja ulkoiset brokerikumppanimme – soveltavat sitten viisauttaan, kokemustaan ja todellisen maailman kontekstia tehdäkseen lopullisen, älykkään lainauspäätöksen.
Tämä tehostetun älykkyyden lähestymistapa antaa meille mahdollisuuden olla sekä teknologisesti edistyneitä että syvästi inhimillisiä, tarjoten riskinarvioinnin tason, joka on perusteellisempi, johdonmukaisempi ja ennakoi tulevaisuutta paremmin kuin koskaan aiemmin.