증강 분석가: Zirdle이 AI를 활용하여 신용 위험 평가를 강화하는 방법

금융 분야에서 "인공 지능"이라는 용어는 흔히 두 가지 상반된 이미지를 떠올리게 합니다: 완벽한 자동화 의사결정에 대한 유토피아적 비전, 또는 편향되고 책임 소재가 불분명한 선택을 내리는 불투명한 "블랙 박스" 알고리즘에 대한 디스토피아적 두려움입니다. Zirdle에서는 이 두 가지 극단을 모두 거부합니다. 우리의 철학은 더 강력하고 실용적인 개념인 증강 지능에 뿌리를 두고 있습니다.

우리는 AI가 우리의 전문 인간 신용 분석가들과 현지 브로커 파트너들의 세밀하고 맥락적인 판단을 대체할 수 있다고 믿지 않습니다. 대신, 우리는 AI, 특히 머신 러닝(ML)을 그들의 능력을 증강시켜 더 빠르고, 더 일관적이며, 더 많은 데이터를 바탕으로 한 결정을 내릴 수 있게 해주는 매우 강력한 도구로 봅니다.

이 글은 AI가 실제로 우리의 신용 위험 프레임워크 내에서 어떻게 작동하는지, 특히 인간 전문가들을 대체하기보다 어떻게 그들의 능력을 강화시키는지에 초점을 맞춰 설명하겠습니다.

전통적 신용 모델의 한계

수십 년 동안, 신용 평가는 제한된 수의 데이터 포인트(예: 소득, 부채 수준, 과거 채무 불이행)를 사용하는 로지스틱 회귀와 같은 전통적인 통계 모델에 의존해 왔습니다. 이러한 모델은 투명하고 해석하기 쉽지만, 다음과 같은 중대한 한계가 있습니다:

• 정적입니다: 새로운 경제 상황에 적응하는 데 어려움을 겪습니다.
• 복잡한 패턴을 놓칩니다: 수천 가지 다양한 변수들 간의 미묘하고 비선형적인 관계를 식별할 수 없습니다.
• 데이터가 빈약합니다: 일반적으로 신용도 예측에 매우 유용할 수 있는 방대한 양의 대체 데이터를 무시합니다.

Zirdle의 머신 러닝 모델이 프로세스를 증강시키는 방식

우리의 ML 모델은 이러한 한계를 극복하고 인간 의사결정자들을 위한 강력한 공동 조종사 역할을 하도록 설계되었습니다. 방법은 다음과 같습니다:

1. 훨씬 더 광범위한 데이터 세트 처리

우리 모델은 특정 대출 기회에 대해 인간이 처리할 수 있는 범위를 훨씬 넘어서는 수천 개의 데이터 포인트를 분석할 수 있습니다. 여기에는 전통적인 재무 데이터뿐만 아니라 다음이 포함됩니다:

• 거시경제 데이터: 차주가 속한 산업이 특정 지역에서 어떻게 성과를 내고 있나요? 지역 인플레이션이나 실업률 추세는 어떻습니까?
• 공급망 데이터: 차주가 단일 공급업체에 얼마나 의존하고 있나요? 그들의 주요 고객들은 얼마나 안정적입니까?
• 지리공간 데이터: 농업 대출의 경우, 우리 모델은 특정 토지의 작물 건강을 평가하거나 과거 기상 패턴을 분석하기 위해 위성 이미지를 분석할 수 있습니다.

이 방대한 데이터 세트를 처리함으로써, 모델은 그렇지 않으면 숨겨져 있을 통찰력과 잠재적 위험을 드러낼 수 있습니다.

2. 비선형 패턴 및 숨겨진 상관관계 식별

이 부분이 ML이 진정으로 뛰어난 분야입니다. 인간 분석가는 차주의 수익이 증가하고 있다는 것을 볼 수 있으며, 이는 좋은 신호입니다. 하지만 ML 모델은 더 복잡한 패턴을 식별할 수 있습니다: "수익은 증가하고 있지만, 오일 가격 상승과 부(-)의 상관관계가 있는 부문의 단일 고객에게 더 집중되고 있습니다."

모델은 단순히 변수들을 보는 것이 아니라, 그들 사이의 복잡하고 다차원적인 관계를 살펴봅니다. 모델은 이러한 숨겨진 상관관계를 표시하고 인간 분석가에게 추가 조사를 위해 제시할 수 있습니다.

3. 일관적이고 편향되지 않은 "제2의 의견" 제공

모든 인간은 무의식적인 편향을 가지고 있습니다. 분석가는 특정 산업에 대해 특히 좋거나 나쁜 경험을 했을 수 있으며, 이는 미래의 판단에 미묘하게 영향을 미칠 수 있습니다. 우리의 AI 모델은 공정성을 위해 적절히 훈련되고 감사받을 경우, 이러한 인간적 편향에서 자유롭습니다.

모델은 모든 대출에 대해 일관된, 데이터 기반의 "채무 불이행 확률" 점수를 제공합니다. 이 점수가 최종 결정을 내리는 것은 아닙니다. 대신, 객관적인 기준선 역할을 합니다. 인간 분석가가 모델의 권장 사항을 무시하고자 할 경우(모델이 위험을 표시한 대출을 승인하거나, 모델이 승인한 대출을 거부하기 위해), 그들은 명확하고 서면화된 근거를 제시해야 합니다. 이 "인간이 개입된" 프로세스는 엄격하고 책임 있는 결정을 강제하며, 기계의 데이터 기반 일관성과 인간 전문가의 맥락적 이해라는 두 세계의 장점을 결합합니다.

4. 지속적인 학습과 적응

정적인 모델과 달리, 우리의 ML 시스템은 학습하도록 설계되었습니다. 우리는 지속적으로 우리의 대출 포트폴리오에 대한 새로운 성과 데이터를 모델에 제공합니다. 어떤 대출이 잘 수행되었고 어떤 대출이 채무 불이행했는지를 보면서, 모델은 끊임없이 알고리즘을 개선하여 시간이 지남에 따라 더 똑똑하고 정확해집니다. 모델은 전통적 모델이 할 수 없는 방식으로 변화하는 경제 상황에 적응할 수 있습니다.

결론: 인간과 기계 간의 협력 관계

신용 평가의 미래는 인간과 기계 간의 전쟁이 아닙니다. 그것은 협력 관계입니다. Zirdle에서 우리의 AI는 자율적인 판단자가 아닙니다. 그것은 세계에서 가장 강력한 연구 조수입니다. 그것은 산더미 같은 데이터를 샅샅이 훑어보고, 복잡한 패턴을 식별하며, 그 발견물을 우리 인간 전문가들에게 제시합니다. 바로 이러한 전문가들, 즉 우리의 내부 팀들과 외부 브로커 파트너들이 그들의 지혜, 경험, 그리고 현실 세계의 맥락을 적용하여 최종적이고 지능적인 대출 결정을 내립니다.

이러한 증강 지능 접근 방식은 우리가 기술적으로 진보하면서도 깊이 인간적일 수 있게 하여, 그 어느 때보다 철저하고, 일관적이며, 미래 지향적인 수준의 위험 평가를 제공할 수 있게 합니다.