Loading...
Terminas „dirbtinis intelektas“ finansų srityje dažnai sukelia dvi priešingas asociacijas: utopinį tobulų, automatizuotų sprendimų priėmimo vaizdinį arba distopinę baimę dėl nepermatomų „juodųjų dėžių“ algoritmų, priimančių šališkus ir neatsakomus sprendimus. „Zirdle“ mes atstumiame abi šias kraštutinumus. Mūsų filosofija įsišaknijusi galingesnėje ir pragmatiškėjė koncepcijoje: papildytame intelekte.
Mes netikime, kad DI yra subtilių, kontekstinių mūsų ekspertų žmogaus kredito analitikų ir vietinių brokerių partnerių įvertinimų pakaitalas. Vietoj to, mes matome DI – konkrečiai, mašininį mokymąsi (MM) – kaip nepaprastai galingą įrankį, galintį papildyti jų gebėjimus ir leidžiantį jiems priimti greitesnius, nuoseklesnius ir duomenimis turtingesnius sprendimus.
Šiame straipsnyje bus paaiškinta, kaip DI iš tiesų veikia mūsų kredito rizikos sistemoje, sutelkiant dėmesį į tai, kaip jis sustiprina mūsų žmogiškuosius ekspertus, o ne pakeičia juos.
Dešimtmečius kredito vertinimas rėmėsi tradiciniais statistiniais modeliais, tokiais kaip logistinė regresija, naudojant ribotą duomenų taškų skaičių (pvz., pajamos, skolos lygis, ankstesnės įsipareigojimų nesilaikymo atvejai). Šie modeliai yra skaidrūs ir lengvai interpretuojami, tačiau jie turi reikšmingų apribojimų:
Mūsų MM modeliai sukurti įveikti šiuos apribojimus ir tarnauti kaip galingas žmogiškųjų sprendimų priėmėjų švyturys. Štai kaip:
Mūsų modeliai gali analizuoti tūkstančius duomenų taškų konkrečiai paskolos galimybei, kur žmogus to padaryti negalėtų. Tai apima ne tik tradicinius finansinius duomenis, bet ir:
Apdorodami šį didžiulį duomenų rinkinį, modelis gali išryškinti įžvalgas ir potencialias rizikas, kurios kitaip liktų paslėptos.
Čia MM iš tiesų išsiskiria. Žmogus analitikas gali matyti, kad skolininko pajamos auga, kas yra geras ženklas. Tačiau MM modelis gali nustatyti sudėtingesnį modelį: „Pajamos auga, BET jos vis labiau koncentruojasi ties vienu klientu, kuris yra sektoriuje, neigiamai koreliuojančiame su kylančiomis naftos kainomis.“
Modelis žvelgia ne tik į kintamuosius; jis žvelgia į sudėtingas, daugiamates jų tarpusavio sąsajas. Jis gali pažymėti šias paslėptas koreliacijas ir pateikti jas žmogui analitikui tolesniam tyrimui.
Kiekvienas žmogus turi nesąmoningų šališkumų. Analitikas gali turėti ypač gerą arba blogą patirtį su tam tikra pramone, kas gali šiek tiek paveikti jo būsimus įvertinimus. Mūsų DI modeliai, tinkamai apmokyti ir patikrinti dėl teisingumo, yra laisvi nuo šių žmogiškųjų šališkumų.
Modelis pateikia nuoseklų, duomenimis grindžiamą „įsipareigojimų nesilaikymo tikimybės“ balą kiekvienai paskolai. Šis balas nepriima galutinio sprendimo. Vietoj to, jis veikia kaip objektyvus pagrindas. Jei žmogus analitikas nori pakeisti modelio rekomendaciją (ar patvirtinti paskolą, kurią modelis pažymėjo, arba atmesti tą, kurią jis patvirtino), jis privalo pateikti aiškią, rašytinę pagrindimą. Šis „žmogaus įtraukimo į procesą“ metodas verčia priimti griežtus ir atsakingus sprendimus, derinant geriausius abiejų pasaulio dalykus: mašinos duomenimis grindžiamą nuoseklumą ir žmogaus eksperto kontekstinį supratimą.
Skirtingai nuo statiškų modelių, mūsų MM sistemos yra sukurtos mokytis. Mes nuolat maitiname jas naujais mūsų paskolų portfelio veiklos duomenimis. Matydami, kurios paskolos sekėsi gerai, o kurios įsipareigojimų nesilaikė, modelis nuolat tobulina savo algoritmus, laikui bėgant tampa protingesnis ir tikslesnis. Jis gali prisitaikyti prie besikeičiančių ekonominų sąlygų taip, kaip tradiciniai modeliai tiesiog negali.
Kredito vertinimo ateitis nėra kova tarp žmonių ir mašinų. Tai partnerystė. „Zirdle“ mūsų DI nėra autonominis teisėjas; tai galingiausias pasaulyje tyrimų asistentas. Jis perrenka kalnus duomenų, nustato sudėtingus modelius ir pateikia savo išvadas mūsų žmogiškiesiems ekspertams. Būtent šie ekspertai – mūsų vidinės komandos ir išoriniai brokerių partneriai – tada taiko savo išmintį, patirtį ir realaus pasaulio kontekstą, kad priimtų galutinį, protingą skolinimo sprendimą.
Šis papildyto intelekto metodas leidžia mums būti tiek technologiškai pažengusiems, tiek giliai žmogiškiems, pasiekdami rizikos vertinimo lygį, kuris yra išsamesnis, nuoseklesnis ir labiau orientuotas į ateitį nei bet kada anksčiau.
