Loading...
Terminas „dirbtinis intelektas“ finansų srityje dažnai sukelia dvi priešingas asociacijas: utopinį tobulo, automatizuoto sprendimų priėmimo vaizdinį arba distopinę baimę dėl nepermatomų „juodosios dėžės“ algoritmų, priimančių šališkus ir neatsakomus sprendimus. „Zirdle“ mes atmetame abi šias ekstremalias pozicijas. Mūsų filosofija įsišaknijusi galingesnėje ir pragmatiškesnėje koncepcijoje: praturtintame intelekte.
Mes netikime, kad DI gali pakeisti mūsų žmogiškųjų kredito analitikų ekspertų ir vietinių brokerių partnerių niuansinį, kontekstinį įvertinimą. Vietoj to, mes matome DI – konkrečiai, mašininį mokymąsi (MM) – kaip nepaprastai galingą įrankį, galintį praturtinti jų gebėjimus ir leidžiantį jiems priimti greitesnius, nuoseklesnius ir duomenimis praturtintus sprendimus.
Šiame straipsnyje išaiškinsime, kaip DI iš tikrųjų veikia mūsų kredito rizikos sistemoje, sutelkdami dėmesį į tai, kaip jis sustiprina mūsų žmogiškuosius ekspertus, o ne pakeičia juos.
Dėl kreditų vertinimas dešimtmečiais rėmėsi tradiciniais statistiniais modeliais, tokiais kaip loginė 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 sukurta 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 atskleisti įžvalgas ir galimas rizikas, kurios kitaip liktų paslėptos.
Čia MM išties išsiskiria. Žmogiškasis 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 veikia sektoriuje, neigiamai koreliuojančiame su augančiomis naftos kainomis.“
Modelis žvelgia ne tik į kintamuosius; jis analizuoja sudėtingus, daugiamačius ryšius tarp jų. Jis gali pažymėti šias paslėptas koreliacijas ir pateikti jas žmogiškajam analitikui tolesniam tyrimui.
Kiekvienas žmogus turi nesąmoningų šališkumų. Analitikas galėjo turėti ypač gerą arba blogą patirtį su tam tikra pramone, kas gali švelniai paveikti jo vėlesnius įvertinimus. Mūsų DI modeliai, tinkamai apmokyti ir patikrinti sąžiningumo atžvilgiu, 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 etalonas. Jei žmogiškasis analitikas nori pakeisti modelio rekomendaciją (ar patvirtinti paskolą, kurią modelis pažymėjo, arba atmesti tą, kurią jis patvirtino), jis turi pateikti aiškią, rašytinę argumentaciją. Šis „žmogaus įtraukimo į procesą“ metodas verčia priimti griežtus ir atsakingus sprendimus, derinant geriausius abiejų pasaulio dalykus: mašinos duomenimis grindžiamą nuoseklumą ir žmogiškojo eksperto kontekstinį supratimą.
Skirtingai nuo statinių modelių, mūsų MM sistemos yra sukurtos mokytis. Mes nuolat tiekiame joms naujus mūsų paskolų portfelio veiklos duomenis. Matydamos, kurios paskolos sekėsi gerai, o kurios įsipareigojimų nesilaikė, modelis nuolat tobulina savo algoritmus, laikui bėgant tampa protingesnis ir tikslesnis. Jis gali prisitaikyti prie besikeičiančių ekonominių 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 – taiko savo išmintį, patirtį ir realaus pasaulio kontekstą, kad priimtų galutinį, protingą skolinimo sprendimą.
Šis praturtinto intelekto metodas leidžia mums būti ir technologiškai pažengusiems, ir giliai žmogiškiems, pasiekdami rizikos vertinimo lygį, kuris yra išsamesnis, nuoseklesnis ir labiau orientuotas į ateitį nei bet kada anksčiau.
