Loading...
Określenie "sztuczna inteligencja" w finansach często przywołuje dwa przeciwstawne obrazy: utopijną wizję nieskazitelnego, zautomatyzowanego podejmowania decyzji lub dystopijną obawę przed nieprzejrzystymi algorytmami "czarnej skrzynki", podejmującymi tendencyjne i niepoddające się rozliczeniu wybory. W Zirdle odrzucamy obie te skrajności. Nasza filozofia jest zakorzeniona w potężniejszej i bardziej pragmatycznej koncepcji: Inteligencji Wspomaganej.
Nie wierzymy, że SI jest zastępstwem dla zniuansowanego, kontekstowego osądu naszych ekspertów - analityków kredytowych i naszych partnerskich brokerów działających w terenie. Zamiast tego postrzegamy SI – a konkretnie uczenie maszynowe (ML) – jako niezwykle potężne narzędzie, które może wzmocnić ich możliwości, pozwalając im podejmować szybsze, bardziej spójne i bogatsze w dane decyzje.
Ten artykuł wyjaśni, jak SI faktycznie działa w ramach naszego systemu zarządzania ryzykiem kredytowym, skupiając się na tym, jak wzmacnia ona naszych ludzkich ekspertów, zamiast ich zastępować.
Przez dziesięciolecia ocena zdolności kredytowej opierała się na tradycyjnych modelach statystycznych, takich jak regresja logistyczna, wykorzystujących ograniczoną liczbę punktów danych (np. dochód, poziom zadłużenia, przeszłe niewykonania zobowiązań). Modele te są przejrzyste i łatwe do interpretacji, ale mają istotne ograniczenia:
Nasze modele ML są zaprojektowane tak, aby przezwyciężyć te ograniczenia i służyć jako potężny współpilot dla naszych ludzkich decydentów. Oto jak:
Nasze modele mogą analizować tysiące punktów danych dla danej okazji pożyczkowej, daleko wykraczając poza to, co jakikolwiek człowiek mógłby przetworzyć. Obejmuje to nie tylko tradycyjne dane finansowe, ale także:
Przetwarzając ten ogromny zbiór danych, model może ujawnić spostrzeżenia i potencjalne ryzyka, które w innym przypadku pozostałyby ukryte.
W tym ML naprawdę błyszczy. Ludzki analityk może zauważyć, że przychody kredytobiorcy rosną, co jest dobrym znakiem. Ale model ML może zidentyfikować bardziej złożony wzorzec: "Przychody rosną, ALE stają się one coraz bardziej skoncentrowane na jednym kliencie, który działa w sektorze negatywnie skorelowanym ze wzrostem cen ropy naftowej."
Model nie tylko przygląda się zmiennym; przygląda się skomplikowanym, wielowymiarowym zależnościom między nimi. Może oznaczyć te ukryte korelacje i przedstawić je analitykowi do dalszego zbadania.
Każdy człowiek ma nieuświadomione uprzedzenia. Analityk mógł mieć szczególnie dobre lub złe doświadczenia z pewną branżą, co mogłoby subtelnie wpływać na jego przyszłe oceny. Nasze modele AI, odpowiednio wytrenowane i poddane audytowi pod kątem uczciwości, są wolne od tych ludzkich uprzedzeń.
Model dostarcza spójny, oparty na danych "wskaźnik prawdopodobieństwa niewykonania zobowiązania" dla każdej pożyczki. Ten wynik nie podejmuje ostatecznej decyzji. Zamiast tego działa jako obiektywna linia bazowa. Jeśli analityk chce odrzucić rekomendację modelu (czyli zatwierdzić pożyczkę, którą model oznaczył, lub odrzucić tę, którą zaakceptował), musi przedstawić jasne, pisemne uzasadnienie. Ten proces z "człowiekiem w pętli" wymusza rygorystyczną i podlegającą rozliczeniu decyzję, łącząc to, co najlepsze z obu światów: opartą na danych spójność maszyny i kontekstowe zrozumienie ludzkiego eksperta.
W przeciwieństwie do statycznych modeli, nasze systemy ML są zaprojektowane do uczenia się. Nieustannie zasilamy je nowymi danymi o wynikach naszego portfela kredytowego. Widząc, które pożyczki sprawdziły się dobrze, a które zakończyły się niewykonaniem zobowiązania, model stale udoskonala swoje algorytmy, z czasem stając się mądrzejszy i dokładniejszy. Może dostosować się do zmieniających się warunków gospodarczych w sposób, w jaki tradycyjne modele po prostu nie potrafią.
Przyszłość oceny zdolności kredytowej nie jest bitwą między ludźmi a maszynami. To partnerstwo. W Zirdle nasza SI nie jest autonomicznym sędzią; jest najpotężniejszym na świecie asystentem badawczym. Przesiewa góry danych, identyfikuje złożone wzorce i przedstawia swoje ustalenia naszym ludzkim ekspertom. To właśnie ci eksperci – nasze wewnętrzne zespoły i zewnętrzni partnerzy brokerscy – następnie stosują swoją mądrość, doświadczenie i kontekst realnego świata, aby podjąć ostateczną, inteligentną decyzję kredytową.
To podejście oparte na inteligencji wspomaganej pozwala nam być jednocześnie zaawansowanymi technologicznie i głęboko ludzkimi, zapewniając poziom oceny ryzyka, który jest bardziej dogłębny, spójny i przyszłościowy niż kiedykolwiek wcześniej.
