inteligência artificialIAmachine learningrisco de créditogestão de riscociência de dadosfintech
O Analista Aumentado: Como a Zirdle Usa IA para Melhorar a Avaliação de Risco de Crédito
Por Diretor de Ciência de Dados, Zirdle
Loading...
Loading...
O termo "Inteligência Artificial" nas finanças evoca frequentemente duas imagens opostas: uma visão utópica de tomada de decisão automática e impecável, ou um medo distópico de algoritmos opacos de "caixa preta" que tomam decisões enviesadas e sem responsabilização. Na Zirdle, rejeitamos ambos os extremos. A nossa filosofia está enraizada num conceito mais poderoso e pragmático: Inteligência Aumentada.
Não acreditamos que a IA seja um substituto para o julgamento contextual e matizado dos nossos especialistas humanos em análise de crédito e dos nossos parceiros corretores no terreno. Em vez disso, vemos a IA - especificamente, a aprendizagem automática (ML) - como uma ferramenta incrivelmente poderosa que pode aumentar as suas capacidades, permitindo-lhes tomar decisões mais rápidas, mais consistentes e baseadas em mais dados.
Este artigo vai desmistificar como a IA funciona realmente no nosso quadro de risco de crédito, focando-se em como ela potencia os nossos especialistas humanos, em vez de os substituir.
Durante décadas, a avaliação de crédito dependeu de modelos estatísticos tradicionais, como a regressão logística, que utilizam um número limitado de pontos de dados (por exemplo, rendimentos, nível de dívida, incumprimentos passados). Estes modelos são transparentes e fáceis de interpretar, mas têm limitações significativas:
Os nossos modelos de ML são concebidos para superar estas limitações e servir como um co-piloto poderoso para os nossos decisores humanos. Eis como:
Os nossos modelos podem analisar milhares de pontos de dados para uma oportunidade de empréstimo, muito além do que qualquer humano conseguiria processar. Isto inclui não só dados financeiros tradicionais, mas também:
Ao processar este vasto conjunto de dados, o modelo pode trazer à superfície informações e riscos potenciais que, de outra forma, permaneceriam ocultos.
É aqui que a ML realmente se destaca. Um analista humano pode ver que as receitas de um mutuário estão a aumentar, o que é um bom sinal. Mas um modelo de ML pode identificar um padrão mais complexo: "As receitas estão a aumentar, MAS estão a tornar-se mais concentradas num único cliente que está num setor com correlação negativa com a subida dos preços do petróleo."
O modelo não está apenas a olhar para variáveis; está a analisar as relações intrincadas e multidimensionais entre elas. Pode sinalizar estas correlações ocultas e apresentá-las ao analista humano para uma investigação mais aprofundada.
Todos os seres humanos têm enviesamentos inconscientes. Um analista pode ter uma experiência particularmente boa ou má com um determinado setor, o que pode influenciar subtilmente os seus julgamentos futuros. Os nossos modelos de IA, quando devidamente treinados e auditados para imparcialidade, estão livres destes enviesamentos humanos.
O modelo fornece uma pontuação consistente e baseada em dados de "probabilidade de incumprimento" para cada empréstimo. Esta pontuação não toma a decisão final. Em vez disso, atua como uma linha de base objetiva. Se um analista humano quiser sobrepor-se à recomendação do modelo (quer para aprovar um empréstimo que o modelo sinalizou, quer para rejeitar um que ele aprovou), deve fornecer uma justificação clara e escrita. Este processo de "humano-no-ciclo" obriga a uma decisão rigorosa e responsável, combinando o melhor dos dois mundos: a consistência baseada em dados da máquina e a compreensão contextual do especialista humano.
Ao contrário dos modelos estáticos, os nossos sistemas de ML são concebidos para aprender. Alimentamo-los continuamente com novos dados de performance da nossa carteira de empréstimos. Ao ver quais os empréstimos que performaram bem e quais incumpriram, o modelo refina constantemente os seus algoritmos, tornando-se mais inteligente e preciso ao longo do tempo. Pode adaptar-se a condições económicas em mudança de uma forma que os modelos tradicionais simplesmente não conseguem.
O futuro da avaliação de crédito não é uma batalha entre humanos e máquinas. É uma parceria. Na Zirdle, a nossa IA não é um juiz autónomo; é a assistente de pesquisa mais poderosa do mundo. Examina montanhas de dados, identifica padrões complexos e apresenta as suas conclusões aos nossos especialistas humanos. São estes especialistas - as nossas equipas internas e os nossos parceiros corretores externos - que depois aplicam a sua sabedoria, experiência e contexto do mundo real para tomar a decisão final e inteligente de concessão de crédito.
Esta abordagem de inteligência aumentada permite-nos ser tecnologicamente avançados e profundamente humanos, oferecendo um nível de avaliação de risco mais completo, consistente e com perspetiva de futuro do que nunca.