искусственный интеллектИИмашинное обучениекредитный рискуправление рискаминаука о данныхфинтех
Усиленный аналитик: Как Zirdle использует ИИ для улучшения оценки кредитного риска
Автор Главный специалист по данным, Zirdle
Loading...
Loading...
Термин «искусственный интеллект» в финансах часто вызывает две противоположные картины: утопическое видение безупречного автоматизированного принятия решений или антиутопический страх перед непрозрачными алгоритмами-«черными ящиками», принимающими предвзятые и безответственные решения. В Zirdle мы отвергаем обе крайности. Наша философия основана на более мощной и прагматичной концепции: Расширенный интеллект (Augmented Intelligence).
Мы не считаем, что ИИ может заменить тонкое, контекстуальное суждение наших экспертов-кредитных аналитиков и партнеров-брокеров на местах. Вместо этого мы видим в ИИ — особенно в машинном обучении (МО) — невероятно мощный инструмент, который может расширить их возможности, позволяя принимать более быстрые, последовательные и основанные на большем объеме данных решения.
Эта статья объяснит, как на самом деле работает ИИ в рамках нашей системы оценки кредитного риска, с акцентом на то, как он усиливает наших экспертов-людей, а не заменяет их.
Десятилетиями оценка кредитоспособности опиралась на традиционные статистические модели, такие как логистическая регрессия, использующие ограниченное количество данных (например, доход, уровень долга, прошлые дефолты). Эти модели прозрачны и легко интерпретируемы, но имеют существенные ограничения:
Наши модели МО созданы, чтобы преодолеть эти ограничения и служить мощным помощником для наших людей, принимающих решения. Вот как:
Наши модели могут анализировать тысячи точек данных для каждой кредитной возможности — намного больше, чем способен обработать любой человек. Это включает не только традиционные финансовые данные, но и:
Обрабатывая этот огромный массив данных, модель может выявлять инсайты и потенциальные риски, которые иначе остались бы скрытыми.
Здесь МО действительно превосходит другие методы. Человек-аналитик может видеть, что выручка заемщика растет, что является хорошим знаком. Но модель МО может выявить более сложную закономерность: «Выручка растет, НО она становится все более сконцентрированной на одном клиенте, который работает в секторе, имеющем отрицательную корреляцию с ростом цен на нефть».
Модель смотрит не просто на переменные; она изучает сложные многомерные взаимосвязи между ними. Она может помечать эти скрытые корреляции и представлять их человеческому аналитику для дальнейшего расследования.
У каждого человека есть бессознательные предубеждения. У аналитика мог быть особенно хороший или плохой опыт работы с определенной отраслью, что может незаметно влиять на его будущие суждения. Наши модели ИИ, при правильном обучении и проверке на справедливость, свободны от этих человеческих предубеждений.
Модель предоставляет последовательную, основанную на данных оценку «вероятности дефолта» для каждого кредита. Эта оценка не является окончательным решением. Вместо этого она служит объективной базовой линией. Если человек-аналитик хочет переопределить рекомендацию модели (чтобы одобрить кредит, помеченный моделью, или отклонить одобренный ею), он должен предоставить четкое письменное обоснование. Этот процесс с «человеком в цикле» (human-in-the-loop) обеспечивает строгое и ответственное принятие решений, сочетая лучшее из двух миров: последовательность машины, основанную на данных, и контекстуальное понимание эксперта-человека.
В отличие от статических моделей, наши системы МО созданы для обучения. Мы постоянно предоставляем им новые данные о результатах нашего кредитного портфеля. Видя, какие кредиты показали себя хорошо, а какие привели к дефолту, модель постоянно совершенствует свои алгоритмы, становясь умнее и точнее с течением времени. Она может адаптироваться к изменяющимся экономическим условиям так, как традиционные модели просто не могут.
Будущее оценки кредитоспособности — это не битва между людьми и машинами. Это партнерство. В Zirdle наш ИИ — не автономный судья; это самый мощный в мире научный ассистент. Он просеивает горы данных, выявляет сложные паттерны и представляет свои выводы нашим экспертам-людям. Именно эти эксперты — наши внутренние команды и внешние партнеры-брокеры — затем применяют свою мудрость, опыт и понимание реального мира, чтобы принять окончательное, разумное кредитное решение.
Такой подход расширенного интеллекта позволяет нам быть одновременно технологически продвинутыми и глубоко человечными, обеспечивая уровень оценки риска, который является более тщательным, последовательным и дальновидным, чем когда-либо прежде.