عملية تقييم الائتمان المدعومة بالذكاء الاصطناعي الوكولي: مخطط استراتيجي

بوشان جيوشي، د. ماناس باندا، راجا باسو

اكتشف أفضل أخبار التكنولوجيا المالية والفعاليات!

اشترك في نشرة FinTech Weekly الإخبارية

يقرأها التنفيذيون في JP Morgan وCoinbase وBlackrock وKlarna والمزيد

تخضع صناعة الخدمات المالية لتحول جذري حيث تعيد نظم الذكاء الاصطناعي التوليدي (GenAI) والذكاء الاصطناعي الوكيلة تعريف تدفقات عمليات الأعمال - حيث يعتبر اتخاذ قرارات الائتمان من بينها. تتبنى البنوك الآن أنظمة مدفوعة بالذكاء الاصطناعي تعزز من دقة التنبؤ بينما تقوم في الوقت نفسه بأتمتة عمليات العمل المعقدة. تستكشف هذه المقالة كيف يمكن نشر GenAI وAI الوكيلة بشكل استراتيجي في عملية تقييم الائتمان مما يحسن بشكل كبير من مستوى الكفاءة والأتمتة، مع معالجة اعتبارات الحوكمة والمخاطر والامتثال.

ميزة GenAI: إثراء البيانات الذكي

تعتبر البيانات شريان الحياة في تقييم الائتمان. تقوم البنوك والمؤسسات المالية بتقييم وتحليل كميات ضخمة من عناصر البيانات باستخدام نماذج لوجستية وهيوريستية. مع وصول GenAI، قفزت هذه العملية إلى الأمام، حيث وفرت نماذج GenAI القدرة على تقييم البيانات غير المنظمة، مما يولد رؤى قيمة. إن توليد بيانات اصطناعية لمحاكاة السيناريوهات مسبقًا هو تغيير رئيسي آخر في عملية التقييم.

تتفوق نماذج GenAI في تحليل المعلومات غير المنظمة وتحويلها إلى بيانات منظمة. تتيح هذه القدرة استخراج السمات الرئيسية مثل اتساق الدخل، عدم اتساق المدفوعات، بيانات التوظيف، الإنفاق التقديري، وما إلى ذلك، والتي يمكن أن توفر رؤى حاسمة في تقييم التأمين.

تعد عملية توليد البيانات الاصطناعية قدرة تقدمها نماذج GenAI، ويمكن الاستفادة منها لأغراض النمذجة والتحقق القوي. يمكن أن تساعد هذه في التخفيف من ندرة البيانات في الحالات الطرفية. يمكن استخدام نماذج الذكاء الاصطناعي لتعريف السيناريوهات الطرفية، وإضافة معايير أكثر دقة - مثل احتياطات السيولة، تقلب الدخل، وما إلى ذلك - ويمكن التحقق منها باستخدام البيانات الاصطناعية. تعزز هذه البيانات التي تحافظ على الخصوصية من قابلية تعميم النموذج ومرونته تجاه المخاطر الطرفية.

يمكن لأنظمة GenAI متعددة الأنماط أن تشير إلى عدم الاتساق - مثل التباينات بين الدخل المصرح به، سجلات الضرائب، بيانات الحسابات البنكية، وما إلى ذلك - من خلال المقارنة والمقارنة. يمكن تسريع هذه الأنشطة اليدوية المستهلكة للوقت مع تحسين الامتثال، واكتشاف الفجوات، وتحسين نزاهة البيانات.

الذكاء الاصطناعي الوكيل: تنسيق سير العمل المستقل

بينما تسهل أنظمة GenAI متعددة الأنماط نزاهة البيانات، تساهم شبكة الذكاء الاصطناعي الوكيل في توجيه سير العمل المستقل.

لقد تقدم الذكاء الاصطناعي الوكيل أكثر في عملية التقييم مع اتخاذ القرارات المستقلة للمهام المنفصلة. تتكون شبكة الذكاء الاصطناعي الوكيل من عدة وكلاء خبراء، قادرين على تنفيذ مهام منفصلة متعددة في وقت واحد. يمكن أن تتم عمليات التحقق من الهوية، واسترداد الوثائق والتحقق منها، وتقييم القياسات، والتحقق من البيانات الخارجية، والتحقق من مكاتب الائتمان، وتحليل النفسية، وغيرها، بواسطة وكلاء متخصصين في وقت واحد. يعمل كل وكيل بأهداف محددة، ومعايير نجاح، وبروتوكولات تصعيد، مما يجعل العملية أسرع مع زيادة الدقة.

تفرض هذه الشبكة الوكيلة منطق الأعمال، وتستدعي النماذج التنبؤية، وتوجه الطلبات بناءً على عتبات الثقة، مما يتيح أتمتة عمليات العمل بشكل ديناميكي. على سبيل المثال، يتم تصعيد القرارات ذات الثقة المنخفضة أو الشذوذات المعلنة تلقائيًا إلى المقرضين البشر مع إرسال تنبيهات عبر أنظمة المراسلة للعمل عليها. وفي الوقت نفسه، يمكن للأنظمة الوكيلة مراقبة الطلبات بشكل استباقي، واكتشاف التناقضات، وبدء آليات العلاج. بالمثل، إذا وقع ملف الائتمان لمتقدم ما في منطقة رمادية، يمكن أن يؤدي ذلك إلى تفعيل مراجعة ثانوية تلقائيًا أو طلب وثائق إضافية أو إدخال إنسان في العملية.

مثال على ذلك: قامت إحدى البنوك العالمية الكبرى مؤخرًا بتنفيذ عملية مؤتمتة بالكامل لإدارة الحالات من رسائل العملاء - تسجيل الحالات، استدعاء سير العمل، المراسلة مع تتبع الحالة والتواصل - مما أدى إلى تقليل الجهد ووقت المعالجة إلى نصف ما كان عليه سابقًا.

لزيادة الفائدة، تمكن قدرة معالجة اللغة الطبيعية الوكلاء من التحدث مع المتقدمين في الوقت الحقيقي، توضيح الغموض، جمع البيانات المفقودة، وتلخيص الخطوات التالية - بعدة لغات وتمكين الصوت حسب الحاجة. يقلل ذلك من الاحتكاك ويزيد من معدلات الاكتمال، خاصةً بالنسبة لشرائح العملاء المترددين والمحرومين.

الهيكل الهجين: تحقيق التوازن بين الدقة والشفافية

تعمل تقنيات GenAI وAI الوكيلة على تصميم تدفقات العمليات والهياكل - مما يحسن الكفاءة بينما يوازن بين الدقة وشفافية النتائج.
يعزز الهيكل الهجين الذي يجمع بين الذكاء الاصطناعي الوكيل ونماذج GenAI من القوة التنبؤية ببيانات أغنى وتحسين الشفافية التنظيمية. كما أن دمج وكلاء الذكاء الاصطناعي يزيد من القوة وقدرات التنفيذ التلقائي السلسة.

بينما يمكن لـ GenAI إنتاج تفسيرات مضادة للحقائق - “ماذا لو” السيناريوهات التي توضح كيف يمكن للمتقدمين تحسين أهليتهم للقروض، يمكن لنظم الوكالة جمع بيانات النتائج، وتجميع الحالات الطرفية، وبدء دورات إعادة التدريب. تعمل هذه العملية من التعلم الذاتي التكيفي مع مجموعات بيانات أنظف والسيناريوهات الطرفية المعقولة على تحسين دقة عملية تقييم أهلية قروض العملاء.

دعوة للعمل: بناء أنظمة ذكاء اصطناعي موثوقة لتقييم أكثر دقة

تقييم أهلية القرض هو عملية معقدة تؤثر على تجربة العميل والعلاقة التجارية طويلة الأمد. بعض التوصيات الرئيسية التي يجب مراعاتها أثناء إعادة تصميم التدفق هي: أ) هيكل الإنسان في الحلقة لتحسين عملية اتخاذ القرار العامة مع قابلية التتبع والشفافية، ب) تحديد وتخطيط نتائج القرار بشكل صحيح مع الميزات المرتبطة لمعالجة مخاوف التفسير ونتائج التدقيق، ج) تنفيذ حواجز ذكاء اصطناعي مسؤولة، والضمانات التشغيلية مثل ضوابط الوصول المعتمدة على الأدوار، ومصفوفة التصعيد، وما إلى ذلك، من شأنها تحسين مرونة العمليات.

الخاتمة

تعتبر عملية اتخاذ قرار الائتمان عند نقطة تحول مع إعادة تعريف GenAI وAI الوكيلة لتدفقات عمليات الأعمال - مما يجعل نظام الإقراض أكثر كفاءة ومرونة. ستقود المؤسسات المالية التي تستثمر في التصميم المدروس، والحكم الصارم، ونماذج البيانات القوية التي تؤتمت حالات الاستخدام عالية المخاطر، عصرًا جديدًا من التأمين الذكي.