عملية تقييم الائتمان المدعومة بالذكاء الاصطناعي الوكيل: مخطط استراتيجي

بوشان جوشي، الدكتور ماناس باندا، راجا باسو

اكتشف أبرز أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الأسبوعية لـ FinTech Weekly

يقرؤها كبار المسؤولين التنفيذيين في JP Morgan وCoinbase وBlackrock وKlarna والمزيد

يشهد قطاع الخدمات المالية تحولًا جذريًا مع إعادة تعريف الذكاء الاصطناعي التوليدي (GenAI) وأنظمة الذكاء الاصطناعي الوكيل لسير العمليات التجارية - ومنها عملية اتخاذ القرار الائتماني. تتبنى البنوك الآن أنظمة مدعومة بالذكاء الاصطناعي تعزز الدقة التنبؤية مع أتمتة سير العمل المعقدة في الوقت نفسه. تستكشف هذه المقالة كيف يمكن نشر الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل بشكل استراتيجي في عملية تقييم الائتمان، مما يحسن مستوى الكفاءة والأتمتة بشكل كبير، مع معالجة اعتبارات الحوكمة والمخاطر والامتثال.

ميزة الذكاء الاصطناعي التوليدي: إثراء البيانات الذكي

البيانات هي شريان الحياة لتقييم الائتمان. تقوم البنوك والمؤسسات المالية بتقييم وتقييم كميات هائلة من عناصر البيانات باستخدام نماذج لوجستية واستدلالية. مع ظهور الذكاء الاصطناعي التوليدي، قفزت هذه العملية قفزة هائلة، حيث وفرت نماذج الذكاء الاصطناعي التوليدي القدرة على تقييم البيانات غير المهيكلة، مما أدى إلى توليد رؤى قيمة. يُعد توليد البيانات الاصطناعية لمحاكاة السيناريوهات مسبقًا تغييرًا رئيسيًا آخر في عملية التقييم.

تتفوق نماذج الذكاء الاصطناعي التوليدي في تحليل المعلومات غير المهيكلة وتحويلها إلى بيانات مهيكلة. تتيح هذه القدرة استخراج السمات الرئيسية مثل تناسق الدخل، وتناقضات الدفع، وبيانات التوظيف، والإنفاق التقديري، وما إلى ذلك، والتي يمكن أن توفر رؤى حاسمة في تقييم الاكتتاب.

يعد توليد البيانات الاصطناعية إحدى القدرات التي تقدمها نماذج الذكاء الاصطناعي التوليدي، والتي يمكن الاستفادة منها لأغراض النمذجة والتحقق القوية. يمكن أن يساعد ذلك في تخفيف ندرة البيانات في الحالات الحدية. يمكن استخدام نماذج الذكاء الاصطناعي لتحديد السيناريوهات الحدية، وإضافة معايير أكثر دقة - مثل احتياطيات السيولة، وتقلب الدخل، وما إلى ذلك - ويمكن التحقق من صحتها باستخدام البيانات الاصطناعية. تعمل هذه البيانات التي تحافظ على الخصوصية على تعزيز قابلية تعميم النموذج ومرونته في مواجهة المخاطر الطرفية.

يمكن لأنظمة الذكاء الاصطناعي التوليدي متعددة الوسائط الإشارة إلى التناقضات - مثل عدم التطابق بين الدخل المعلن، والسجلات الضريبية، وكشوف الحسابات المصرفية، وما إلى ذلك - من خلال المقارنة والتباين. يمكن تسريع هذه الأنشطة اليدوية المستهلكة للوقت مع تحسين الامتثال، واكتشاف الثغرات، وتحسين سلامة البيانات.

الذكاء الاصطناعي الوكيل: تنسيق سير العمل المستقل

بينما تسهل أنظمة الذكاء الاصطناعي التوليدي متعددة الوسائط سلامة البيانات، وتنشئ وتتحقق من السيناريوهات القصوى، فإن شبكة الذكاء الاصطناعي الوكيل توجه مع سير العمل المستقل.

يعمل الذكاء الاصطناعي الوكيل على تطوير عملية التقييم بشكل أكبر من خلال اتخاذ القرارات المستقلة للمهام المنفصلة. شبكة الذكاء الاصطناعي الوكيل، التي تتكون من عدة وكلاء خبراء، قادرة على تنفيذ مهام منفصلة متعددة في وقت واحد. يمكن للوكلاء المتخصصين إجراء التحقق من الهوية، واسترداد المستندات والتحقق من صحتها، وتقييم المقاييس، والتحقق الخارجي من البيانات، وفحص مكاتب الائتمان، والتحليل النفسي، وما إلى ذلك، في وقت واحد. يعمل كل وكيل بأهداف محددة، ومقاييس نجاح، وبروتوكولات تصعيد، مما يجعل العملية أسرع مع دقة متزايدة.

تفرض هذه الشبكة الوكيلة منطق الأعمال، وتستدعي النماذج التنبؤية، وتوجه الطلبات بناءً على عتبات الثقة، مما يؤدي إلى أتمتة سير العمل بشكل ديناميكي. على سبيل المثال، يتم تصعيد القرارات منخفضة الثقة أو الحالات الشاذة المميزة تلقائيًا إلى المكتتبين البشريين مع إرسال تنبيهات عبر أنظمة المراسلة للتصرف بناءً عليها. في الوقت نفسه، يمكن للأنظمة الوكيلة مراقبة الطلبات بشكل استباقي، واكتشاف التناقضات، وبدء آليات المعالجة. وبالمثل، إذا كان الملف الائتماني لمقدم الطلب يقع في منطقة رمادية، فيمكنه تلقائيًا تشغيل مراجعة ثانوية أو طلب مستندات إضافية أو جلب عنصر بشري في الحلقة.

مثال على ذلك: قام أحد البنوك العالمية الكبيرة مؤخرًا بتنفيذ عملية مؤتمتة بالكامل لإدارة الحالات من رسائل البريد الإلكتروني للعملاء - تسجيل الحالات، واستدعاء سير العمل، والمراسلة مع تتبع الحالة والتواصل - مما قلل الجهد ووقت المعالجة إلى نصف ما كان عليه سابقًا.

ولإضافة المزيد، تتيح قدرة معالجة اللغة الطبيعية (NLP) للوكلاء التحدث مع المتقدمين في الوقت الفعلي، وتوضيح الغموض، وجمع البيانات المفقودة، وتلخيص الخطوات التالية – بلغات متعددة وبصوت ممكن حسب الحاجة. وهذا يقلل من الاحتكاك ويحسن معدلات الإنجاز، خاصة بالنسبة لشرائح العملاء المترددة والمحرومة.

الهندسة المعمارية الهجينة: الموازنة بين الدقة وقابلية التفسير

تعمل تقنيات الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل على تصميم تدفقات العمليات والهياكل - مما يحسن الكفاءة مع الموازنة بين دقة النتائج وقابليتها للتفسير.
تعمل الهندسة المعمارية الهجينة التي تجمع بين الذكاء الاصطناعي الوكيل ونماذج الذكاء الاصطناعي التوليدي على تعزيز القوة التنبؤية ببيانات أكثر ثراءً وتحسين الشفافية التنظيمية. كما يؤدي الجمع بين وكلاء الذكاء الاصطناعي إلى زيادة المتانة وقدرات التنفيذ الآلي السلس.

بينما يمكن للذكاء الاصطناعي التوليدي توليد تفسيرات مضادة للواقع - سيناريوهات "ماذا لو" توضح كيف يمكن للمتقدمين تحسين أهليتهم للحصول على القرض - يمكن للأنظمة الوكيلة جمع بيانات النتائج، وتنظيم الحالات الحدية، وبدء دورات إعادة التدريب. تعمل عملية التعلم الذاتي التكيفي هذه مع مجموعات بيانات أنظف وسيناريوهات حدية معقولة على تحسين دقة عملية تقييم أهلية القرض للعميل.

دعوة للعمل: بناء أنظمة ذكاء اصطناعي موثوقة لتقييم أكثر دقة

يعد تقييم أهلية القرض عملية معقدة تؤثر على تجربة العميل وعلاقة العمل طويلة الأمد. بعض التوصيات الرئيسية التي يجب مراعاتها أثناء إعادة تصميم التدفق هي: أ) هندسة معمارية مع عنصر بشري في الحلقة لتحسين عملية اتخاذ القرار الشاملة مع إمكانية التتبع والتفسير، ب) تحديد ورسم خرائط نتائج القرار للسمات المرتبطة بها بشكل صحيح لمعالجة مخاوف قابلية التفسير ونتائج التدقيق، ج) تنفيذ حواجز حماية للذكاء الاصطناعي المسؤول، وضمانات تشغيلية مثل ضوابط الوصول القائمة على الأدوار، ومصفوفة التصعيد، وما إلى ذلك من شأنها تحسين مرونة العملية.

الخلاصة

تمر عملية اتخاذ القرار الائتماني بنقطة تحول مع إعادة تعريف الذكاء الاصطناعي التوليدي والذكاء الاصطناعي الوكيل لسير العمليات التجارية – مما يجعل النظام البيئي للإقراض أكثر كفاءة ومرونة. المؤسسات المالية التي تستثمر في التصميم المدروس، والحوكمة الصارمة، ونماذج البيانات القوية لأتمتة حالات الاستخدام عالية المخاطر ستقود العصر القادم من الاكتتاب الذكي.