Proses evaluasi kredit yang didukung AI Agenik: Sebuah Cetak Biru Strategis

Bhushan Joshi, Dr Manas Panda, Raja Basu

Temukan berita dan acara fintech teratas!

Daftar untuk buletin FinTech Weekly

Dibaca oleh eksekutif di JP Morgan, Coinbase, Blackrock, Klarna dan lainnya

Industri layanan keuangan sedang mengalami pergeseran paradigma karena AI generatif (GenAI) dan sistem AI agensi mendefinisikan kembali alur proses bisnis - keputusan kredit menjadi salah satunya. Bank kini mengadopsi sistem berbasis AI yang meningkatkan akurasi prediktif sambil secara bersamaan mengotomatiskan alur kerja yang kompleks. Artikel ini mengeksplorasi bagaimana GenAI dan AI agensi dapat diterapkan secara strategis dalam proses evaluasi kredit yang secara signifikan meningkatkan tingkat efisiensi dan otomatisasi, sambil menangani pertimbangan tata kelola, risiko, dan kepatuhan.

Keunggulan GenAI: Peningkatan Data Cerdas

Data adalah darah kehidupan dari evaluasi kredit. Bank dan lembaga keuangan menilai dan mengevaluasi banyak elemen data menggunakan model logistik dan heuristik. Dengan hadirnya GenAI, proses ini telah melompat jauh, karena model GenAI memberikan kemampuan untuk mengevaluasi data tidak terstruktur, menghasilkan wawasan yang berharga. Menghasilkan data sintetis untuk mensimulasikan skenario di muka adalah perubahan kunci lain dalam proses evaluasi.

Model GenAI sangat mahir dalam memparsing informasi tidak terstruktur dan mengubahnya menjadi data terstruktur. Kemampuan ini memungkinkan ekstraksi atribut kunci seperti konsistensi pendapatan, ketidakcocokan pembayaran, data pekerjaan, pengeluaran diskresioner, dll. yang dapat memberikan wawasan kritis dalam evaluasi underwrite.

Penghasil data sintetis adalah kemampuan yang ditawarkan oleh model GenAI, yang dapat dimanfaatkan untuk pemodelan dan validasi yang kuat. Ini dapat membantu mengurangi kelangkaan data dalam kasus tepi. Model AI dapat digunakan untuk mendefinisikan skenario tepi, menambahkan kriteria yang lebih bernuansa - buffer likuiditas, volatilitas pendapatan, dll. - dan dapat divalidasi dengan data sintetis. Data yang menjaga privasi ini meningkatkan generalisasi model dan ketahanan terhadap risiko ekor.

Sistem GenAI multimodal dapat menandai ketidakcocokan—seperti ketidakcocokan antara pendapatan yang dinyatakan, catatan pajak, laporan bank, dll. dengan membandingkan dan membedakan. Kegiatan manual yang memakan waktu ini dapat dipercepat dengan kepatuhan yang lebih baik, mendeteksi celah dan meningkatkan integritas data.

AI Agensi: Mengorkestrasi Alur Kerja Otonom

Sementara sistem GenAI multimodal memfasilitasi integritas data, menciptakan dan memvalidasi skenario ekstrem, mesh AI agensi membimbing dengan alur kerja otonom.

AI agensi lebih lanjut memajukan proses evaluasi dengan pengambilan keputusan otonom dari tugas-tugas diskrit. Mesh AI agensi, yang terdiri dari beberapa agen ahli, mampu menjalankan beberapa tugas diskrit secara bersamaan. Verifikasi identitas, pengambilan & validasi dokumen, evaluasi metrik, validasi data eksternal, pemeriksaan biro kredit, analisis psikometrik, dll. untuk menyebutkan beberapa dapat dilakukan secara bersamaan oleh agen spesialis. Setiap agen beroperasi dengan tujuan yang ditentukan, metrik keberhasilan, dan protokol eskalasi yang membuat proses lebih cepat dengan akurasi yang meningkat.

Mesh agensi ini memberlakukan logika bisnis, memanggil model prediktif, dan mengarahkan aplikasi berdasarkan ambang kepercayaan yang mengotomatiskan alur kerja proses secara dinamis. Misalnya, keputusan kepercayaan rendah atau anomali yang ditandai secara otomatis dieskalasi ke underwriter manusia-dalam-loop dengan peringatan yang dikirim melalui sistem pesan untuk ditindaklanjuti. Secara bersamaan, sistem agensi dapat secara proaktif memantau aplikasi, mendeteksi kontradiksi, dan memulai mekanisme remediasi. Dengan cara yang sama, jika profil kredit pemohon jatuh ke dalam zona abu-abu, itu dapat secara otomatis memicu tinjauan sekunder atau meminta dokumentasi tambahan atau melibatkan manusia-dalam-loop.

Contoh: Sebuah bank global besar baru-baru ini menerapkan proses manajemen kasus yang sepenuhnya otomatis dari email pelanggan – mendaftarkan kasus, memanggil alur kerja, berkomunikasi dengan pelacakan status dan komunikasi-- mengurangi usaha dan waktu pemrosesan hingga setengah dari sebelumnya.

Untuk menambahnya, kemampuan NLP memungkinkan agen untuk berbicara dengan pemohon secara real-time, mengklarifikasi ambiguitas, mengumpulkan data yang hilang, dan merangkum langkah selanjutnya – dalam beberapa bahasa dan dengan kemampuan suara sesuai kebutuhan. Ini mengurangi gesekan dan meningkatkan tingkat penyelesaian, khususnya untuk segmen pelanggan yang ragu dan kurang terlayani.

Arsitektur Hibrida: Menyeimbangkan Akurasi dan Penjelasan

Teknologi GenAI dan AI Agensi merancang alur proses dan arsitektur - meningkatkan efisiensi sambil menyeimbangkan akurasi dan penjelasan dari hasil.
Arsitektur hibrida yang menggabungkan AI Agensi dengan model GenAI meningkatkan kekuatan prediktif dengan data yang lebih kaya dan transparansi regulasi yang lebih baik. Menggabungkan agen AI juga meningkatkan ketahanan dan kemampuan eksekusi otomatis yang mulus.

Sementara GenAI dapat menghasilkan penjelasan counterfactual - skenario “bagaimana jika” yang menggambarkan bagaimana pemohon dapat meningkatkan kelayakan pinjaman mereka, sistem Agensi dapat mengumpulkan data hasil, mengkurasi kasus tepi, dan memulai siklus pelatihan ulang. Proses pembelajaran mandiri adaptif ini dengan set data yang lebih bersih dan skenario tepi yang dapat dipercaya meningkatkan akurasi proses evaluasi kelayakan pinjaman pelanggan.

Ajakan untuk bertindak: Membangun Sistem AI yang Dapat Dipercaya untuk evaluasi yang lebih akurat

Menilai kelayakan pinjaman adalah proses kompleks yang berdampak pada pengalaman pelanggan dan hubungan bisnis jangka panjang. Beberapa rekomendasi kunci untuk diingat, saat meredesain alur adalah a) Arsitektur manusia-dalam-loop untuk meningkatkan keseluruhan proses pengambilan keputusan dengan keterlacakan dan penjelasan, b) Mengidentifikasi dan memetakan hasil keputusan dengan fitur terkait untuk menangani kekhawatiran interpretabilitas dan temuan audit, c) Menerapkan pengaman AI yang bertanggung jawab, pengaman operasional seperti kontrol akses berbasis peran, matriks eskalasi, dll. akan meningkatkan ketahanan proses.

Kesimpulan

Proses pengambilan keputusan kredit berada pada titik belok dengan GenAI & AI Agensi yang mendefinisikan ulang alur proses bisnis – membuat ekosistem peminjaman lebih efisien dan tangguh. Lembaga keuangan yang berinvestasi dalam desain yang bijaksana, tata kelola yang ketat & model data yang kuat yang mengotomatiskan kasus penggunaan berisiko tinggi akan memimpin era berikutnya dari underwriting cerdas.