Proses evaluasi kredit yang didukung AI agentik: Cetak Biru Strategis

_Bhushan Joshi, Dr Manas Panda, Raja Basu

Temukan berita dan acara fintech teratas!

Berlangganan buletin FinTech Weekly

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

Industri jasa keuangan sedang mengalami perubahan paradigma karena AI generatif (GenAI) dan sistem AI agen mendefinisikan ulang alur proses bisnis – salah satunya adalah penilaian kredit. 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 agen dapat diterapkan secara strategis dalam proses evaluasi kredit, secara signifikan meningkatkan tingkat efisiensi dan otomatisasi, sambil mengatasi pertimbangan tata kelola, risiko, dan kepatuhan.

Keunggulan GenAI: Pengayaan Data Cerdas

Data adalah darah kehidupan 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 berharga. Menghasilkan data sintetis untuk mensimulasikan skenario di muka adalah perubahan kunci lainnya dalam proses evaluasi.

Model GenAI unggul dalam mengurai informasi tidak terstruktur menjadi data terstruktur. Kemampuan ini memungkinkan ekstraksi atribut kunci seperti konsistensi pendapatan, ketidaksesuaian pembayaran, data pekerjaan, pengeluaran diskresioner, dll., yang dapat memberikan wawasan kritis dalam evaluasi underwriting.

Pembuatan data sintetis adalah kemampuan yang ditawarkan model GenAI, yang dapat dimanfaatkan untuk tujuan pemodelan dan validasi yang kuat. Ini dapat membantu mengurangi kelangkaan data pada kasus-kasus ekstrem. Model AI dapat digunakan untuk menentukan skenario ekstrem, menambahkan kriteria yang lebih bernuansa – penyangga likuiditas, volatilitas pendapatan, dll. – dan dapat divalidasi dengan data sintetis. Data yang menjaga privasi ini meningkatkan generalisabilitas model dan ketahanan terhadap risiko ekor.

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

AI Agen: Mengorkestrasi Alur Kerja Otonom

Sementara sistem GenAI multimodal memfasilitasi integritas data, membuat dan memvalidasi skenario ekstrem, jaring AI agen memandu dengan alur kerja otonom.

AI agen lebih memajukan proses evaluasi dengan pengambilan keputusan otonom atas tugas-tugas diskrit. Jaring AI agen, yang terdiri dari beberapa agen ahli, mampu melakukan beberapa tugas diskrit secara bersamaan. Verifikasi identitas, pengambilan & validasi dokumen, evaluasi metrik, validasi data eksternal, pemeriksaan biro kredit, analisis psikometrik, dan lain-lain dapat dilakukan secara bersamaan oleh agen-agen khusus. Setiap agen beroperasi dengan tujuan yang ditentukan, metrik keberhasilan, dan protokol eskalasi, membuat proses lebih cepat dengan akurasi yang meningkat.

Jaring agen ini menegakkan logika bisnis, memanggil model prediktif, dan merutekan aplikasi berdasarkan ambang kepercayaan, mengotomatiskan alur kerja proses secara dinamis. Misalnya, keputusan dengan kepercayaan rendah atau anomali yang ditandai secara otomatis dieskalasi kepada penjamin manusia yang terlibat (human underwriters-in-loop) dengan pemberitahuan yang dikirim melalui sistem perpesanan untuk ditindaklanjuti. Pada saat yang sama, sistem agen dapat secara proaktif memantau aplikasi, mendeteksi kontradiksi, dan memulai mekanisme perbaikan. Demikian pula, jika profil kredit pelamar masuk ke zona abu-abu, sistem dapat secara otomatis memicu peninjauan sekunder atau meminta dokumentasi tambahan atau melibatkan manusia dalam proses (human-in-loop).

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

Sebagai puncaknya, kemampuan NLP memungkinkan agen untuk berbincang dengan pelamar secara real-time, memperjelas ambiguitas, mengumpulkan data yang hilang, dan merangkum langkah selanjutnya – dalam berbagai bahasa dan dengan dukungan suara sesuai kebutuhan. Ini mengurangi gesekan dan meningkatkan tingkat penyelesaian, terutama untuk segmen pelanggan yang ragu-ragu dan kurang terlayani.

Arsitektur Hibrida: Menyeimbangkan Akurasi dan Explainability

Teknologi GenAI dan AI agen sedang merancang alur proses dan arsitektur – meningkatkan efisiensi sambil menyeimbangkan akurasi dan explainability dari hasil.

Arsitektur hibrida yang menggabungkan AI agen dengan model GenAI meningkatkan kekuatan prediktif dengan data yang lebih kaya dan transparansi regulasi yang lebih baik. Menggabungkan agen AI juga meningkatkan ketangguhan dan kemampuan eksekusi otomatis yang mulus.

Sementara GenAI dapat menghasilkan penjelasan kontrafaktual – skenario "bagaimana-jika" yang mengilustrasikan bagaimana pelamar dapat meningkatkan kelayakan pinjaman mereka, sistem agen dapat mengumpulkan data hasil, mengkurasi kasus ekstrem, dan memulai siklus pelatihan ulang. Proses pembelajaran mandiri adaptif ini dengan set data yang lebih bersih dan skenario ekstrem yang masuk akal meningkatkan akurasi proses evaluasi kelayakan pinjaman pelanggan.

Ajakan Bertindak: Membangun Sistem AI yang Dapat Dipercaya untuk Evaluasi yang Lebih Akurat

Menilai kelayakan pinjaman adalah proses kompleks yang memengaruhi pengalaman pelanggan dan hubungan bisnis jangka panjang. Beberapa rekomendasi kunci yang perlu diingat saat mendesain ulang alur adalah a) Arsitektur human-in-the-loop untuk meningkatkan proses pengambilan keputusan secara keseluruhan dengan ketertelusuran dan explainability, b) Mengidentifikasi dan memetakan hasil keputusan dengan fitur terkait secara tepat untuk mengatasi masalah interpretabilitas dan temuan audit, c) Menerapkan pagar pembatas AI yang bertanggung jawab, perlindungan operasional seperti kontrol akses berbasis peran, matriks eskalasi, dll. akan meningkatkan ketahanan proses.

Kesimpulan

Proses penilaian kredit berada pada titik balik dengan GenAI dan AI agen yang mendefinisikan ulang alur proses bisnis – membuat ekosistem peminjaman lebih efisien dan tangguh. Lembaga keuangan yang berinvestasi dalam desain yang cermat, tata kelola yang ketat, dan model data yang kuat untuk mengotomatiskan kasus penggunaan berisiko tinggi akan memimpin era baru underwriting cerdas.