Процес оцінки кредитоспроможності з використанням агентного ШІ: стратегічний план

Бхушан Джоші, Д-р Манас Панда, Раджа Басу

Відкрийте для себе найкращі новини та події у фінансових технологіях!

Підпишіться на розсилку FinTech Weekly

Читають керівники в JP Morgan, Coinbase, Blackrock, Klarna та інших

Фінансова індустрія переживає парадигмальний зсув, оскільки генеративний ШІ (GenAI) та агентні системи ШІ переосмислюють бізнес-процеси - ухвалення кредитів є одним із них. Банки тепер впроваджують системи на основі ШІ, що підвищують прогностичну точність, автоматизуючи складні робочі процеси. У цій статті розглядається, як GenAI та агентний ШІ можуть бути стратегічно впроваджені в процес оцінки кредитоспроможності, значно покращуючи рівень ефективності та автоматизації, при цьому враховуючи аспекти управління, ризику та відповідності.

Переваги GenAI: Інтелектуальне збагачення даних

Дані - це кровоносна система оцінки кредитоспроможності. Банки та фінансові установи оцінюють велику кількість елементів даних, використовуючи логістичні та евристичні моделі. З приходом GenAI цей процес зробив стрибок вперед, оскільки моделі GenAI надали можливість оцінювати неструктуровані дані, генеруючи цінні інсайти. Генерація синтетичних даних для моделювання сценаріїв заздалегідь є ще однією ключовою зміною в процесі оцінки.

Моделі GenAI відмінно справляються з обробкою неструктурованої інформації, перетворюючи її на структуровані дані. Ця можливість дозволяє витягувати ключові атрибути, такі як стабільність доходу, непослідовність виплат, дані про працевлаштування, дискреційні витрати тощо, які можуть надати критично важливі інсайти в оцінці ризиків.

Генерація синтетичних даних - це можливість, яку надають моделі GenAI, яка може бути використана для надійного моделювання та валідаційних цілей. Це може допомогти зменшити недостатність даних у крайових випадках. Моделі ШІ можуть бути використані для визначення крайових сценаріїв, додавання більш детальних критеріїв - ліквідних резервів, волатильності доходу тощо - і можуть бути перевірені з використанням синтетичних даних. Ці дані, які зберігають конфіденційність, покращують узагальненість моделі та стійкість до ризиків.

Багатофункціональні системи GenAI можуть виявляти непослідовності - такі як невідповідності між заявленим доходом, податковими звітами, банківськими виписками тощо - порівнюючи та контрастуючи. Ці трудомісткі ручні дії можуть бути пришвидшені з покращеною відповідністю, виявленням прогалин та покращенням цілісності даних.

Агентний ШІ: Оркестрація автономних робочих процесів

Хоча багатофункціональні системи GenAI сприяють цілісності даних, створюють та перевіряють крайові сценарії, агентна мережа ШІ керує автономними робочими процесами.

Агентний ШІ далі вдосконалив процес оцінки завдяки автономному ухваленню рішень окремих завдань. Агентна мережа ШІ, що складається з кількох експертних агентів, здатна виконувати кілька окремих завдань одночасно. Ідентифікація особи, отримання та валідація документів, оцінка метрик, валідація зовнішніх даних, перевірки кредитних бюро, психометричний аналіз тощо - це лише деякі завдання, які можуть виконувати спеціалізовані агенти одночасно. Кожен агент працює з визначеними цілями, успішними метриками та протоколами ескалації, що робить процес швидшим і точнішим.

Ця агентна мережа впроваджує бізнес-логіку, викликає прогностичні моделі та маршрутизує заявки на основі порогів довіри, динамічно автоматизуючи робочі процеси. Наприклад, рішення з низькою впевненістю або позначені аномалії автоматично ескалюються до людських андеррайтерів з повідомленнями, надісланими через системи обміну повідомленнями для дій. Одночасно агентні системи можуть активно моніторити заявки, виявляти суперечності та ініціювати механізми виправлення. Аналогічно, якщо кредитний профіль заявника потрапляє в сірий зон, це може автоматично ініціювати вторинний перегляд або запит додаткової документації або залучати людину в процес.

Приклад: Великий глобальний банк нещодавно впровадив повністю автоматизований процес управління справами з електронних листів клієнтів - реєстрація справ, ініціювання робочих процесів, обмін повідомленнями з відстеженням статусу та комунікацією - скоротивши зусилля та час обробки вдвічі.

Щоб додати до цього, можливість NLP дозволяє агентам спілкуватися з заявниками в реальному часі, роз’яснюючи неоднозначності, збираючи відсутні дані та узагальнюючи наступні кроки - на кількох мовах і з голосовою активацією за потреби. Це зменшує тертя та покращує рівень завершення, особливо для недослужених обережних сегментів клієнтів.

Гібридна архітектура: Балансування точності та пояснюваності

Технології GenAI та агентного ШІ розробляють робочі процеси та архітектуру - покращуючи ефективність, водночас балансуючи точність і пояснюваність результатів.
Гібридна архітектура, що поєднує агентний ШІ з моделями GenAI, підвищує прогностичну потужність з більш багатими даними та покращеною регуляторною прозорістю. Комбінування агентів ШІ також збільшує надійність і безшовні можливості автоматизованого виконання.

Хоча GenAI може генерувати контрфактичні пояснення - сценарії “що-якщо”, які ілюструють, як заявники можуть покращити свою кредитну спроможність, агентні системи можуть збирати дані про результати, кураторити крайові випадки та ініціювати цикли повторного навчання. Цей процес адаптивного самонавчання з чистішими наборами даних та правдоподібними крайовими сценаріями покращує точність процесу оцінки кредитоспроможності клієнтів.

Заклик до дії: Створення надійних систем ШІ для більш точної оцінки

Оцінка кредитоспроможності - це складний процес, який впливає на досвід клієнтів та довгострокові бізнес-відносини. Декілька ключових рекомендацій, які слід пам’ятати, переосмислюючи процес, а) Архітектура з людиною в циклі для покращення загального процесу ухвалення рішень з відстежуваністю та пояснюваністю, б) Належне визначення та картографування результатів рішень до пов’язаних характеристик для вирішення питань інтерпретованості та перевірок, в) Впровадження відповідальних механізмів контролю ШІ, операційних запобіжних заходів, таких як контроль доступу на основі ролей, матриця ескалації тощо, покращить стійкість процесу.

Висновок

Процес ухвалення кредитів перебуває на переломному етапі з GenAI та агентним ШІ, які переосмислюють бізнес-процеси - роблячи екосистему кредитування більш ефективною та стійкою. Фінансові установи, які інвестують у продумане проектування, суворе управління та надійні моделі даних, автоматизуючи випадки з високими ставками, стануть лідерами наступної ери інтелектуального андеррайтингу.