Процесс оценки кредитоспособности с использованием агентного ИИ: Стратегический план

_Бушан Джоши, доктор Манас Панда, Раджа Босу

Откройте для себя лучшие новости и события финтеха!

Подписывайтесь на рассылку FinTech Weekly

Читают руководители JP Morgan, Coinbase, Blackrock, Klarna и других компаний

Финансовая индустрия переживает парадигмальный сдвиг, поскольку генеративный ИИ (GenAI) и агентные системы ИИ переопределяют бизнес-процессы — одним из них является кредитное решение. Банки сейчас внедряют системы на базе ИИ, повышающие точность прогнозов и одновременно автоматизирующие сложные рабочие процессы. В этой статье рассматривается, как стратегически использовать GenAI и агентный ИИ в процессе оценки кредитоспособности, значительно повышая эффективность и автоматизацию, а также учитывая вопросы управления, рисков и соответствия требованиям.

Преимущество GenAI: интеллектуальное обогащение данных

Данные — это кровь оценки кредитоспособности. Банки и финансовые учреждения анализируют и оценивают множество элементов данных, используя логистические и эвристические модели. С появлением GenAI этот процесс значительно продвинулся, поскольку модели GenAI позволяют оценивать неструктурированные данные и получать ценные инсайты. Генерация синтетических данных для моделирования сценариев заранее — еще одно важное изменение в процессе оценки.

Модели GenAI отлично справляются с разбором неструктурированной информации, преобразуя её в структурированные данные. Эта возможность позволяет извлекать ключевые атрибуты, такие как стабильность доходов, несоответствия в платежах, данные о занятости, дискреционные расходы и т.д., что дает важные инсайты при андеррайтинге.

Генерация синтетических данных — это возможность моделей GenAI, которую можно использовать для надежного моделирования и валидации. Это помогает снизить проблему нехватки данных в крайних случаях. Модели ИИ могут использоваться для определения крайних сценариев, добавления более тонких критериев — таких как буферы ликвидности, волатильность доходов и др. — и проверки с помощью синтетических данных. Такие данные, сохраняющие конфиденциальность, повышают универсальность и устойчивость модели к рискам «хвостов».

Мультимодальные системы GenAI могут выявлять несоответствия — например, между заявленным доходом, налоговыми декларациями, банковскими выписками и т.п., — сравнивая и противопоставляя их. Эти ручные, трудоемкие операции можно ускорить, повысив соответствие требованиям, обнаруживая пробелы и улучшая целостность данных.

Агентный ИИ: управление автономными рабочими потоками

В то время как мультимодальные системы GenAI обеспечивают целостность данных, создают и проверяют экстремальные сценарии, агентный ИИ управляет автономным рабочим процессом.

Агентный ИИ дополнительно совершенствует процесс оценки за счет автономного принятия решений по отдельным задачам. Модель агентного ИИ, состоящая из нескольких экспертных агентов, способна выполнять одновременно множество задач. Верификация личности, получение и проверка документов, оценка метрик, проверка внешних данных, кредитные бюро, психометрический анализ — это лишь некоторые из задач, которые могут выполняться специализированными агентами одновременно. Каждый агент работает с четко определенными целями, критериями успеха и протоколами эскалации, что ускоряет процесс и повышает точность.

Этот агентный механизм обеспечивает соблюдение бизнес-логики, вызывает предиктивные модели и маршрутизирует заявки в зависимости от уровня доверия, автоматизируя рабочие процессы. Например, решения с низким уровнем уверенности или выявленные аномалии автоматически передаются человеку-эксперту с уведомлениями через системы сообщений для дальнейших действий. Одновременно агентные системы могут проактивно отслеживать заявки, выявлять противоречия и инициировать механизмы исправления. Аналогично, если кредитный профиль заявителя попадает в «серую зону», система может автоматически запустить повторную проверку или запросить дополнительные документы, а также привлечь человека-эксперта.

Пример: крупный международный банк недавно внедрил полностью автоматизированный процесс обработки случаев — от регистрации обращений клиентов по электронной почте, вызова рабочих процессов, отправки сообщений с отслеживанием статуса и коммуникацией — что сократило затраты и время обработки вдвое.

Кроме того, возможности NLP позволяют агентам вести диалог с заявителями в реальном времени, уточнять неясности, собирать недостающие данные и подводить итоги — на нескольких языках и с голосовой поддержкой по необходимости. Это снижает трения и повышает уровень завершения заявок, особенно среди сегментов клиентов с низким уровнем доверия или недостаточной активностью.

Гибридная архитектура: баланс между точностью и объяснимостью

Технологии GenAI и агентного ИИ разрабатывают архитектуру процессов — повышая эффективность при сохранении баланса между точностью и объяснимостью результатов.
Гибридная архитектура, сочетающая агентный ИИ с моделями GenAI, усиливает предсказательную мощь за счет более богатых данных и повышенной прозрачности с точки зрения регуляторов. Объединение ИИ-агентов также повышает устойчивость и возможности автоматического выполнения задач.

В то время как GenAI может создавать контрфактические объяснения — сценарии «что если», показывающие, как заявители могут повысить свою кредитоспособность, — агентные системы собирают итоговые данные, курируют крайние случаи и инициируют циклы повторного обучения. Этот процесс адаптивного самообучения с использованием более чистых наборов данных и реалистичных сценариев повышает точность оценки кредитоспособности клиентов.

Призыв к действию: создание надежных систем ИИ для более точной оценки

Оценка кредитоспособности — сложный процесс, влияющий на клиентский опыт и долгосрочные бизнес-отношения. Важные рекомендации при переработке этого процесса: а) архитектура с участием человека для повышения прозрачности и объяснимости решений, б) правильное определение и сопоставление результатов решений с соответствующими признаками для повышения интерпретируемости и аудита, в) внедрение ответственного ИИ, операционных мер безопасности, таких как контроль доступа по ролям, матрицы эскалации и др., — для повышения устойчивости процесса.

Заключение

Процесс кредитных решений находится на переломном этапе, поскольку GenAI и агентный ИИ переопределяют бизнес-процессы — делая кредитную экосистему более эффективной и устойчивой. Финансовые институты, инвестирующие в продуманный дизайн, строгий контроль и надежные модели данных для автоматизации важных задач, станут лидерами следующей эпохи интеллектуального андеррайтинга.