Quy trình đánh giá tín dụng sử dụng AI năng động: Bản thiết kế chiến lược

Bhushan Joshi, Dr Manas Panda, Raja Basu

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Ngành dịch vụ tài chính đang trải qua một sự chuyển mình mạnh mẽ khi AI sinh ra (GenAI) và các hệ thống AI tự động đang định nghĩa lại quy trình kinh doanh - quyết định cho vay là một trong số đó. Các ngân hàng hiện đang áp dụng các hệ thống điều khiển bằng AI để nâng cao độ chính xác dự đoán trong khi tự động hóa các quy trình công việc phức tạp. Bài viết này khám phá cách GenAI và AI tự động có thể được triển khai một cách chiến lược trong quy trình đánh giá tín dụng, cải thiện đáng kể mức độ hiệu quả và tự động hóa, đồng thời giải quyết các vấn đề về quản trị, rủi ro và tuân thủ.

Lợi thế của GenAI: Làm giàu dữ liệu thông minh

Dữ liệu là huyết mạch của việc đánh giá tín dụng. Các ngân hàng và tổ chức tài chính đánh giá và phân tích hàng loạt yếu tố dữ liệu bằng cách sử dụng các mô hình vận tải và suy diễn. Với sự xuất hiện của GenAI, quy trình này đã nhảy vọt, vì các mô hình GenAI cung cấp khả năng đánh giá dữ liệu phi cấu trúc, tạo ra những thông tin quý giá. Việc tạo ra dữ liệu tổng hợp để mô phỏng các kịch bản trước là một sự thay đổi quan trọng khác trong quy trình đánh giá.

Các mô hình GenAI xuất sắc trong việc phân tích thông tin phi cấu trúc và biến chúng thành dữ liệu có cấu trúc. Khả năng này cho phép trích xuất các thuộc tính chính như tính nhất quán về thu nhập, tính không nhất quán trong thanh toán, dữ liệu việc làm, chi tiêu tùy ý, v.v., có thể cung cấp những hiểu biết quan trọng trong việc đánh giá bảo hiểm.

Việc tạo ra dữ liệu tổng hợp là một khả năng mà các mô hình GenAI cung cấp, có thể được tận dụng cho các mục đích mô hình hóa và xác thực mạnh mẽ. Điều này có thể giúp giảm thiểu tình trạng khan hiếm dữ liệu trong các trường hợp biên. Các mô hình AI có thể được sử dụng để xác định các kịch bản biên, thêm các tiêu chí tinh vi hơn - quỹ thanh khoản, tính biến động thu nhập, v.v. - và có thể được xác thực với dữ liệu tổng hợp. Những dữ liệu bảo vệ quyền riêng tư này nâng cao khả năng tổng quát của mô hình và khả năng chống lại rủi ro cuối.

Các hệ thống GenAI đa phương thức có thể đánh dấu các sự không nhất quán - chẳng hạn như sự không khớp giữa thu nhập đã khai báo, hồ sơ thuế, sao kê ngân hàng, v.v. bằng cách so sánh và đối chiếu. Những hoạt động tốn thời gian này có thể được đẩy nhanh với việc cải thiện tuân thủ, phát hiện các khoảng trống và cải thiện tính toàn vẹn của dữ liệu.

AI tự động: Dẫn dắt quy trình làm việc tự động

Trong khi các hệ thống GenAI đa phương thức tạo điều kiện cho tính toàn vẹn của dữ liệu, tạo ra và xác thực các kịch bản cực đoan, AI tự động sẽ hướng dẫn với quy trình làm việc tự động.

AI tự động đã nâng cao quy trình đánh giá với việc ra quyết định tự động cho các nhiệm vụ riêng lẻ. Lưới AI tự động, bao gồm nhiều tác nhân chuyên gia, có khả năng thực hiện nhiều nhiệm vụ riêng lẻ cùng một lúc. Xác minh danh tính, thu thập và xác thực tài liệu, đánh giá chỉ số, xác thực dữ liệu bên ngoài, kiểm tra văn phòng tín dụng, phân tích tâm lý, v.v. là một số ví dụ có thể được thực hiện đồng thời bởi các tác nhân chuyên biệt. Mỗi tác nhân hoạt động với các mục tiêu xác định, các chỉ số thành công và các quy trình leo thang, làm cho quy trình nhanh hơn với độ chính xác cao hơn.

Lưới tác nhân này thực thi logic kinh doanh, kích hoạt các mô hình dự đoán, và định tuyến các đơn xin dựa trên ngưỡng tự tin, tự động hóa các quy trình làm việc một cách linh hoạt. Ví dụ, các quyết định có độ tin cậy thấp hoặc các bất thường được đánh dấu sẽ tự động được leo thang đến các nhà bảo hiểm con người - trong vòng với các thông báo được gửi qua hệ thống nhắn tin để hành động. Đồng thời, các hệ thống tự động có thể chủ động theo dõi các đơn xin, phát hiện các mâu thuẫn và khởi động các cơ chế khắc phục. Tương tự, nếu hồ sơ tín dụng của một ứng viên rơi vào vùng xám, nó có thể tự động kích hoạt một cuộc xem xét thứ hai hoặc yêu cầu tài liệu bổ sung hoặc đưa vào một người trong vòng.

Ví dụ điển hình: Một ngân hàng toàn cầu lớn gần đây đã triển khai quy trình quản lý trường hợp hoàn toàn tự động từ email của khách hàng - đăng ký các trường hợp, kích hoạt quy trình làm việc, nhắn tin với theo dõi trạng thái và giao tiếp - giảm nỗ lực và thời gian xử lý xuống còn một nửa so với trước đây.

Để bổ sung, khả năng NLP cho phép các tác nhân trò chuyện với các ứng viên trong thời gian thực, làm rõ các điểm mơ hồ, thu thập dữ liệu thiếu và tóm tắt các bước tiếp theo - bằng nhiều ngôn ngữ và có thể kích hoạt giọng nói khi cần thiết. Điều này giảm thiểu sự trở ngại và cải thiện tỷ lệ hoàn thành, đặc biệt đối với các phân khúc khách hàng ngần ngại chưa được phục vụ.

Kiến trúc lai: Cân bằng độ chính xác và khả năng giải thích

Công nghệ GenAI và AI tự động đang thiết kế các quy trình và kiến trúc - cải thiện hiệu quả trong khi cân bằng độ chính xác và khả năng giải thích của các kết quả.
Một kiến trúc lai kết hợp AI tự động với các mô hình GenAI nâng cao sức mạnh dự đoán với dữ liệu phong phú hơn và cải thiện tính minh bạch trong quy định. Việc kết hợp các tác nhân AI cũng tăng cường tính chắc chắn và khả năng thực hiện tự động liền mạch.

Trong khi GenAI có thể tạo ra các giải thích phản chứng - các kịch bản “nếu thì” minh họa cách mà các ứng viên có thể cải thiện đủ điều kiện vay của họ, các hệ thống tự động có thể thu thập dữ liệu kết quả, sắp xếp các trường hợp biên và khởi động các chu kỳ tái đào tạo. Quy trình tự học thích ứng này với các tập dữ liệu sạch hơn và các kịch bản biên hợp lý cải thiện độ chính xác của quy trình đánh giá đủ điều kiện vay của khách hàng.

Kêu gọi hành động: Xây dựng các hệ thống AI đáng tin cậy cho việc đánh giá chính xác hơn

Đánh giá đủ điều kiện vay là một quy trình phức tạp có ảnh hưởng đến trải nghiệm của khách hàng và mối quan hệ kinh doanh lâu dài. Một số khuyến nghị quan trọng cần lưu ý khi thiết kế lại quy trình là a) Kiến trúc có người trong vòng để cải thiện quy trình ra quyết định tổng thể với khả năng truy vết và giải thích, b) Xác định và lập bản đồ các kết quả quyết định với các đặc điểm liên quan để giải quyết các vấn đề về khả năng giải thích và các phát hiện kiểm toán, c) Triển khai các rào cản AI có trách nhiệm, các biện pháp bảo vệ hoạt động như kiểm soát truy cập dựa trên vai trò, ma trận leo thang, v.v. sẽ cải thiện độ bền của quy trình.

Kết luận

Quy trình quyết định tín dụng đang ở một điểm chuyển mình với GenAI & AI tự động định nghĩa lại các quy trình kinh doanh - làm cho hệ sinh thái cho vay hiệu quả hơn và bền vững hơn. Các tổ chức tài chính đầu tư vào thiết kế cẩn thận, quản trị chặt chẽ & các mô hình dữ liệu mạnh mẽ tự động hóa các trường hợp sử dụng có giá trị cao sẽ dẫn dắt kỷ nguyên tiếp theo của việc bảo hiểm thông minh.