Кредитные практики, основанные на искусственном интеллекте (ИИ), становятся все более заметными и заслуживают доверия. Инструменты искусственного интеллекта, используемые с машинным обучением, могут анализировать больше данных для более точного ответа на запросы на получение кредита. Кредиторы, использующие новые системы искусственного интеллекта, могут оценивать остатки на банковских счетах, рассчитанные с учетом истории покупок, привычек в социальных сетях и коммунальных платежей, чтобы определить кредитоспособность человека.
Те, у кого нет установленного кредита, могут извлечь большую выгоду из кредиторов AI. Новые кредиторы стартапов используют ИИ для одобрения личных кредитов для людей с короткой или несуществующей кредитной историей, которые имеют надежный доход и высокий потенциал заработка. Эти кредиторы используют ИИ для андеррайтинга. Решение о кредите основывается на нетрадиционных данных, таких как средний балл колледжа, компания, в которой работает заявитель, и другие данные цифрового следа.
Традиционные оценки FICO измеряют статические переменные. В прошлом баллы FICO отражали истинный риск заявителя. Преследуя цель справедливости и последовательных руководящих принципов принятия решений по кредитам, были приняты законы, такие как Закон о равных возможностях кредита 1974 года, для предотвращения дискриминации соискателей кредита. Закон гласит, что раса, пол, происхождение, возраст и даже то, получает ли человек государственную помощь, не могут использоваться в качестве факторов принятия решения. Несмотря на то, что его намерения были хорошими, кредиторы все еще проявляли предвзятость в кредитных решениях.
Как ИИ влияет на соискателей кредита?
ИИ использует алгоритмы на огромных наборах данных, чтобы найти эмпирические связи в поведении потребителей. Это выходит за рамки традиционных критериев, обеспечиваемых баллами FICO, и дает более целостный профиль заявителя. Ключом к этим изменениям парадигмы в обработке кредитов является доказательство того, что статистическая взаимосвязь процесса ИИ правильно прогнозирует и что ее использование для принятия решения о кредите является законным.
В документе FDIC Кредитный скоринг с использованием цифровых следов рассматриваются пять переменных, которые могут превзойти традиционные кредитные модели в прогнозировании возврата кредита. Пять переменных цифрового следа просты в использовании и доступны бесплатно. Они есть:
· Тип компьютера, который использовался для подачи заявки на кредит (Mac, ПК)
· Тип используемого устройства (телефон, компьютер)
· Время подачи заявки
· Домен электронной почты
· Является ли имя заявителя частью его адреса электронной почты
Дополнительные цифровые данные, которые можно использовать, — это пробелы или несоответствия в записях о занятости, покупательских привычках и членстве в организациях, и это лишь некоторые из них. Цель состоит в том, чтобы позволить кредиторам принимать более взвешенные и последовательные решения и предоставить возможности заимствования более широкому кругу квалифицированных лиц. Но проблема заключается в том, что некоторые из этих простых точек данных могут исказить решения по оценке риска в пользу или против определенной расы или пола.
Как ИИ помогает кредиторам?
ИИ может преобразовать кредитную индустрию. Более точные кредитные решения, такие как небольшое увеличение доходности по кредиту и незначительное улучшение в снижении риска, могут означать огромную сумму денег для кредитной компании. В то время как банки и кредиторы должны обеспечить точность и справедливость новых процессов принятия решений, те, кто не использует ИИ и машинное обучение для определения кредитного риска, потеряют свое конкурентное преимущество.
