Процес оцінки кредитоспроможності з використанням агентного ШІ: стратегічний план

_Бушан Джоші, доктор Манас Панда, Раджа Басу

Відкрийте для себе найкращі новини та події у фінтеху!

Підписуйтеся на розсилку FinTech Weekly

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

Фінансова індустрія переживає парадигмальний зсув, оскільки генеративний штучний інтелект (GenAI) та агентні системи штучного інтелекту переосмислюють бізнес-процеси — одним із них є прийняття кредитних рішень. Банки тепер впроваджують системи на базі ШІ, що підвищують точність прогнозів і одночасно автоматизують складні робочі процеси. У цій статті розглядається, як стратегічно використовувати GenAI та агентний ШІ у процесі оцінки кредитоспроможності, значно підвищуючи рівень ефективності та автоматизації, враховуючи питання управління, ризиків і відповідності.

Переваги GenAI: Інтелектуальне збагачення даних

Дані — це життєвий кровообіг оцінки кредитоспроможності. Банки та фінансові установи аналізують та оцінюють безліч елементів даних за допомогою логістичних та евристичних моделей. З появою GenAI цей процес зробив крок уперед, оскільки моделі GenAI здатні аналізувати неструктуровані дані, генеруючи цінні інсайти. Створення синтетичних даних для моделювання сценаріїв заздалегідь — ще одна важлива зміна у процесі оцінки.

Моделі GenAI відмінно справляються з аналізом неструктурованої інформації, перетворюючи її у структуровані дані. Це дозволяє витягати ключові атрибути, такі як стабільність доходів, порушення у платежах, дані про зайнятість, дискреційні витрати тощо, що може дати критичні інсайти для андеррайтингу.

Генерація синтетичних даних — ще одна можливість моделей GenAI, яку можна використовувати для надійного моделювання та валідації. Це допомагає зменшити проблему недостатності даних у крайніх випадках. Моделі ШІ можна використовувати для визначення крайніх сценаріїв, додавання більш тонких критеріїв — таких як буфери ліквідності, волатильність доходів тощо — і перевіряти їх за допомогою синтетичних даних. Такі дані, що зберігають конфіденційність, підвищують узагальнюваність моделей і їх стійкість до ризиків.

Мультимодальні системи GenAI можуть виявляти невідповідності — наприклад, між заявленим доходом, податковими записами, банківськими виписками тощо — порівнюючи та аналізуючи їх. Ці ручні, що займають багато часу, процеси можна прискорити за допомогою покращеної відповідності, виявлення прогалин і підвищення цілісності даних.

Агентний ШІ: Координація автономних робочих процесів

Хоча мультимодальні системи GenAI сприяють цілісності даних, створюють і перевіряють крайні сценарії, агентний ШІ керує автономними робочими процесами.

Агентний ШІ ще більше вдосконалює процес оцінки за рахунок автономного прийняття рішень щодо окремих завдань. Мережа агентів, що складається з кількох експертних агентів, здатна виконувати кілька окремих завдань одночасно. Верифікація особистості, отримання та перевірка документів, оцінка метрик, зовнішня перевірка даних, перевірки кредитних бюро, психометричний аналіз тощо — все це може виконуватися одночасно спеціалізованими агентами. Кожен агент має чітко визначені цілі, критерії успіху та протоколи ескалації, що робить процес швидшим і точнішим.

Ця мережа агентів забезпечує дотримання бізнес-логіки, викликає передбачувальні моделі та автоматично маршрутизує заявки залежно від рівня впевненості, динамічно автоматизуючи робочі процеси. Наприклад, рішення з низькою впевненістю або виявлені аномалії автоматично передаються людині-експерту з повідомленнями через системи повідомлень для подальшого розгляду. Одночасно агентні системи можуть proactively моніторити заявки, виявляти суперечності та ініціювати механізми виправлення. Аналогічно, якщо кредитний профіль заявника потрапляє у «сіру зону», система може автоматично ініціювати додаткову перевірку або запитати додаткові документи, залучаючи людину до процесу.

Приклад: один із великих глобальних банків нещодавно запровадив повністю автоматизований процес обробки випадків із клієнтськими електронними листами — реєстрація випадків, запуск робочих процесів, повідомлення з відстеженням статусу та комунікацією — що зменшило зусилля та час обробки вдвічі.

Крім того, можливості NLP дозволяють агентам спілкуватися з заявниками у реальному часі, з’ясувати невизначеності, зібрати відсутні дані та підсумувати наступні кроки — у кількох мовах і з голосовою підтримкою за потреби. Це зменшує тертя у процесі та підвищує рівень завершення заявок, особливо для сегментів клієнтів із обмеженим доступом або з нерішучістю.

Гібридна архітектура: баланс між точністю та пояснюваністю

Технології GenAI та агентного ШІ проектують процеси та архітектуру — підвищуючи ефективність при балансуванні точності та пояснюваності результатів.
Гібридна архітектура, що поєднує агентний ШІ з моделями GenAI, підсилює прогнозну здатність за рахунок багатших даних і покращеної регуляторної прозорості. Поєднання агентів ШІ також підвищує надійність і безперебійність автоматизованого виконання.

Хоча GenAI може створювати контрфактичні пояснення — сценарії “а що, якби” — що ілюструють, як заявники можуть покращити свою кредитоспроможність, агентні системи збирають результати, курирують крайні випадки та ініціюють цикли повторного навчання. Цей процес адаптивного самовдосконалення з чистішими наборами даних і правдоподібними крайніми сценаріями підвищує точність оцінки кредитоспроможності клієнтів.

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

Оцінка кредитоспроможності — складний процес, що впливає на досвід клієнтів і довгострокові бізнес-відносини. Основні рекомендації при переробці процесу: а) архітектура з людським елементом для покращення прозорості та можливості відстеження рішень, б) правильне визначення та картографування результатів рішень із відповідними ознаками для вирішення питань інтерпретованості та аудиту, в) впровадження відповідальних рамок ШІ, операційних заходів безпеки, таких як контроль доступу за ролями, матриці ескалації тощо, що підвищить стійкість процесу.

Висновок

Процес прийняття кредитних рішень перебуває на переломному етапі з впровадженням GenAI та агентного ШІ, що переосмислюють бізнес-процеси — роблячи кредитну екосистему більш ефективною та стійкою. Фінансові установи, що інвестують у продуманий дизайн, строгий контроль і надійні моделі даних для автоматизації високоризикових випадків, стануть лідерами наступної епохи інтелектуального андеррайтингу.