اعتبارسنجی در عصر نوین؛ وقتی هوش مصنوعی لندتک را متحول میکند
علیرضا هوشمند، مدیر توسعه کسبوکار «ازکیوام»، در یادداشتی برای زومیت معتقد است که هوش مصنوعی (AI) دیگر یک انتخاب نیست، بلکه یک ضرورت برای صنعت فناوریهای وامدهی (لندتک) است. او توضیح میدهد که استفاده از هوش مصنوعی نه تنها سودآوری را افزایش میدهد، بلکه یک مزیت رقابتی پایدار و بلندمدت برای شرکتها ایجاد میکند.
پایان دوران اعتبارسنجی سنتی
در گذشته، اعتبارسنجی وامگیرندگان بر اساس دادههای محدود بانکی و سوابق رسمی انجام میشد. اما با ظهور هوش مصنوعی، این مدلهای قدیمی دیگر پاسخگوی نیازهای سریع و گسترده بازار نیستند. حالا شرکتهای پیشرو با استفاده از یادگیری ماشین (ML) و مدلهای زبانی بزرگ (LLM)، ارزیابی ریسک را با دقت و سرعت بیشتری انجام میدهند. این تحول نه تنها نرخ عدم بازپرداخت (نکول) را کاهش داده، بلکه به میلیونها نفر که سابقه بانکی نداشتهاند، فرصت دریافت وام داده است.
بر اساس گزارشهای جهانی، تا پایان سال ۲۰۲۴، تقریباً نیمی از تصمیمات وامدهی در سراسر جهان تحت تأثیر مدلهای هوش مصنوعی بوده است.
فرصتها و چالشهای جهانی
در بازارهای پیشرفته مانند آمریکا و اروپا، تمرکز بر هوش مصنوعی شفاف (Explainable AI) است تا دلیل تصمیمگیریها به سادگی برای مشتریان قابل توضیح باشد. از سال ۲۰۲۶، اتحادیه اروپا بانکها را مجبور میکند که دلیل تأیید یا رد وام را به زبانی ساده برای متقاضی تشریح کنند.
در بازارهای نوظهور مانند کنیا و برزیل، به دلیل نبود سابقه بانکی برای بخش بزرگی از مردم، از دادههای جایگزین استفاده میشود. برای مثال، فینتک Tala در کنیا با تحلیل دادههای موبایل، نرخ نکول خود را تا ۲۰ درصد کاهش داد. همچنین، Nubank، بزرگترین نئوبانک آمریکای لاتین، با ترکیب دادههای تراکنشی و هوش مصنوعی، زمان بررسی وام را از چند روز به کمتر از پنج دقیقه رسانده است.
فناوریهای کلیدی در عمل
یادگیری ماشین (ML): این الگوریتمها قادرند هزاران متغیر مختلف، از جمله رفتار مشتری و اطلاعات جمعیتی را همزمان بررسی کنند و امتیاز اعتباری پویا و بهروز بسازند.
مدلهای زبانی بزرگ (LLM): این مدلها میتوانند دادههای غیرساختاریافته را تحلیل کنند. برای مثال، میتوانند گزارشهای مالی را خلاصه کنند، ریسکهای پنهان در قراردادها را شناسایی کنند و حتی با تحلیل الگوهای نوشتاری، فاکتورهای جعلی را کشف کنند؛ کاری که برای سیستمهای سنتی غیرممکن بود.
هوش مصنوعی؛ سرمایهگذاری پرسود و رقابتی
استفاده از هوش مصنوعی در اعتبارسنجی مزایای ملموسی به همراه دارد:
کاهش ریسک: هزینه ریسک (Cost of Risk) را ۱۰ تا ۳۰ درصد کاهش میدهد.
سرعت بالا: زمان تصمیمگیری برای وام را تا ۹۰ درصد کاهش میدهد.
مشتریان جدید: نرخ پذیرش مشتریان جدید، بهویژه کسانی که سابقه اعتباری ندارند، را تا ۲۰ درصد افزایش میدهد.
تجربه شرکتهایی مانند Nubank و Tala نشان میدهد که این فناوری نه تنها سودآوری را به طور محسوسی افزایش میدهد، بلکه با افزایش رضایت مشتریان و گسترش سهم بازار، یک مزیت رقابتی پایدار ایجاد میکند.
چالشها در بازارهای با داده محدود
در کشورهایی مانند ایران، محدودیت دادههای اعتباری و عدم وجود کارت اعتباری فراگیر از چالشهای اصلی است. با این حال، تجربه موفق آمریکای لاتین نشان میدهد که استفاده از دادههای جایگزین داخلی مانند تراکنشهای کیفپول، خریدهای آنلاین و سوابق پرداخت قبوض میتواند راهگشا باشد. برای استفاده از این فرصتها، لازم است مجموعهای از اقدامات هماهنگ انجام شود:
ایجاد اتحاد دادهای: بانکها و فینتکها باید دادههای خود را یکپارچه کنند.
تدوین استانداردهای حریم خصوصی: قوانینی برای تقویت اعتماد مشتریان و اشتراکگذاری دادهها ایجاد شود.
اجرای پروژههای آزمایشی: مدلهای اعتبارسنجی هوشمند به صورت آزمایشی در وامهای کوچک اجرا شوند.
این اقدامات میتواند مسیر توسعه اعتبارسنجی هوشمند در بازارهای با داده محدود را هموار کند.
نگرانیهای اخلاقی و چشمانداز آینده
هوش مصنوعی بدون چارچوبهای نظارتی میتواند به تصمیمات ناعادلانه و تبعیضآمیز منجر شود. به همین دلیل، انجام تستهای دورهای، بازرسی مستقل الگوریتمها و شفافیت در منطق تصمیمگیری ضروری است.
در آینده نزدیک، انتظار میرود هوش مصنوعی مولد (Generative AI) نقش پررنگتری در اعتبارسنجی ایفا کند. این فناوری میتواند با تحلیل همزمان دادههای جهانی، پروفایلهای اعتباری دقیقتری بسازد و فرآیند اعتبارسنجی بینالمللی را متحول کند.
در نهایت، آینده لندتک بر سه پایه اصلی استوار است: داده، الگوریتم و اعتماد. هر شرکتی که بتواند این سه عنصر را به درستی با هم ترکیب کند، نه تنها ریسک خود را کاهش میدهد، بلکه بخش بزرگتری از بازار را از آن خود خواهد کرد.
