Отказ от кредита в эпоху ИИ
Posted: Thu Dec 26, 2024 4:30 am
Вы заслуживаете доверия? Это вопрос, который задают банки и финансовые службы при определении того, кто имеет право на получение кредита, кредитной карты, ипотеки и т. д. Даже в эпоху искусственного интеллекта (ИИ) мы все еще видим недостатки в системе. Даже в эпоху искусственного интеллекта (ИИ) мы все еще видим пробелы в системе. В этой статье рассматривается традиционный кредитный скоринг, кто подвергается риску, капитализация «не охваченных банковскими услугами» и как ИИ может работать за или против позитивных изменений в процессе отказа в кредите.
Логика кредитного рейтинга
В 1950-х годах двое мужчин по имени Билл Фэйр и Эрл Исаак создали автоматизированную систему оценки, которая в конечном итоге стала оценкой FICO . Со временем необходимость в регулировании возникла, когда банки приняли рейтинговую систему. Закон о справедливой кредитной отчетности Закон о защите потребителей, принятый в 1970 году, создал регулируемую систему, в соответствии с которой собирались данные, о чем можно сообщать, в течение какого времени и как потребители могли получить копии своих кредитных отчетов. В течение многих лет традиционные системы показателей, линейные модели, деревья решений и рейтинг FICO играли важную роль в определении того, кто может или не может претендовать на различные кредитные линии. Хотя они не раскрывают полную историю заявителя, их по-прежнему используют 90% крупнейших кредиторов Америки.
Когда вам отказывают в кредите, федеральный закон требует, чтобы кредитор объяснил вам причину. Это разумная политика по нескольким направлениям. Во-первых, он предоставляет потребителю информацию, необходимую для повышения его шансов на получение кредита в будущем. Во-вторых, создается реестр решений, который (в идеале) будет способствовать борьбе с незаконной дискриминацией. По мере роста желания воспользоваться преимуществами тех, кто не имеет доступа к банковским услугам – тех, кого американский банкир определяет как тех, кто имеет ограниченный доступ к кредитам, – все больше банков обращаются к технологиям, чтобы изменить правила игры. Финансовые услуги заметно переосмысливают отказ в кредите с помощью искусственного интеллекта .
Определяем, кто достоин
Ан Efma сообщила, что 58% поставщиков банковских услуг считают, что ИИ окажет значительное влияние на финскую промышленность. Сегодня кредиторы используют алгоритмы машинного обучения для решения больших и малых проблем, делая ручные процессы проще, точнее, быстрее и дешевле. Растет число стартапов, таких как CredoLab. Европейская комиссия рассмотрела возможность использования альтернативных скоринговых моделей для прогнозирования надежности заемщиков. Устаревшие скоринговые модели, такие как FICO, полагаются на ограниченный объем данных в процессе принятия Список номеров мобильных телефонов Telegram в Бельгии решений, в результате чего миллионы американцев остаются вне жизненного цикла кредита. Для тех, кто входит в топ-500 и топ-600, или для любых других заемщиков, приближающихся к пороговым значениям, эти альтернативные модели могут оказаться большим подспорьем. Что мешает кредиторам принять подобные альтернативные модели? Для некоторых это сочетание устаревшего программного обеспечения, сопротивления изменениям рынка и высшего руководства, а также нормативных требований, которые замедляют значительный прогресс. Эти трудности существуют, несмотря на требования нестабильного финансового рынка, заставляющего банки удовлетворять требования клиентов, несмотря на существующие препятствия. Новые технологии, такие как машинное обучение, обработка естественного языка (NLP) и автоматизация , позволяют финансовой индустрии адаптироваться к изменениям рынка, а также к растущей потребности обслуживать тех, кого ранее считали «неплатежеспособными». С другой стороны, многие эксперты предполагают, что банки не желают менять свои рейтинговые модели, поскольку это не в их интересах. From Slate Банки и кредитные бюро полагаются на данные, полученные от потребителей, для разработки своих собственных скоринговых моделей, создавая внутренние оценки риска для потребителей, которые считаются «недостойными» повышенного кредита. Это представляет собой значительный риск не только для потребителей, но и для целостности банковского сектора.
Логика кредитного рейтинга
В 1950-х годах двое мужчин по имени Билл Фэйр и Эрл Исаак создали автоматизированную систему оценки, которая в конечном итоге стала оценкой FICO . Со временем необходимость в регулировании возникла, когда банки приняли рейтинговую систему. Закон о справедливой кредитной отчетности Закон о защите потребителей, принятый в 1970 году, создал регулируемую систему, в соответствии с которой собирались данные, о чем можно сообщать, в течение какого времени и как потребители могли получить копии своих кредитных отчетов. В течение многих лет традиционные системы показателей, линейные модели, деревья решений и рейтинг FICO играли важную роль в определении того, кто может или не может претендовать на различные кредитные линии. Хотя они не раскрывают полную историю заявителя, их по-прежнему используют 90% крупнейших кредиторов Америки.
Когда вам отказывают в кредите, федеральный закон требует, чтобы кредитор объяснил вам причину. Это разумная политика по нескольким направлениям. Во-первых, он предоставляет потребителю информацию, необходимую для повышения его шансов на получение кредита в будущем. Во-вторых, создается реестр решений, который (в идеале) будет способствовать борьбе с незаконной дискриминацией. По мере роста желания воспользоваться преимуществами тех, кто не имеет доступа к банковским услугам – тех, кого американский банкир определяет как тех, кто имеет ограниченный доступ к кредитам, – все больше банков обращаются к технологиям, чтобы изменить правила игры. Финансовые услуги заметно переосмысливают отказ в кредите с помощью искусственного интеллекта .
Определяем, кто достоин
Ан Efma сообщила, что 58% поставщиков банковских услуг считают, что ИИ окажет значительное влияние на финскую промышленность. Сегодня кредиторы используют алгоритмы машинного обучения для решения больших и малых проблем, делая ручные процессы проще, точнее, быстрее и дешевле. Растет число стартапов, таких как CredoLab. Европейская комиссия рассмотрела возможность использования альтернативных скоринговых моделей для прогнозирования надежности заемщиков. Устаревшие скоринговые модели, такие как FICO, полагаются на ограниченный объем данных в процессе принятия Список номеров мобильных телефонов Telegram в Бельгии решений, в результате чего миллионы американцев остаются вне жизненного цикла кредита. Для тех, кто входит в топ-500 и топ-600, или для любых других заемщиков, приближающихся к пороговым значениям, эти альтернативные модели могут оказаться большим подспорьем. Что мешает кредиторам принять подобные альтернативные модели? Для некоторых это сочетание устаревшего программного обеспечения, сопротивления изменениям рынка и высшего руководства, а также нормативных требований, которые замедляют значительный прогресс. Эти трудности существуют, несмотря на требования нестабильного финансового рынка, заставляющего банки удовлетворять требования клиентов, несмотря на существующие препятствия. Новые технологии, такие как машинное обучение, обработка естественного языка (NLP) и автоматизация , позволяют финансовой индустрии адаптироваться к изменениям рынка, а также к растущей потребности обслуживать тех, кого ранее считали «неплатежеспособными». С другой стороны, многие эксперты предполагают, что банки не желают менять свои рейтинговые модели, поскольку это не в их интересах. From Slate Банки и кредитные бюро полагаются на данные, полученные от потребителей, для разработки своих собственных скоринговых моделей, создавая внутренние оценки риска для потребителей, которые считаются «недостойными» повышенного кредита. Это представляет собой значительный риск не только для потребителей, но и для целостности банковского сектора.