شریک معتمد مدیریت ریسک
مهدی پهلوانی / کارشناس حوزه ریسک اعتباری
اقتصادایرانی : در دنیای امروز که دادهها نقشی حیاتی در تصمیمسازی ایفا می‌کنند، هوش مصنوعی به موتور محرک تحول در حوزه اعتبارسنجی و مدیریت ریسک تبدیل شده است. این فناوری با پشت‌سر گذاشتن روش‌های سنتی، اکنون از دادههای جایگزین، مدل‌سازی پیشرفته و مدلهای زبانی بزرگ (LLM) بهره می‌گیرد تا ارزیابی دقیقتری از اعتبار و ریسک مالی ارائه دهد. شرکت‌های پیشرو در اعتبارسنجی نیز با به‌کارگیری دستیاران هوشمند اعتباری، آینده‌ای را ترسیم می‌کنند که در آن فرایندهای مالی نه‌تنها هوشمندتر، بلکه شفاف‌تر، کارآمدتر و قابل‌اعتمادتر خواهند بود.
یادداشت را به طور کامل بخوانید :
تحلیل دادههای متنوع و مدل‌سازی نوین
فراتر از مدلهای سنتی آماری، امروزه هوش مصنوعی قادر است مجموعه داده‌‌‌هایی با حجم بسیار بزرگ را به کار گیرد؛ داده‌‌‌هایی مانند تاریخچه پرداخت قبوض، الگوهای رفتاری در فضای مجازی، دادههای تراکنشی و حتی ردپای دیجیتال می‌توانند در ارزیابی ریسک مشتری توسط هوش مصنوعی مورد استفاده قرار گیرند. الگوریتم‌‌‌های نوین هوش مصنوعی و یادگیری ماشین در حوزه اعتبارسنجی با شناسایی روابط بین دادهها، پیش‌بینی‌‌‌های دقیقتری از احتمال نکول یا تقلب مالی را به صورت مسوولانه با رعایت شفافیت، عدالت و تفسیرپذیری خروجی مدل ارائه می‌دهند. این تحول، نه‌تنها دقت ارزیابی را بالا برده، بلکه به بهبود شمول مالی و خدمت‌‌‌رسانی به گروه‌‌‌های بدون پرونده اعتباری سنتی نیز کمک کرده است.
هوش مصنوعی مولد مسوولیت‌‌‌پذیر (از فلسفه تا پیاده‌سازی)
همگام با ظهور گسترده هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLMها)، شرکت‌های اعتبارسنجی مطرح در دنیا این فناوری جدید را تحت عنوان «هوش مصنوعی مولد مسوولانه» برای استفاده در صنعت مالی و اعتبارسنجی آماده‌سازی کردهاند. با وجود رشد چشمگیر هوش مصنوعی مولد، چالش‌‌‌هایی همچون توهم‌‌‌زایی، سوگیری دادهها و فقدان شفافیت باعث تحت‌‌‌الشعاع قرار گرفتن اعتماد به این تکنولوژی میشود. رویکرد «هوش مصنوعی مولد مسوولانه» تلاش می‌کند با کمک «مدلهای زبانی متمرکز» این مشکلات را از طریق کنترل دادهها، شفاف‌‌‌سازی منابع و تعیین چارچوب‌‌‌های خروجی نهایی، رفع کند. مدلهای زبانی متمرکز، نقطه تلاقی میان هوشمندی و مسوولیت‌‌‌پذیری هستند. این مدل‌‌‌ها به‌‌‌طور خاص برای حوزه‌‌‌هایی مانند اعتبارسنجی یا تشخیص تقلب توسعه می‌‌‌یابند و برخلاف مدلهای زبانی بزرگ عمومی، با واژگان کنترل‌‌‌شده و دادههای انتخاب‌‌‌شده آموزش داده می‌‌‌شوند. نتیجه این رویکرد، مدلی است که خروجی‌‌‌هایش همراه با «امتیاز اعتماد» ارائه میشود، تا کاربر بتواند میزان صحت هر پاسخ را ارزیابی کند.
شرکت‌هایی مانند فایکو با اجرای این استراتژی در مدلهای زبانی متمرکز، به موفقیت‌‌‌هایی قابل‌توجه در به‌کارگیری موثر هوش مصنوعی مولد در صنعت مالی دست یافته‌‌‌اند. این نشان می‌دهد که میان نوآوری و مسوولیت‌‌‌پذیری، تضادی وجود ندارد بلکه ترکیب این دو می‌تواند سکوی پرش تحول در صنعت مالی باشد. در ادامه تعدادی از ابزارهای مورد استفاده در شرکت‌های اعتبارسنجی مطرح دنیا که بر مبنای هوش مصنوعی مولد مسوولانه است، مورد بررسی قرار می‌‌‌گیرند:
۱. دستیار هوشمند ChatD&B (تحلیل اعتبار در لحظه)
شرکت دان و براداستریت (D&B) به‌عنوان بزرگ‌ترین و قدیمی‌ترین شرکت اعتبارسنجی اشخاص حقوقی در دنیا، با معرفی دستیار هوش مصنوعی مولد خود به نام Chat D&B، نقطه‌عطفی در کاربرد عملی AI در صنعت اعتبارسنجی ایجاد کرده است. این ابزار، یک دستیار هوش مصنوعی مولد است که تحلیل‌‌‌های آنی درباره شرکت‌ها ارائه می‌دهد. Chat D&B دادهها را از مجموعه‌‌‌های اطلاعاتی شرکت گردآوری و پردازش می‌کند و بینش‌‌‌های عملی در اختیار کاربران می‌‌‌گذارد؛ از شناسایی مشتریان بالقوه گرفته تا بررسی دقیق شرکت‌ها. کاربران Chat D&B می‌توانند پرسش‌‌‌های خود را به زبان گفتاری معمول مطرح کنند و این سامانه با استفاده از داده‌‌‌هایی که به کمک آنها آموزش داده شده است، دادههای پایه را تحلیل و مرتبط‌‌‌ترین و دقیق‌‌‌ترین پاسخ‌‌‌ها را ارائه می‌دهد.
از ویژگی‌‌‌های ChatD&B می‌توان به موارد زیر اشاره کرد:
- استخراج بلادرنگ اطلاعات از پایگاه‌‌‌های داده به‌‌‌روز،
- شفافیت کامل در نمایش منابع داده مورداستفاده برای پاسخ‌‌‌ها،
- قابل‌ردیابی بودن تاریخچه گفت‌وگوها جهت انطباق با الزامات قانونی،
- قابلیت حسابرسی و مستندسازی پاسخ‌‌‌ها برای اطمینان از صحت و دقت اطلاعات.
۲. تصمیمسازی هوشمند در سیاست‌‌‌های اعتباری با محصول لولو
شرکت زست، با معرفی ماژول استراتژی لولو، گام مهمی در استفاده از هوش مصنوعی مولد برای طراحی و ارزیابی سیاست‌‌‌های اعتباری برداشته است. این ابزار به موسسات مالی امکان می‌دهد تا سناریوهای «چه می‌‌‌شد اگر» را برای سیاست‌‌‌های اعتباری خود شبیه‌‌‌سازی کرده و تاثیر آنها بر نرخ تایید، ریسک و عملکرد تسهیلات را ارزیابی کنند. ابزار لولو، همچنین قابلیت تحلیل رفتار درخواست‌‌‌دهندگان اعتبار، شناسایی فرصت‌‌‌های ازدست‌‌‌رفته و پایش عملکرد تسهیلات را به‌‌‌صورت مداوم فراهم می‌کند. این راهکار به‌‌‌ویژه برای بانک‌ها، موسسات مالی و سایر ارائه‌دهندگان تسهیلات طراحی شده تا بتوانند از مزایای هوش مصنوعی سطح بالا بدون نیاز به زیرساخت‌‌‌های پیچیده بهره‌‌‌مند شوند.
سیستم رسیدگی به اعتراضات با هوش مصنوعی Transunion
یکی دیگر از کاربردهای نوظهور هوش مصنوعی مولد، رسیدگی خودکار و مقیاس‌‌‌پذیر به اعتراضات گزارش اعتباری در شرکت‌هایی مانند Transunion است. استفاده از مدلهای زبانی بزرگ (LLM) در قالب چت‌‌‌بات‌‌‌های گفت‌وگو‌‌‌محور با استفاده از تکنیک‌‌‌هایی مانند تولید تقویت‌شده با بازیابی (RAG)، امکان پاسخ‌‌‌گویی دقیق به درخواست‌‌‌های اعتراضی مشتریان را فراهم کرده است. این رویکرد با طبقه‌‌‌بندی اعتراضات کاربران و خلاصه‌‌‌سازی خودکار پاسخ‌‌‌ها، نه تنها بار کاری تیم‌‌‌های پشتیبانی و مراکز تماس را کاهش داده بلکه تجربه کاربری را نیز بهبود بخشیده است.
طبق اعلام ترنس‌‌‌یونین، استفاده از این مدل‌‌‌ها باعث کاهش حدود ۱۵درصد در حجم درخواست‌‌‌ها و افزایش بهره‌‌‌وری در فرآیند رسیدگی به شکایات شده است.
چالش‌‌‌ها و چشم‌‌‌انداز پیش رو
استفاده از هوش مصنوعی مولد در صنعت اعتبارسنجی، به‌‌‌ویژه با بررسی تجربیات جهانی و محصولات شرکت‌های اعتبارسنجی در دنیا مانند ChatD&B، سامانه‌‌‌های پاسخ‌‌‌دهی به اعتراضات و ماژول‌‌‌های تصمیمسازی مانند لولو، مزایای چشمگیری را به همراه دارد؛ به طوری که افزایش دقت در ارزیابی ریسک، شخصی‌‌‌سازی خدمات، ارتقای تجربه مشتری و صرفه‌‌‌جویی در هزینه‌‌‌ها از طریق خودکارسازی از جمله این موارد هستند؛ همچنین شفافیت و توانایی ردیابی پاسخ‌‌‌ها، به انطباق بهتر با الزامات قانونی کمک کرده و اعتماد کاربران را تقویت می‌‌‌نماید.
با‌این‌حال، مسیر توسعه این فناوری با چالش‌‌‌هایی مانند کیفیت داده، پیچیدگی اجرایی، سوگیری‌های الگوریتمی و دغدغه‌‌‌های حقوقی همراه است که راهکارهایی همچون مدلهای زبانی متمرکز، ابزارهایی برای پاسخ به این چالش‌‌‌ها فراهم کردهاند. در آینده، ترکیب هوش مصنوعی مسوولانه و دادههای معتبر و تخصص انسانی، مسیر صنعت اعتبارسنجی را به‌‌‌سمت تصمیم‌گیری‌‌‌های هوشمندتر و اخلاق‌‌‌مدار سوق خواهد داد. این روند، هوش مصنوعی را از یک ابزار صرفا تحلیلی به یک شریک قابل اعتماد در مدیریت ریسک و اعتبار تبدیل خواهد کرد.
منبع: دنیای اقتصاد
