Quy trình đánh giá tín dụng sử dụng AI năng động: Bản thiết kế chiến lược

Bhushan Joshi, Tiến sĩ Manas Panda, Raja Basu

Khám phá các tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin hàng tuần của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Ngành dịch vụ tài chính đang trải qua một bước ngoặt lớn khi trí tuệ nhân tạo sinh (GenAI) và hệ thống AI có khả năng tự hành đang định hình lại quy trình kinh doanh — trong đó quyết định tín dụng là một trong số đó. Các ngân hàng hiện đang ứng dụng các hệ thống dựa trên AI để nâng cao độ chính xác dự đoán đồng thời tự động hóa các quy trình phức tạp. Bài viết này khám phá cách GenAI và AI có khả năng tự hành có thể được triển khai chiến lược trong quá trình đánh giá tín dụng, từ đó nâng cao hiệu quả và tự động hóa, đồng thời giải quyết các vấn đề về quản trị, rủi ro và tuân thủ.

Ưu điểm của GenAI:: Làm giàu dữ liệu thông minh

Dữ liệu là nguồn sống của quá trình đánh giá tín dụng. Các ngân hàng và tổ chức tài chính đánh giá và phân tích hàng loạt dữ liệu sử dụng các mô hình logistic và heuristic. Với sự xuất hiện của GenAI, quá trình này đã tiến xa hơn, khi các mô hình GenAI cung cấp khả năng đánh giá dữ liệu phi cấu trúc, tạo ra những insights giá trị. Việc tạo dữ liệu tổng hợp để mô phỏng các kịch bản trước là một thay đổi quan trọng khác trong quá trình đánh giá.

Các mô hình GenAI xuất sắc trong việc phân tích thông tin phi cấu trúc, biến chúng thành dữ liệu có cấu trúc. Khả năng này cho phép trích xuất các thuộc tính chính như tính nhất quán về thu nhập, sự không nhất quán trong thanh toán, dữ liệu việc làm, chi tiêu tùy ý, v.v., từ đó cung cấp những insights quan trọng trong quá trình thẩm định.

Khả năng tạo dữ liệu tổng hợp là một trong những điểm mạnh của mô hình GenAI, có thể được tận dụng để xây dựng mô hình mạnh mẽ và xác thực. Điều này giúp giảm thiểu tình trạng thiếu dữ liệu trong các trường hợp đặc biệt. Các mô hình AI có thể được dùng để xác định các kịch bản ngoại lệ, thêm các tiêu chí tinh vi hơn như dự trữ thanh khoản, biến động thu nhập, v.v., và được xác thực bằng dữ liệu tổng hợp. Những dữ liệu này bảo vệ quyền riêng tư, nâng cao khả năng tổng quát của mô hình và khả năng chống chịu với các rủi ro cực đoan.

Các hệ thống GenAI đa chế độ có thể phát hiện các mâu thuẫn — như sự không phù hợp giữa thu nhập khai báo, hồ sơ thuế, sao kê ngân hàng, v.v., bằng cách so sánh đối chiếu. Những hoạt động thủ công tốn thời gian này có thể được rút ngắn nhờ khả năng tuân thủ tốt hơn, phát hiện các khoảng trống và nâng cao tính toàn vẹn của dữ liệu.

AI có khả năng tự hành: Điều phối các quy trình tự động

Trong khi các hệ thống GenAI đa chế độ giúp đảm bảo tính toàn vẹn của dữ liệu, tạo và xác thực các kịch bản cực đoan, thì AI có khả năng tự hành hướng dẫn quy trình tự động.

AI có khả năng tự hành nâng cao quá trình đánh giá với khả năng ra quyết định tự chủ cho các nhiệm vụ riêng biệt. Hệ thống AI có khả năng tự hành, gồm nhiều tác nhân chuyên gia, có thể thực hiện nhiều nhiệm vụ riêng biệt cùng lúc. Các nhiệm vụ như xác minh danh tính, truy xuất & xác thực tài liệu, đánh giá chỉ số, xác thực dữ liệu bên ngoài, kiểm tra hồ sơ tín dụng, phân tích tâm lý học, v.v., có thể được thực hiện đồng thời bởi các tác nhân chuyên biệt. Mỗi tác nhân hoạt động theo mục tiêu rõ ràng, các chỉ số thành công và quy trình xử lý khi có vấn đề, giúp quá trình nhanh hơn và chính xác hơn.

Hệ thống AI tự hành này thực thi logic kinh doanh, kích hoạt các mô hình dự đoán, và tự động phân luồng hồ sơ dựa trên ngưỡng độ tin cậy. Ví dụ, các quyết định có độ tin cậy thấp hoặc các bất thường được phát hiện sẽ tự động chuyển đến các nhân viên thẩm định con người kèm theo cảnh báo qua hệ thống nhắn tin để xử lý. Đồng thời, các hệ thống AI tự hành có thể chủ động giám sát hồ sơ, phát hiện mâu thuẫn và khởi động các cơ chế khắc phục. Tương tự, nếu hồ sơ tín dụng của ứng viên rơi vào vùng xám, hệ thống có thể tự kích hoạt xem xét bổ sung hoặc yêu cầu tài liệu bổ sung hoặc đưa con người vào vòng xử lý.

Ví dụ thực tế: Một ngân hàng toàn cầu lớn gần đây đã triển khai quy trình tự động hoàn toàn trong quản lý hồ sơ từ email khách hàng — đăng ký hồ sơ, kích hoạt quy trình, gửi tin nhắn theo dõi trạng thái và liên lạc — giảm thiểu công sức và thời gian xử lý còn một nửa so với trước.

Thêm vào đó, khả năng NLP cho phép các tác nhân trò chuyện trực tiếp với khách hàng, làm rõ các thắc mắc, thu thập dữ liệu thiếu và tóm tắt các bước tiếp theo — bằng nhiều ngôn ngữ và có thể kích hoạt bằng giọng nói theo yêu cầu. Điều này giúp giảm ma sát và nâng cao tỷ lệ hoàn thành, đặc biệt đối với các phân khúc khách hàng chưa được phục vụ hoặc còn do dự.

Kiến trúc lai: Cân bằng độ chính xác và khả năng giải thích

Các công nghệ GenAI và AI có khả năng tự hành đang thiết kế các quy trình và kiến trúc — nâng cao hiệu quả trong khi cân bằng độ chính xác và khả năng giải thích của kết quả.
Kiến trúc lai kết hợp AI có khả năng tự hành với các mô hình GenAI giúp tăng cường khả năng dự đoán với dữ liệu phong phú hơn và minh bạch hơn trong quy định. Sự kết hợp các tác nhân AI cũng tăng cường khả năng chống chịu và thực thi tự động liền mạch.

Trong khi GenAI có thể tạo ra các lời giải thích phản thực — các kịch bản “nếu như” minh họa cách các ứng viên có thể cải thiện điều kiện vay của họ, thì hệ thống AI có khả năng tự hành có thể thu thập dữ liệu kết quả, chọn lọc các trường hợp ngoại lệ, và bắt đầu các chu trình đào tạo lại. Quá trình tự học thích nghi này với bộ dữ liệu sạch hơn và các kịch bản ngoại lệ hợp lý giúp nâng cao độ chính xác trong quá trình đánh giá khả năng vay của khách hàng.

Lời kêu gọi hành động: Xây dựng hệ thống AI đáng tin cậy để đánh giá chính xác hơn

Đánh giá khả năng vay vốn là một quá trình phức tạp ảnh hưởng đến trải nghiệm khách hàng và mối quan hệ kinh doanh lâu dài. Một số khuyến nghị chính cần ghi nhớ khi thiết kế lại quy trình là: a) Kiến trúc có con người trong vòng kiểm soát để nâng cao khả năng truy xuất nguồn gốc và giải thích, b) Xác định rõ ràng và ánh xạ các kết quả quyết định với các đặc trưng liên quan để giải quyết các vấn đề về khả năng giải thích và phát hiện kiểm toán, c) Triển khai các giới hạn AI có trách nhiệm, các biện pháp bảo vệ vận hành như kiểm soát truy cập dựa trên vai trò, ma trận nâng cấp, v.v., để nâng cao khả năng chống chịu của quy trình.

Kết luận

Quy trình quyết định tín dụng đang ở một điểm chuyển đổi quan trọng khi GenAI và AI có khả năng tự hành định hình lại các quy trình kinh doanh — làm hệ sinh thái cho vay trở nên hiệu quả và bền vững hơn. Các tổ chức tài chính đầu tư vào thiết kế cẩn thận, quản trị nghiêm ngặt và các mô hình dữ liệu mạnh mẽ để tự động hóa các trường hợp sử dụng có rủi ro cao sẽ dẫn đầu trong kỷ nguyên mới của việc thẩm định thông minh.