لا ينشر .... هل يوسع تحليل مخاطر الذكاء الاصطناعي حقًا الوصول إلى الائتمان في إفريقيا؟

من خلال تحليل بيانات الجوال والويب الحديثة ، بدأت شركات التكنولوجيا المالية في توسيع نطاق الائتمان للأفراد والشركات الصغيرة والمتوسطة دون آثار مالية. لكن لا تزال هناك مخاوف بشأن موثوقية المقاييس المستخدمة وخصوصية العملاء.

تقليديا ، يستخدم المقرضون الأفارقة درجات مكتب الائتمان ، لتقييم ، على سبيل المثال ، ما إذا كان لدى العميل تاريخ من مدفوعات بطاقات الائتمان الفائتة. عندما لا يوجد تاريخ ، يقومون بتقييم التركيبة السكانية الاجتماعية: هل الزبون أنثى - وفي هذه الحالة يكون من المرجح أن يسددوا أموالهم - هل يعملون في سوق عمل مستقر وهل يمكنهم إثبات دخل منتظم؟ لكن هذا يمكن أن يضع أولئك الذين لا يتعاملون مع البنوك أو العاملين بشكل غير رسمي في وضع غير مؤات.

قالت ميشيل توتشي ، كبيرة مسؤولي المنتجات في شركة التكنولوجيا المالية Credolab: "يفتقر المقرضون الأفارقة إلى البيانات اللازمة لاتخاذ قرارات ائتمانية جيدة ، ويمكن للبيانات الديموغرافية الاجتماعية أن تجلب لك فقط حتى الآن." ويقدر أن المقرضين الأفارقة لا يمكنهم الحصول على درجات مكتب الائتمان لـ 70٪ من العملاء ويرفضونها ببساطة. في الواقع ، لا يزال 57٪ من الأفارقة ليس لديهم حسابات مصرفية ، ولديهم دخل نقدي أو يفضلون استخدام بطاقات الخصم على بطاقات الائتمان.

بدأ نظام التصنيف الائتماني البديل في الظهور في منتصف عام 2010 ، مدفوعًا بأدوات الذكاء الاصطناعي (AI) المضمنة في خدمات الائتمان المتنقلة M-Shwari من Safaricom (من خلال M-PESA) في كينيا.

منذ ذلك الحين ، ظهرت شركات التكنولوجيا المالية المحلية ، مثل جومو ومقرها كيب تاون وشركة كياكيا النيجيرية الناشئة ، بينما تكتسب الشركات الأجنبية مثل Credolab و Branch في سان فرانسيسكو - التي تحلل بيانات الرسائل النصية - زخمًا في إفريقيا. ومن بين المقرضين ، كان First National Bank of South Africa ، و NCBA Group في كينيا ، و Equity Bank ، و Orange Bank من أوائل المتبنين.

البيانات الوصفية للجوال

Credolab التي تتخذ من سنغافورة مقراً لها ، والتي تأسست في عام 2016 وتتواجد في جنوب إفريقيا ونيجيريا وكينيا وغانا ، هي أحد اللاعبين الذين يستخدمون البيانات الوصفية للجوال لتقييم مخاطر الائتمان. تقوم fintech بتضمين مجموعة أدوات تطوير برامج الهاتف المحمول (SDK) في التطبيقات المصرفية للمقرضين وتجمع نقاط البيانات السلوكية الدقيقة المعتمدة على الخصوصية على Android و iOS. يتضمن هذا النسبة المئوية للصور الذاتية على هاتف العميل ، وعدد الألعاب المثبتة ، ومقاطع الفيديو التي يتم إنشاؤها شهريًا ، وفي حالة استخدام شبكة افتراضية خاصة وحتى السرعة التي يكتبون بها - يتم جمعها جميعًا بمجرد التقدم بطلب للحصول على قرض.

ثم يحدد التعلم الآلي المدمج احتمالية التخلف عن السداد ويولد درجة ائتمانية. قال توتشي: "نحن نعكس الأذونات الحالية التي يتطلبها التطبيق للعمل [مثل الوصول إلى كاميرا الهاتف وجهات الاتصال والتخزين] ونجمع البيانات الوصفية التي لا يجمعها أي من المقرضين ، ولا حتى أكثرها تعقيدًا".

محافظ الهاتف المحمول واختبارات الشخصية

تشمل أساليب التعلم الآلي الناشئة الأخرى تحليل المعاملات المالية عبر الهاتف المحمول واستبيانات الشخصية الرقمية. تستخدم مجموعة Creditinfo ، التي لديها مكاتب ائتمان في 11 دولة أفريقية ، مثل هذه الاختبارات في ثلاثة من أسواقها الأفريقية.

قال ديمتري بورودين ، رئيس المنتجات وتحليلات القرار في Creditinfo ، إن محافظ الهاتف المحمول هي اليوم أفضل مصدر للتقييم البديل في إفريقيا بسبب انتشار الأموال عبر الهاتف المحمول. "هذه البيانات قوية حقًا لأن عددًا قليلاً جدًا من الأشخاص سيستخدمون بطاقات الائتمان أو الخصم ، ولكن باستخدام معاملات محفظة الهاتف المحمول ، يمكننا الحصول على وكيل للدخل وحساب عوامل التنبؤ القوية الأخرى."

كما دخلت Creditinfo في شراكة مع Coremetrix و Compuscan في جنوب إفريقيا لتطوير اختبارات شخصية من 5 إلى 20 دقيقة للعملاء الذين لديهم ملفات ائتمانية ضعيفة. يكمل هؤلاء العملاء من 20 إلى 30 سؤالًا عبر الإنترنت ، ويقوم التعلم الآلي بإنشاء خريطة للسمات الشخصية المرتبطة بمخاطر الائتمان.

تتضمن الأسئلة ما سيفعله العميل إذا ربح 200 دولار في اليانصيب ، حيث يقول أولئك الذين يقولون إنهم سيوفرون المال مما يمثل مخاطرة أقل. يحلل الذكاء الاصطناعي أيضًا الأنماط السلوكية ، مثل وقت الاستجابة وطول الردود ، واستبعاد العملاء الذين يحاولون التلاعب بالنظام.

المراحل الأولى في أفريقيا

حذر أريستيد واتارا ، الشريك والقائد الاستشاري للمخاطر في شركة Deloitte Afrique ، من أنه في الوقت الذي يتطور فيه نظام التصنيف الائتماني البديل ، فإنه لا يزال في مهده: "لا تزال البنوك الأفريقية تضع الحد الأدنى من أدوات وأطر إدارة مخاطر الائتمان". لكنه وصف مثل هذه الأساليب بالمستقبل ويتوقع أن تنضم إليها البنوك قريبًا.

وفقًا لشركة Deloitte ، يمكن أن يحدث التحول بسرعة بسبب التغييرات القادمة على بازل 3 و 4 - إطار تنظيمي عالمي ولكن طوعي للقطاع المالي - والذي سيسمح بمزيد من الأساليب المتطورة لتسجيل الائتمان. قال واتارا: "إن إفريقيا معتادة على الانتقال بسرعة كبيرة إلى ابتكارات مختلفة ، مثل الخدمات المصرفية عبر الهاتف المحمول ، لذلك سيكون لدينا قفزة في هذه الظاهرة أيضًا".

بدأت Deloitte في تطوير تقنيات التعلم الآلي منذ عدة سنوات في أوروبا باستخدام SAS و Python وتتوقع طرح هذه الأدوات في الصناعة المالية الأفريقية في السنوات القادمة.

ترى شركة استشارية أخرى ، McKinsey ، فوائد شمولية مالية قوية في تسجيل ائتمان التعلم الآلي ، والتي يمكن أن تكون واسعة النطاق مثل النظر إلى طراز سيارة العميل ، والعمر ، والمسافة المقطوعة وحتى اللون ، بينما يقوم الآخرون بتقييم جودة اتصالات وسائل التواصل الاجتماعي.

قال سيرجي سافيتسكي (رئيس خدمات الإقراض الرقمي لشركة ماكينزي في أوروبا الشرقية والشرق الأوسط وأفريقيا) وعمر باجوس (رئيس شركة ماكينزي أناليتيكس في إفريقيا) في بيان مشترك عبر البريد الإلكتروني: "هذه المقاييس جيدة عندما تكون المعلومات الأخرى شحيحة". ولكن عندما تتوفر البيانات التقليدية ، يكون للبدائل "تأثير أقل على جودة تقييم الائتمان" ، على حد قولهم.

موثوقية بيانات العصر الجديد

الموثوقية مصدر قلق كبير ، حتى في أوروبا حيث يستخدم معظم المقرضين بالفعل مقاييس بديلة. حذر Hervé Phaure - قائد مخاطر الائتمان لشركة Deloitte في فرنسا - والذي لديه خبرة في تطوير أدوات التعلم الآلي ، من أن سلوكيات العملاء يمكن أن تتغير بسرعة. قال: "إذا كان هذا السلوك البشري غير مستقر ، فلن يعمل النموذج".

قضية أخرى هي توافر البيانات. يمكن للمقرض الذي يقيم قرضًا تجاريًا صغيرًا أن يتخلص من وجود الشركة عبر الإنترنت ، ولكن فقط في حالة وجود مثل هذه المعلومات. قال Phaure: "كلما كانت الأعمال التجارية أصغر ، قل نشاطها فيما يتعلق بالملاحة والأخبار". وقال Phaure ، حتى عندما تكون بيانات الويب متاحة ، "هناك المزيد والمزيد من المعلومات على الشبكة التي تكون أقل موثوقية".

عندما يتعلق الأمر باختبار القياس النفسي ، حث بورودين المؤسسات المالية على أن يكون لديها القدرة على تفسير خوارزميات الذكاء الاصطناعي والبنية التحتية الموثوقة لإدارة النماذج ، وإلا ، بعد جائحة Covid-19 ، فقد تفوتهم التحولات السلوكية التي لم تكن موجودة بعد في البيانات التاريخية. في رأيه ، لا ينبغي أن تكون الدرجات السيكومترية هي المصدر الوحيد للتقييم ، لكنها يمكن أن توفر دعمًا قويًا للقرارات المتعلقة بالعملاء الذين ليس لديهم تاريخ ائتماني.

وأضاف سافيتسكي وباغوس أن تعليم الإدارة العليا للبنوك ومجالس الإدارة أمر أساسي. وقالوا: "غالبًا ما تكون إمكانية شرح نماذج الذكاء الاصطناعي والتعلم الآلي صعبة ، لذا يجب تصميم المناهج لتناسب السياق والإدارة العليا ومجالس الإدارة".

بديل بيانات الويب

قال Credolab إنه من بين مليون نقطة بيانات تم جمعها ، قد يقرر التعلم الآلي أن 20 نقطة فقط ذات قيمة. قال توتشي: "من العدل أن نفترض أن 98٪ من هذه الملايين من الميزات غير مجدية من حيث" قيمة المعلومات "لكننا بحاجة إلى تقييمها على أي حال للعثور على تلك التي يمكن التنبؤ بها بالفعل لكل مُقرض".

تعمل عمليات فحص البيانات الوصفية للجوال حتى على هواتف Android منخفضة الجودة ، لكن سرعة الشبكة وتخزين الهاتف يمثلان تحديات ، حيث قد يفضل الأشخاص تثبيت تطبيقات الوسائط الاجتماعية على تلك التي يتم إقراضها. قال توتشي: "يمكن التغلب على هذا من خلال امتلاك موقع ويب سريع الاستجابة للجوال يشبه التطبيق ، لكنه لا يتطلب من العميل تنزيل أي شيء". على مواقع الويب للجوال ، يمكن لـ Credolab تحليل سرعة الكتابة والتمرير ، من بين 120 سلوكًا آخر ، والتي قد يحددها التعلم الآلي من عوامل الخطر الافتراضية للقرض.

في حين أن التحليل المستند إلى الويب مفيد في أوروبا ، حيث يتم تقديم طلبات القروض بشكل أساسي عبر الإنترنت ، فإن رحلة الإقراض الأفريقية تتجه نحو تطبيقات الأجهزة المحمولة. قال Phaure من شركة Deloitte أن النمو سيعتمد بالتالي على قابلية استخدام الأموال عبر الهاتف المحمول. وقال: "مع مرور الوقت ، نضيف خطوات إضافية تجعل المدفوعات عبر الهاتف المحمول غير مباشرة على الإطلاق". غالبًا ما تكون هناك حاجة إلى رموز مرور الهاتف وكلمات مرور التطبيقات المصرفية وعمليات التحقق عبر الرسائل القصيرة للتحقق من المعرفات. قال Phaure: "قريبًا سيكون من الأسهل الاتصال بشخص ما في البنوك" ، حيث حث على زيادة استخدام التعرف على الوجه.

تطبيقات التعلم الآلي

وفقًا لـ Tucci of Credolab ، فإن درجات الائتمان التي تقودها الآلات تنمو بشكل أسرع بين المقرضين المتنقلين مقارنة بالبنوك. قال: "أعتقد أن البنوك مرتاحة للطريقة التي تمارس بها أعمالها". "نرى بعض الطلب ، لكن ردود الفعل بطيئة للغاية."

كان لدى Credolab أول عميل أفريقي لها في عام 2018 - من جنوب إفريقيا - وتعمل التكنولوجيا المالية الآن مع بنكين في البلاد. في أماكن أخرى من إفريقيا ، يعمل فقط مع المقرضين المتنقلين. وتقول التكنولوجيا المالية إن تطبيقات البيانات الوصفية للهاتف المحمول تشمل ائتمان وقت البث على الهاتف المحمول ، وقروض النانو والقروض الشخصية ، وتمويل السيارات ، وقروض الدراجات. يستخدم أحد المقرضين الأفارقة أيضًا Credolab للحصول على قروض تصل إلى 10000 دولار للمؤسسات الصغيرة والمتوسطة الحجم ، بينما تشهد التكنولوجيا المالية نموًا قويًا في قسم "اشتر الآن ، وادفع لاحقًا".

قال Savitskiy و Bagus من McKinsey: "يمكن للذكاء الاصطناعي أيضًا المساعدة في تحديد أفضل الحدود لعميل معين. لقد رأينا مجموعة كاملة من القروض الصغرى وصولا إلى الرهون العقارية ".

مخاوف تتعلق بخصوصية البيانات

مع اعتماد نصف الحكومات الأفريقية فقط لقوانين حماية البيانات ، فإن مصدر القلق الكبير هو خصوصية البيانات. تشعر مجموعات الحملات ، مثل منظمة الخصوصية الدولية وغيرها ، بالقلق من أن البيانات السلوكية يمكن أن تتجاوز درجات الائتمان إلى المراقبة الجماعية وعشرات الائتمان الاجتماعي الشبيهة بـ Big Brother.

يقول Credolab إنه يجمع فقط البيانات الوصفية السلوكية - مثل عدد جهات الاتصال الجديدة التي تمت إضافتها الأسبوع الماضي ونسبة حركة الرسائل القصيرة الواردة إلى الرسائل الصادرة - ولا شيء شخصي مثل أسماء جهات الاتصال أو محتوى الصور والرسائل النصية القصيرة وملفات PDF.

قال توتشي: "نحن لسنا نوعًا من تقنية SDK المشبوهة التي تعمل على تجريف البيانات دون أن يعرفها العملاء" ، مضيفًا أن Credolab لن تعرف هوية مقدم الطلب ، مما قد يعزل المقرضين عن مخاطر السمعة في حالة انتهاك البيانات. تشجع Tucci أيضًا المُقرضين على تقديم إفصاح بارز حول جمع البيانات داخل واجهة مستخدم التطبيق بدلاً من إخفاء الشروط والأحكام في ارتباط تشعبي.

وقال واتارا من شركة Deloitte إن بعض شركات التكنولوجيا المالية المتخصصة في مخاطر الائتمان قد تستخدم واجهات برمجة تطبيقات من منصات موجودة خارج إفريقيا. "وهكذا ، تستخدم شركات التكنولوجيا المالية هذه البيانات الشخصية من عميل أفريقي في ولاية قضائية أخرى حيث ليس لدينا أي اتفاقية بشأن حماية البيانات أو السرية."

فوز للشمول المالي؟

تم وصف التصنيف الائتماني للذكاء الاصطناعي كوسيلة لتوفير الوصول إلى الائتمان لما يقدر بمليار شخص في جميع أنحاء العالم يفتقرون إلى تاريخ ائتماني. ولكن هل هو حقًا توسيع نطاق الوصول إلى الائتمان في إفريقيا؟

حذرت دراسة أجراها البرلمان الأوروبي حول أخلاقيات الذكاء الاصطناعي ، ونُشرت في مارس 2020 ، من أن التقييم الائتماني الذي تقوده الآلة لا يزال من صنع الإنسان ويمكن ببساطة أن يديم التحيزات. أعطت الدراسة مثالًا افتراضيًا لرفض الفرد للحصول على قرض وطريق للخروج من الفقر بعد أن يحدد التعلم الآلي جودة الملابس التي يشتريها ترتبط بالدخل وبالتالي الجدارة الائتمانية.

قال Creditinfo إن المقرضين الذين يستخدمون مقاييس بديلة يوسعون الائتمان للعملاء الذين لا يتعاملون مع البنوك في "خطوات صغيرة نسبيًا" ولكن نظام التصنيف الائتماني للذكاء الاصطناعي لا يزال في بدايته.

وبالمثل ، تفتقر Credolab إلى الوضوح بشأن الشمول المالي. لكن مقابل كل مليون طلب عولجت في إفريقيا ، تقول التكنولوجيا المالية إنه من المحتمل أن 200 ألف مقترض حصلوا على ائتمان ، 180 ألف منهم كانوا من المقترضين لأول مرة. لكن توتشي قالت إن قرارات القروض تقع في النهاية على عاتق المقرضين ، الذين ركزوا بشكل أساسي على أقوى المتقدمين خلال الوباء.

الخطوات التالية للتكنولوجيا

يرى Credolab في مصر والمغرب وغانا آفاق نمو ، لا سيما بين شركات الاتصالات التي تبيع الهواتف الذكية على أقساط شهرية ، وهو ما يتم حاليًا دون تسجيل ائتماني. تأمل شركة fintech في تعيين أول موظفي مبيعات لها في إفريقيا ، وربما في نيجيريا ، لقيادة الأعمال. تقوم Credolab أيضًا بتجربة تفاعلات واجهة المستخدم داخل تطبيقات الإقراض عبر الأجهزة المحمولة ، حيث تقوم على سبيل المثال بتحليل كيف وعدد مرات تعديل العميل لمدد ومبالغ القرض ، بالإضافة إلى الوقت الذي يقضيه في قراءة الشروط والأحكام.

قال بورودين من Credinfo: "لقد أثبتت كينيا ما هو ممكن" من خلال خدمة M-PESA من Safaricom. نحن نرى إمكانات في بلدان غرب إفريقيا حيث توجد أيضًا تقنيات مماثلة ومدفوعات عبر الهاتف المحمول ، لكنها لا تزال في طريقها إلى اللحاق بالركب ".

قال Savitskiy و Bagus من McKinsey: "تسمح هذه النماذج باتخاذ قرارات فورية بشأن الائتمان بطريقة آلية ، وغالبًا ما تزيل التحيزات المحتملة التي يقدمها الحكم البشري". إنهم يتوقعون أن يظل الاهتمام بائتمان الذكاء الاصطناعي والتعلم الآلي مرتفعًا مع نمو توافر البيانات وبدء المتبنين الأوائل للقطاع المصرفي في رؤية الفوائد.