فيتش: الذكاء الاصطناعي يساعد في تسهيل خدمات الإقراض ولكن مع وجود مخاطر

يتم نشر الذكاء الاصطناعي (AI) والتعلم الآلي (ML) بشكل متزايد في وظائف الائتمان والمخاطر في المؤسسات المالية ، والتي يتم تمكينها من خلال توفر أكبر للبيانات وقدرة حوسبة ميسورة التكلفة ، وفقًا لتصنيفات فيتش.

ويمكن للذكاء الاصطناعي / تعلم الآلة تحسين الكفاءة التشغيلية والنتائج التحليلية ، لكنه ينطوي على مخاطر اتخاذ القرارات والبيانات في "الصندوق الأسود" ، فضلاً عن أوجه القصور والتحيزات في البرمجة ، حسبما ذكرت وكالة التصنيف الأعلى في تقريرها ، "ما يريد المستثمرون معرفته: الذكاء الاصطناعي والمؤسسات المالية ".

ووفقًا لفيتش ، يمكن للتنظيم والحوكمة الداخلية المساعدة في تقليل هذه المخاطر.

وتستخدم المؤسسات المالية الأنظمة القائمة على الذكاء الاصطناعي والتعلم الآلي لتحسين النماذج التنبؤية في إدارة المخاطر التشغيلية ، بما في ذلك الكشف عن الاحتيال ، واختبار الإجهاد والتزويد ، بالإضافة إلى تطبيقات تقييم الائتمان ، مثل تسجيل درجات الائتمان للاكتتاب في القروض ومراقبة أداء الأصول الحالية.

ويتم إجراء إصلاحات تنظيمية لمعالجة قضايا موثوقية وشفافية الذكاء الاصطناعي. وقال البيان إن معايير الاكتتاب التي تنتجها نماذج الذكاء الاصطناعي قد تكون غامضة ، مما يجعل من الصعب فهم العوامل التي تدفع عملية صنع القرار.

وأضافت أن هذا يجعل من الصعب أيضًا مقارنة نتائج نموذج الذكاء الاصطناعي بالبيانات التاريخية في تحليلنا لمعاملات التمويل المهيكل.

ويمكن أن يؤدي استخدام الذكاء الاصطناعي / تعلم الآلة إلى جعل تحليل البيانات وتقييم مخاطر الائتمان أكثر كفاءة ، حيث يسمح بتحليل كميات كبيرة من البيانات بسرعة ، وقد يؤدي إلى اكتشاف شرائح أو أنماط مخاطر جديدة عن طريق التصفية من خلال المتغيرات للتنبؤات الهامة.

ويمكن للذكاء الاصطناعي / تعلم الآلة أيضًا توسيع توافر الائتمان لأولئك الذين يمكن قياس الجدارة الائتمانية باستخدام مقاييس غير تقليدية. من المرجح أن يستخدم المقرضون الأصغر الذكاء الاصطناعي لاتخاذ قرارات ائتمانية ، وربما للحصول على ميزة على المنافسين ، ويساعدهم الوصول إلى أنظمة إدارة الإقراض القائمة على السحابة.

وفقًا لفيتش ، تؤثر جودة وحجم البيانات المستخدمة لتدريب أنظمة الذكاء الاصطناعي / التعلم الآلي بشكل مباشر على الدقة التنبؤية لمعظم نماذج الذكاء الاصطناعي.

وأضافت أن البيانات الخاطئة أو المحدودة وانحياز المبرمجين يمكن أن يؤدي إلى نتائج خاطئة للذكاء الاصطناعي / تعلم الآلة ، مما يؤدي إلى ضعف جودة المنشأ ، أو تخفيف ممارسات الاكتتاب أو قرارات الائتمان التمييزية ، مع التداعيات المالية المحتملة على السمعة.