Sind Sie vertrauenswürdig? Diese Frage stellen sich Banken und Finanzdienstleister, wenn sie entscheiden, wer für einen Kredit, eine Kreditkarte, eine Hypothek usw. in Frage kommt. Selbst im Zeitalter der künstlichen Intelligenz (KI) gibt es immer noch Schlupflöcher im System. Dieser Artikel befasst sich mit der traditionellen Kreditwürdigkeitsprüfung, mit der Frage, wer gefährdet ist, mit der Nutzung der "Unbanked" und mit der Frage, wie KI für oder gegen positive Veränderungen im Kreditverweigerungsprozess wirken kann.
Die Logik des Kreditscores
In den 1950er Jahren entwickelten zwei Männer namens Bill Fair und Earl Isaac ein automatisches Scoring-System, das schließlich zum FICO Punktzahl wurde. Mit der Zeit wurde ein Regulierungsbedarf deutlich, da immer mehr Banken das Scoring-System übernahmen. Der Fair Credit Reporting Actder 1970 verabschiedet wurde, schuf ein reguliertes System, das regelt, welche Daten gesammelt werden, welche Daten wie lange gemeldet werden dürfen und wie die Verbraucher Kopien ihrer Kreditberichte erhalten können.
Seit Jahren spielen traditionelle Scorecards, lineare Modelle, Entscheidungsbäume und der FICO-Score eine wichtige Rolle bei der Entscheidung, wer sich für verschiedene Kreditlinien qualifizieren kann und wer nicht. Obwohl sie nicht den gesamten Lebenslauf eines Antragstellers wiedergeben, werden sie immer noch verwendet von 90% der größten Kreditgeber in Amerika.
Wenn Ihnen ein Kredit verweigert wird, ist der Kreditgeber nach Bundesrecht verpflichtet, Ihnen die Gründe dafür mitzuteilen. Dies ist in mehrfacher Hinsicht eine vernünftige Regelung. Erstens erhält der Verbraucher dadurch die notwendigen Informationen, um seine Chancen auf einen künftigen Kredit zu verbessern. Zweitens wird eine Aufzeichnung der Entscheidung erstellt, die (im Idealfall) dazu beiträgt, illegale Diskriminierung zu verhindern. Da der Wunsch, aus den Nicht-Bankkunden Kapital zu schlagen - was American Banker definiert als Menschen mit eingeschränktem Zugang zu Krediten - wächst, wenden sich immer mehr Banken der Technologie zu, um das Spiel zu verändern. Eine Möglichkeit für Finanzdienstleister, die Kreditverweigerung neu zu überdenken, ist der Einsatz von künstliche Intelligenz.
Feststellen, wer würdig ist
An Efma Bericht zufolge glauben 58 % der Bankanbieter, dass KI einen erheblichen Einfluss auf die Fintech-Branche haben wird. Heute nutzen Kreditgeber maschinelle Lernalgorithmen, um große und kleine Probleme zu lösen, indem sie manuelle Prozesse einfacher, genauer, schneller und kostengünstiger machen.
Es gibt eine wachsende Zahl von Start-ups, wie CredoLabdie sich auf die Verwendung alternativer Scoring-Modelle zur Vorhersage der Vertrauenswürdigkeit von Kreditnehmern konzentrieren. Veraltete Scoring-Modelle wie der FICO-Score stützen sich bei der Entscheidungsfindung auf eine begrenzte Menge an Daten und lassen Millionen von Amerikanern im Kreditvergabezyklus außen vor. Für diejenigen, die in den höheren 500er- und niedrigeren 600er-Bereichen liegen, oder für alle anderen Kreditnehmer, die an der Schwelle zu den Grenzwerten stehen, können diese alternativen Modelle eine große Hilfe sein.
Was hält also mehr Kreditgeber davon ab, diese Art von alternativen Modellen einzuführen? Für einige ist es eine Kombination aus veralteter Software, dem Widerstand des Marktes und der Führungsebene gegen Veränderungen sowie regulatorischen Anforderungen, die einen größeren Fortschritt erschweren. Diese Herausforderungen bestehen trotz der Nachfrage auf dem volatilen Finanzmarkt, der die Banken unter Druck setzt, die Kundenanforderungen ungeachtet der bestehenden Hindernisse zu erfüllen. Aufkommende Technologien wie maschinelles Lernen, natürliche Sprachverarbeitung (NLP) und Automatisierung sind die Mittel, mit denen sich die Finanzbranche an die Marktveränderungen anpasst, zusammen mit der wachsenden Notwendigkeit, diejenigen zu bedienen, die bisher als "nicht kreditwürdig" galten.
Andererseits vermuten viele Experten, dass die Banken nicht bereit sind, ihre Scoring-Modelle zu ändern, da dies nicht in ihrem Interesse wäre. Nach Angaben von Slatestützen sich sowohl Banken als auch Kreditbüros auf die von den Verbrauchern gesammelten Daten, um ihre eigenen Scoring-Modelle zu erstellen und interne Risikobewertungen gegen Verbraucher zu erstellen, die als "kreditunwürdig" eingestuft werden. Dies stellt nicht nur für den Verbraucher, sondern auch für die Integrität des Bankensektors ein erhebliches Risiko dar.
AI: Ein brauchbarer Ersatz
Es ist allgemein bekannt, dass Technologie neutral ist. Es kommt darauf an, was wir mit der Technologie anstellen, was gut oder schlecht sein kann. Im Zeitalter der künstlichen Intelligenz (KI) werden erweiterte Agenten wie Chatbots, virtuelle Assistenten, Roboter und andere Automatisierungen immer mehr in unser Leben integriert. Daten sind heute eine Währung. Für Kreditscoring-Modelle ist das eine große Neuigkeit.
Die CEO von ZestFinance argumentierte kürzlich: "Alle Daten sind Kreditdaten". Für diejenigen, die sich für einen Kredit qualifizieren wollen, scheint es vielversprechend, Hilfe außerhalb der veralteten Modelle zu suchen. Unternehmen wie Lenddomit Sitz in Singapur, ist eines der wenigen Start-ups, die alternative Datenpunkte für die Kreditwürdigkeitsprüfung nutzen. Es überprüft Verhaltensmerkmale und Smartphone-Gewohnheiten, um Modelle für die Kreditwürdigkeit von Verbrauchern in Schwellenländern zu erstellen, in denen es kaum Standard-Kreditauskünfte gibt.
"Das Potenzial dieser Technologie ist enorm", sagte Arjuna Costa gegenüber MarketWatchEr ist Partner beim Omidyar Network, das von dem Milliardär und Unternehmer Pierre Omidyar gegründet wurde.
Es scheint alles eitel Sonnenschein zu sein, bis Forscher die Risiken der KI herausgefunden haben. Genau wie bei den Datenschutzskandalen von Google und Amazon im Zusammenhang mit Verbraucherdaten erweisen sich die Algorithmen in Kreditbewertungsmodellen als denselben Fehlern zum Opfer fallen die bei historischen Scoring-Methoden gemacht wurden.
Woher kommt die Verzerrung durch KI? Modelle für maschinelles Lernen werden ausschließlich für die vom Nutzer definierte Genauigkeit entwickelt und trainiert, nicht für Fairness. Es geht nur um Daten und Zahlen. KI ist nicht voreingenommen; KI deckt lediglich auf, welche voreingenommenen Einstellungen bereits bestehen. Nur wenn die Mehrheit Produkte für alle entwirft, ohne an Fairness zu denken, bleibt die KI hinter ihrem Transformationspotenzial zurück.
Die Zukunft der Kreditvergabe
Kreditgeber haben heute die Möglichkeit, mehr Daten als je zuvor über ihre Kunden zu sammeln. Dazu gehören neben soziodemografischen Daten auch Transaktionsdaten, Datensätze von Kreditbüros, sozialen Medien, Google Analytics und mehr. Im Zeitalter der KI hat die künstliche Intelligenz das Potenzial, die zu verändern. Die künstliche Intelligenz hat im Zeitalter der KI das Potenzial, die Kreditwürdigkeitsprüfung zu verändern, birgt aber auch eine Reihe von Risiken, wenn sie nicht mit Bedacht eingesetzt wird.
Die Entwickler müssen bei der Erstellung eines Modells darauf achten, dass es keine menschlichen Prozesse wiederholt, die in der Vergangenheit eine Quelle von Verzerrungen waren. Die Ethik muss von Anfang an berücksichtigt werden, um ein faires Modell für die Zukunft zu entwickeln. Es handelt sich um eine Grauzone, an der die Technologen für die Zukunft noch arbeiten.
Zweifellos können Algorithmen und Automatisierungstools bei der Risikobewertung und -minderung effektiver sein als manuelle Arbeit. Am wichtigsten ist jedoch, dass die Verantwortung für die Schaffung und ethische Bewertung von Risiken eine Gruppenleistung ist. Politische Entscheidungsträger, Banken, Technologen und Verbraucher müssen zusammenarbeiten, um Richtlinien, Produkte und Prozesse zu entwickeln, die die Integrität des Finanzsystems wahren.
Ziehen Sie eine automatisierte Kreditlösung für Ihr Unternehmen in Betracht? Erfahren Sie mehr darüber, wie wir Banken mit unserer preisgekrönten Lösung zur Automatisierung von Arbeitsabläufen dabei helfen, Risiken zu minimieren und außergewöhnlichen Kundenservice zu bieten, unter www.processmaker.com.
Über ProcessMaker
ProcessMaker ist eine low-code Geschäftsprozessmanagement- und Workflow-Software. ProcessMaker erleichtert die Zusammenarbeit von Business-Analysten mit der IT-Abteilung, um komplexe Geschäftsprozesse zu automatisieren, die Menschen und bestehende Unternehmenssysteme miteinander verbinden. ProcessMaker hat seinen Hauptsitz in Durham, North Carolina in den Vereinigten Staaten und verfügt über ein Partnernetzwerk in 35 Ländern auf fünf Kontinenten. Hunderte von Geschäftskunden, darunter viele Fortune-100-Unternehmen, verlassen sich auf ProcessMaker, wenn es darum geht, ihre Kerngeschäftsprozesse digital zu transformieren, um schnellere Entscheidungen zu treffen, die Einhaltung von Vorschriften zu verbessern und die Leistung zu steigern.
