Êtes-vous digne de confiance ? C'est une question que les banques et les services financiers posent lorsqu'ils déterminent qui peut bénéficier d'un prêt, d'une carte de crédit, d'une hypothèque, etc. Même à l'ère de l'intelligence artificielle (IA), nous constatons encore des failles dans le système. Même à l'ère de l'intelligence artificielle (IA), nous constatons encore des lacunes dans le système. Cet article explore le score de crédit traditionnel, les personnes à risque, la capitalisation des "non bancarisés" et la manière dont l'IA peut travailler pour ou contre un changement positif dans le processus de refus de crédit.
La logique de la cote de crédit
Dans les années 1950, deux hommes nommés Bill Fair et Earl Isaac ont créé un système de notation automatisé qui a fini par devenir le FICO score. Au fil du temps, la nécessité d'une réglementation est apparue au fur et à mesure que les banques adoptaient le système de notation. Le site Loi sur les rapports de crédit équitablesLa loi sur la protection des consommateurs, adoptée en 1970, a créé un système réglementé dans le cadre duquel des données étaient collectées, ce qui pouvait être signalé, pendant combien de temps et comment les consommateurs pouvaient obtenir des copies de leurs rapports de crédit.
Depuis des années, les cartes de pointage traditionnelles, les modèles linéaires, les arbres de décision et le score FICO jouent un rôle important dans la détermination des personnes qui peuvent ou non se qualifier pour les différentes lignes de crédit. Bien qu'ils ne permettent pas de connaître l'historique complet d'un demandeur, ils sont toujours utilisés par 90% des principaux prêteurs en Amérique.
Lorsqu'un crédit vous est refusé, la loi fédérale exige que le prêteur vous dise pourquoi. C'est une politique raisonnable sur plusieurs fronts. Premièrement, elle fournit au consommateur les informations nécessaires pour essayer d'améliorer ses chances de recevoir un crédit à l'avenir. Deuxièmement, elle crée un registre des décisions pour (idéalement) contribuer à la lutte contre la discrimination illégale. Comme le désir de tirer profit des personnes non bancarisées - ce que Banquier américain définis comme étant ceux qui ont un accès limité au crédit - se développe, de plus en plus de banques se tournent vers la technologie pour changer la donne. Les services financiers repensent notamment le refus de crédit en utilisant l'intelligence artificielle.
Déterminer qui est digne
Un Efma a révélé que 58% des fournisseurs bancaires pensent que l'IA aura un impact significatif sur l'industrie finlandaise. Aujourd'hui, les prêteurs utilisent des algorithmes d'apprentissage automatique pour résoudre les problèmes, petits et grands, en rendant les processus manuels plus simples, plus précis, plus rapides et moins coûteux.
Il existe un nombre croissant de startups, comme CredoLabLa Commission européenne s'est penchée sur l'utilisation de modèles de notation alternatifs pour prédire la fiabilité des emprunteurs. Des modèles de notation dépassés comme le score FICO reposent sur une quantité limitée de données dans le processus décisionnel, laissant des millions d'Américains en dehors du cycle de vie des prêts. Pour ceux qui se situent dans les 500 premières et les 600 premières places ou pour tout autre emprunteur à l'approche des seuils, ces modèles alternatifs peuvent être d'une grande aide.
Qu'est-ce qui empêche les prêteurs d'adopter ce type de modèles alternatifs ? Pour certains, c'est une combinaison de logiciels hérités, de la résistance au changement du marché et des suites C, ainsi que des exigences réglementaires qui ralentissent les progrès majeurs. Ces difficultés existent malgré les exigences du marché financier volatile, ce qui met la pression sur les banques pour qu'elles répondent aux demandes des clients, quels que soient les obstacles en place. Les technologies émergentes telles que l'apprentissage automatique, le traitement du langage naturel (TLN) et automatisation sont la façon dont le secteur financier s'adapte aux changements du marché, ainsi que le besoin croissant de servir ceux qui étaient auparavant considérés comme "non solvables".
D'autre part, de nombreux experts spéculent sur le fait que les banques ne sont pas prêtes à modifier leurs modèles de notation en se basant sur le fait que cela ne serait pas dans leur intérêt. D'après SlateLes banques et les bureaux de crédit s'appuient sur les données recueillies auprès des consommateurs pour produire leurs propres modèles de notation, créant des scores de risque internes contre les consommateurs jugés "indignes" d'une augmentation du crédit. Cela représente un risque important non seulement pour le consommateur mais aussi pour l'intégrité du secteur bancaire.
AI : un remplacement viable
Il est généralement bien connu que la technologie est neutre. C'est ce que nous choisissons de faire avec la technologie qui peut être bon ou mauvais. À l'ère de l'IA, des agents améliorés comme les chatbots, les assistants virtuels, les robots et autres automatismes sont de plus en plus intégrés dans notre vie quotidienne. Aujourd'hui, les données sont une monnaie d'échange. Pour les modèles de notation de crédit, c'est une grande nouvelle.
Le PDG de ZestFinance a récemment affirmé : "Toutes les données sont des données de crédit". Pour ceux qui cherchent à obtenir des prêts, la recherche d'une aide en dehors des modèles dépassés semble prometteuse. Les entreprises comme LenddoLa société Omidyar, basée à Singapour, est l'une des rares start-ups à utiliser des points de données alternatifs pour la notation des crédits. Elle examine les caractéristiques comportementales et les habitudes des smartphones pour construire des modèles de solvabilité pour les consommateurs des marchés émergents, où les rapports de crédit standard existent à peine.
"Le potentiel de cette technologie est énorme", a déclaré Arjuna Costa à MarketWatch, partenaire du réseau Omidyar, qui a été fondé par l'entrepreneur milliardaire Pierre Omidyar.
On dirait du soleil et des arcs-en-ciel jusqu'à ce que les chercheurs aient découvert les risques de l'IA. Tout comme les scandales de Google et d'Amazon concernant les données des consommateurs, les algorithmes des modèles de notation de crédit s'avèrent sont la proie des mêmes erreurs fait selon des méthodes de notation historiques.
D'où vient la partialité de l'IA ? Les modèles d'apprentissage machine sont conçus et formés uniquement pour la précision telle que définie par l'utilisateur, et non pour l'équité. Il s'agit de données et de chiffres. L'IA n'est pas biaisée ; l'IA révèle simplement les attitudes biaisées qui existent déjà. Ce n'est que lorsque la majorité conçoit des produits pour tout le monde, sans souci d'équité, que l'IA n'atteint pas son potentiel de transformation.
L'avenir des prêts
Aujourd'hui, les prêteurs ont la possibilité de collecter plus de données que jamais sur leurs clients. Outre les données sociodémographiques, il s'agit de données transactionnelles, de dossiers provenant des bureaux de crédit, des médias sociaux, de Google Analytics, etc. À l'ère de l'IA, l'intelligence artificielle a le potentiel de transformer Le modèle éthique est un jeu d'évaluation du crédit, mais il comporte aussi ses propres risques si l'on ne tient pas compte de l'état d'esprit.
Les développeurs doivent veiller, lorsqu'ils construisent un modèle, à ne pas répéter des processus humains qui ont été historiquement une source de partialité. L'éthique doit être prise en compte dès le départ pour construire un modèle équitable qui aille de l'avant. C'est une zone grise sur laquelle les technologues travaillent encore pour l'avenir.
Il ne fait aucun doute que les algorithmes et les outils d'automatisation peuvent aider à évaluer et à atténuer les risques plus efficacement que le travail manuel. Plus important encore, la responsabilité de créer et d'évaluer les risques de manière éthique est un effort collectif. Les décideurs politiques, les banques, les technologues et les consommateurs devront travailler ensemble pour créer des politiques, des produits et des processus qui maintiennent l'intégrité du système financier.
Vous envisagez une solution de prêt automatisée pour votre entreprise ? Pour en savoir plus sur la manière dont nous aidons les banques à réduire les risques et à fournir un service à la clientèle exceptionnel grâce à notre solution primée d'automatisation des flux de travail, consultez le site www.processmaker.com.
À propos de ProcessMaker
ProcessMaker est un logiciel de gestion des processus commerciaux et de flux de travail à faible code. ProcessMaker permet aux analystes commerciaux de collaborer facilement avec l'informatique pour automatiser des processus commerciaux complexes reliant les personnes et les systèmes existants de l'entreprise. Basé à Durham, en Caroline du Nord, aux États-Unis, ProcessMaker dispose d'un réseau de partenaires répartis dans 35 pays sur les cinq continents. Des centaines de clients commerciaux, dont de nombreuses entreprises du classement Fortune 100, font confiance à ProcessMaker pour transformer numériquement leurs processus commerciaux de base, ce qui leur permet de prendre des décisions plus rapidement, d'améliorer leur conformité et d'accroître leurs performances.
