عملية تقييم الائتمان المدعومة بالذكاء الاصطناعي الوكولي: مخطط استراتيجي

_بهوشان جوشي، دكتور ماناس باندا، راجا باسو

اكتشف أهم أخبار وفعاليات التكنولوجيا المالية!

اشترك في النشرة الإخبارية لـ FinTech Weekly

قراءة من قبل التنفيذيين في جي بي مورغان، كوين بيس، بلاك روك، كلارنا والمزيد

يشهد قطاع الخدمات المالية تحولًا جذريًا مع إعادة تعريف أنظمة الذكاء الاصطناعي التوليدي (GenAI) والذكاء الاصطناعي الوكيل، حيث يُعد قرار الائتمان أحد الأمثلة على ذلك. تتبنى البنوك الآن أنظمة مدفوعة بالذكاء الاصطناعي تعزز الدقة التنبئية مع أتمتة سير العمل المعقدة في الوقت ذاته. تستعرض هذه المقالة كيف يمكن نشر الذكاء الاصطناعي التوليدي والوكيل بشكل استراتيجي في عملية تقييم الائتمان، مما يحسن بشكل كبير من مستوى الكفاءة والأتمتة، مع معالجة قضايا الحوكمة والمخاطر والامتثال.

ميزة الذكاء الاصطناعي التوليدي: إثراء البيانات الذكي

البيانات هي روح تقييم الائتمان. تقوم البنوك والمؤسسات المالية بتقييم وتحليل كميات هائلة من البيانات باستخدام نماذج لوجستية وقياسية. مع ظهور الذكاء الاصطناعي التوليدي، قفزت هذه العملية بشكل كبير، حيث توفر نماذج الذكاء الاصطناعي التوليدي القدرة على تقييم البيانات غير المنظمة، وتوليد رؤى قيمة. كما أن توليد البيانات الاصطناعية لمحاكاة السيناريوهات مسبقًا هو تغيير رئيسي آخر في عملية التقييم.

تتفوق نماذج الذكاء الاصطناعي التوليدي في تحليل المعلومات غير المنظمة وتحويلها إلى بيانات منظمة. تتيح هذه القدرة استخراج سمات رئيسية مثل استمرارية الدخل، تناقضات المدفوعات، بيانات التوظيف، الإنفاق الاختياري، وغيرها، والتي يمكن أن توفر رؤى حاسمة في تقييم الاكتتاب.

كما أن توليد البيانات الاصطناعية هو من قدرات نماذج الذكاء الاصطناعي التوليدي، والتي يمكن الاستفادة منها لأغراض النمذجة والتحقق القوي. يمكن أن يساعد ذلك في تقليل ندرة البيانات في الحالات الحدية. يمكن استخدام نماذج الذكاء الاصطناعي لتعريف السيناريوهات الحديّة، وإضافة معايير أكثر دقة مثل احتياطيات السيولة، تقلب الدخل، وغيرها، ويمكن التحقق من صحتها باستخدام البيانات الاصطناعية. تعزز هذه البيانات التي تحافظ على الخصوصية من تعميم النموذج ومرونته تجاه المخاطر النادرة.

يمكن لأنظمة الذكاء الاصطناعي التوليدي متعددة الوسائط أن تكشف عن التناقضات، مثل عدم التطابق بين الدخل المعلن، سجلات الضرائب، كشوف الحسابات البنكية، وغيرها، من خلال المقارنة والمقابلة. يمكن تسريع هذه الأنشطة اليدوية التي تستغرق وقتًا طويلاً مع تحسين الامتثال، والكشف عن الثغرات، وتحسين سلامة البيانات.

الذكاء الاصطناعي الوكيل: تنظيم سير العمل الذاتي

بينما تسهل أنظمة الذكاء الاصطناعي التوليدي متعددة الوسائط سلامة البيانات، وتخلق وتتحقق من السيناريوهات القصوى، يقود الذكاء الاصطناعي الوكيل سير العمل بشكل مستقل.

طوّر الذكاء الاصطناعي الوكيل عملية التقييم من خلال اتخاذ قرارات مستقلة للمهام المنفصلة. يتكون شبكة الذكاء الاصطناعي الوكيل من عدة وكلاء خبراء، قادرين على تنفيذ مهام متعددة بشكل متزامن. يمكن أن تشمل التحقق من الهوية، استرجاع المستندات والتحقق منها، تقييم المقاييس، التحقق من البيانات الخارجية، فحوصات مكاتب الائتمان، التحليل النفسي، وغيرها. يعمل كل وكيل بأهداف محددة، ومعايير نجاح، وبروتوكولات تصعيد، مما يجعل العملية أسرع وأكثر دقة.

يفرض هذا الشبكة الوكيل منطق العمل، ويستدعي نماذج التنبؤ، ويوجه الطلبات استنادًا إلى حدود الثقة، مما يتيح أتمتة سير العمل بشكل ديناميكي. على سبيل المثال، يتم تصعيد القرارات ذات الثقة المنخفضة أو الحالات المشبوهة تلقائيًا إلى المقيمين البشريين مع إرسال تنبيهات عبر أنظمة الرسائل للعمل عليها. في الوقت ذاته، يمكن لأنظمة الوكيل أن تراقب الطلبات بشكل استباقي، وتكتشف التناقضات، وتبدأ آليات التصحيح. وإذا كان ملف الائتمان لمقدم الطلب في منطقة رمادية، يمكن أن يطلق تلقائيًا مراجعة ثانوية أو يطلب مستندات إضافية أو يضمّن عنصر بشري في العملية.

مثال على ذلك: نفذت أحد البنوك العالمية الكبرى مؤخرًا عملية إدارة حالات آلية بالكامل من خلال رسائل البريد الإلكتروني للعملاء — تسجيل الحالات، استدعاء سير العمل، تتبع الحالة والتواصل — مما قلل الجهد ووقت المعالجة إلى النصف.

بالإضافة إلى ذلك، تتيح قدرات معالجة اللغة الطبيعية (NLP) للوكلاء التفاعل مع المتقدمين في الوقت الحقيقي، وتوضيح الغموض، وجمع البيانات المفقودة، وتلخيص الخطوات التالية — بعدة لغات ومع دعم الصوت حسب الحاجة. يقلل ذلك من الاحتكاك ويزيد من معدلات الإنجاز، خاصة مع الشرائح العملاء المترددين والمحرومين من الخدمات.

الهندسة المختلطة: موازنة الدقة وقابلية التفسير

تصمم تقنيات الذكاء الاصطناعي التوليدي والوكيل تدفقات العمليات والهياكل — مع تحسين الكفاءة مع موازنة دقة وشفافية النتائج.
تعزز الهندسة المختلطة التي تجمع بين الذكاء الاصطناعي الوكيل ونماذج الذكاء الاصطناعي التوليدي القدرة التنبئية مع بيانات أكثر غنى وشفافية تنظيمية محسنة. كما أن الجمع بين وكلاء الذكاء الاصطناعي يزيد من الصلابة وقدرات التنفيذ الآلي السلس.

بينما يمكن للذكاء الاصطناعي التوليدي أن يولد تفسيرات مضادة للواقع — سيناريوهات “ماذا لو” توضح كيف يمكن للمقدمين تحسين أهليتهم للقرض، يمكن للأنظمة الوكيل جمع بيانات النتائج، وتنظيم الحالات الحدية، وبدء دورات إعادة التدريب. تحسن عملية التعلم الذاتي التكيفية مع مجموعات البيانات النظيفة والسيناريوهات الحدية المعقولة من دقة تقييم أهلية القروض للعملاء.

الدعوة للعمل: بناء أنظمة ذكاء اصطناعي موثوقة لتقييم أكثر دقة

تقييم أهلية القروض عملية معقدة تؤثر على تجربة العميل والعلاقة التجارية طويلة الأمد. بعض التوصيات الرئيسية عند إعادة تصميم التدفق هي: أ) بنية ذات حلقة بشرية لتحسين عملية اتخاذ القرار بشكل عام مع إمكانية التتبع والشرح، ب) تحديد وربط نتائج القرارات بالميزات المرتبطة لمعالجة قضايا التفسير ونتائج التدقيق، ج) تنفيذ قواعد حماية الذكاء الاصطناعي المسؤولة، وضوابط التشغيل مثل التحكم في الوصول بناءً على الدور، ومصفوفة التصعيد، وغيرها، لتعزيز مرونة العملية.

الخلاصة

تصل عملية اتخاذ قرار الائتمان إلى نقطة تحول مع إعادة تعريف أنظمة الذكاء الاصطناعي التوليدي والوكيل لسيناريوهات سير العمل — مما يجعل نظام الإقراض أكثر كفاءة ومرونة. المؤسسات المالية التي تستثمر في تصميم مدروس، وحوكمة صارمة، ونماذج بيانات قوية، وأتمتة حالات الاستخدام عالية المخاطر ستقود العصر القادم من التقييم الذكي.