به گزارش اکوایران؛ افزایش تقاضا برای خرید اعتباری و توسعه سرویسهای مبتنی بر اعتبار، طی سالهای اخیر یک مسئله قدیمی را دوباره به مرکز توجه فعالان فینتک برگردانده است: تا چه اندازه میتوان به یک متقاضی اعتبار داد، بدون آنکه ریسک نکول از محدوده قابل قبول خارج شود؟
تکنووی در الکامپ ۱۴۰۵ تلاش کرده پاسخی متفاوت به این مسئله بدهد. این شرکت با رونمایی از «تراز»، مدلی را معرفی کرده که اعتبارسنجی را نه بر مبنای یک امتیاز ثابت برای هر فرد، بلکه بر پایه ریسک همان درخواست انجام میدهد.
در مدلهای متداول اعتبارسنجی، معمولاً یک رتبه یا امتیاز اعتباری به کاربر اختصاص پیدا میکند و بخش مهمی از تصمیمگیری بر اساس همین عدد صورت میگیرد. رویکرد تراز اما بر این فرض استوار است که داشتن یک رتبه مشابه الزاماً به معنای یکسان بودن ریسک دو درخواست نیست. مبلغ اعتبار درخواستی، سقف اعتبار و شرایط هر درخواست میتواند احتمال بازپرداخت یا نکول را تغییر دهد.
تراز با استفاده از روشهای آماری و یادگیری ماشین، احتمال نکول هر درخواست را برای سقفهای مختلف اعتبار برآورد میکند. برای مثال ممکن است ریسک اعطای ۱۰۰ میلیون تومان اعتبار به یک متقاضی، با ریسک اعطای ۵۰ میلیون تومان اعتبار به همان فرد تفاوت معناداری داشته باشد. در نتیجه تصمیم درباره میزان اعتبار، صرفاً از روی یک رتبه کلی گرفته نمیشود.
بر اساس سازوکار اعلامشده، خروجی مدل مستقیماً حکم تأیید یا رد درخواست را صادر نمیکند. تراز احتمال ریسک را برآورد میکند و سپس سیاست اعتباری تکنووی بر مبنای این ارزیابی درباره تأیید یا رد درخواست، سقف اعتبار و میزان تضمین مورد نیاز تصمیم میگیرد.
نداشتن سابقه اعتباری الزاماً به معنی رد درخواست نیست
یکی از بخشهای قابل توجه این مدل، نحوه مواجهه با افرادی است که سابقه اعتباری کافی ندارند. در بسیاری از مدلهای سنتی، نبود اطلاعات اعتباری میتواند دسترسی کاربر به اعتبار را دشوار کند؛ اما در تراز، این وضعیت بهتنهایی باعث رد خودکار درخواست نمیشود.
برای چنین کاربرانی امکان ورود به فرآیند ارزیابی تکمیلی در نظر گرفته شده تا اطلاعات بیشتری برای بررسی وضعیت متقاضی جمعآوری شود. تصمیم نهایی نیز بر اساس ریسک برآوردشده و سیاست اعتباری مجموعه اتخاذ میشود.
در صورت تأیید درخواست، مبلغ تضمین نیز متناسب با پروفایل ریسک کاربر تعیین خواهد شد. این مبلغ تا پایان دوره بازپرداخت در کیف پول کاربر مسدود میشود و پس از بازپرداخت کامل، آزاد خواهد شد. به این ترتیب میزان تضمین برای همه کاربران و همه درخواستها عدد ثابتی نیست و با سطح ریسک تغییر میکند.
رفتار کاربر میتواند شرایط اعتباری او را تغییر دهد
تراز پروفایل ریسک کاربران را یک وضعیت دائمی و تغییرناپذیر در نظر نمیگیرد. سابقه بازپرداخت کاربر در ارزیابیهای بعدی وارد میشود و رفتار اعتباری او میتواند مستقیماً روی شرایط دریافت اعتبار در آینده اثر بگذارد.
بازپرداخت کامل و بهموقع میتواند در ارزیابیهای بعدی به کاهش مبلغ تضمین یا افزایش سقف اعتبار منجر شود. در مقابل، عملکرد اعتباری نامناسب نیز میتواند شرایط دریافت اعتبار بعدی را تغییر دهد.
این ویژگی عملاً رابطه میان کاربر و ارائهدهنده اعتبار را از یک ارزیابی مقطعی خارج میکند و به یک فرآیند مستمر تبدیل میکند؛ فرآیندی که در آن شرایط اعتباری فرد میتواند متناسب با عملکرد واقعی او بهبود پیدا کند یا محدودتر شود.
الگوریتم تصمیمگیر نهایی نیست
یکی از موضوعات حساس در استفاده از هوش مصنوعی و مدلهای یادگیری ماشین در اعتبارسنجی، احتمال خطای الگوریتم است. تکنووی تأکید کرده است که خروجی تراز «برآورد احتمال نکول» است و نباید آن را یک داوری قطعی درباره افراد تلقی کرد.
عملکرد مدل بهصورت مستمر پایش میشود و با ورود دادههای جدید امکان بهبود و تنظیم مجدد آن وجود دارد. طبق اطلاعات منتشرشده، مدل از زمان رونمایی در الکامپ ۱۴۰۵ عملیاتی شده و با ورود دادههای جدید، بهصورت روزانه بازآموزی و بهروزرسانی میشود.
با این حال، تکنووی تاکنون شاخصهای کمی عملکرد تراز را منتشر نکرده و اعلام کرده ارائه اعداد مربوط به دقت و عملکرد مدل به تکمیل فرآیند ارزیابی و تأیید آن موکول شده است.
اعتبارسنجی دقیقتر بهجای یک عدد برای همه تصمیمها
تغییری که تکنووی با تراز دنبال میکند، بیش از آنکه صرفاً معرفی یک مدل جدید یادگیری ماشین باشد، تغییر واحد تصمیمگیری در اعتبارسنجی است؛ یعنی حرکت از «امتیاز فرد» به سمت «ریسک درخواست».
در چنین ساختاری ممکن است یک کاربر برای یک مبلغ مشخص شرایط مناسبی داشته باشد، اما افزایش سقف اعتبار، ریسک درخواست او را به شکل محسوسی تغییر دهد. از سوی دیگر، کاربری که سابقه اعتباری محدودی دارد نیز الزاماً از چرخه دریافت اعتبار حذف نمیشود.
هدف نهایی این رویکرد ایجاد تعادل میان دو نیاز متضاد بازار اعتبار است: گسترش دسترسی کاربران به اعتبار و کنترل ریسک نکول. موفقیت این مدل اما در نهایت به دادههای عملکرد واقعی آن وابسته خواهد بود؛ دادههایی که انتشارشان میتواند تصویر دقیقتری از میزان اثربخشی رویکرد ریسکمحور تراز ارائه کند.
