人工智能和普惠金融：智能算法如何改变信贷获取方式：作者：Nimit Bhardwaj

普惠金融保证个人或企业获得有用且负担得起的金融服务。这对于支持世界各地的经济至关重要。尽管至关重要，但提供信贷的传统框架忽略了相当一部分人口，特别是生活在经济边缘化地区的人口，因为他们缺乏结构合理的信用记录。世界银行 估计表明来自世界不同国家的超过 20 亿成年人仍然无法获得银行服务，这反过来又加剧了对贫困的依赖并减缓了经济增长。在这里，人工智能被证明是能够解决这些问题的非常强大的补救措施。智能算法和替代数据源是人工智能驱动的模型，与金融机构和金融科技相结合，为过去访问权限有限或根本无法访问的群体提供信贷。

本文评估了人工智能如何改变人们获得信贷的方式、其好处、缺点以及使其在实践中发挥作用的方法。

人工智能支持迈向金融平等

最后一对
年以人工智能为核心组成部分的信用评估和供应系统激增。特别是在新兴经济体，缺乏信用记录历来使大量个人处于不利地位。支持人工智能的解决方案已成为传统评分方法的智能替代方案，这进一步强化了让更多人参与经济活动领域的商业案例。

人工智能在信用系统重组中的作用

得益于人工智能提供的创意，金融组织现在正在以以前不可能的方式评估和分散信贷。这些基于人工智能的模型正在迅速变化，极大地提高了以前信贷不足的人群获得信贷的潜力。

使用非传统数据的替代信用评分

大多数传统的信用评分严重依赖于银行对账单、信用卡和贷款支付历史等财务历史数据。缺乏此类信息意味着没有信用记录的个人无法获得所需的认可。信用评分也通过人工智能进行，旨在借助替代数据源提供解决方案：

• 手机的使用：可以采用的一种替代非常规数据源包括通话和短信记录，它们可作为确定个人潜在信用可靠性的一种手段。例如，在移动分析的帮助下，Tala 公司能够通过借款人在手机上交谈的方式来评估他们的可信度。

• 及时支付公用事业费用：对于某个群体及时支付水电费（电、水甚至互联网）和信用可以提高他们的分数。通过这种方法，这些人能够表现出他们在正常银行环境中不会有任何有意义的业务的人身上的可靠行为。

• 社交网络上的帖子：一种新兴的做法是使用社交网络应用程序的行为数据来确定个人的可靠性。通过这种方法，由于社交网络允许通过通信来估计可信度，因此确定欺诈的可能性变得很容易。

这些数据点使信用收集更加全面和包容。本来会被信贷市场拒之门外的潜在借款人现在可以因为他们的行为趋势而获得贷款。

用于评估风险和检测欺诈的机器学习模型

人工智能模型可以比传统模型更好地确定风险。机器学习的普及促进了对广泛的结构化和非结构化数据集的分析，这为贷方提供了新的解决方案，可以更好地估计借款人的还款额。

• 风险评估：基于前面的观点，人工智能模型能够识别数据中的模式，这是传统模型无法做到的。例如，
  热情人工智能 机器学习算法使用传统评分系统无法做到的更广泛的数据点来评估借款人。因此，这可以更准确地预测借款人违约的可能性。

• 欺诈检测：机器学习模型再次可以通过实时识别异常行为模式来协助欺诈检测。此类技术还可以帮助金融机构减少欺诈性索赔并增强安全性。

人工智能让信贷变得更容易获得的现实例子

有相当多的金融科技组织和一般银行机构已经在利用人工智能技术为无银行账户的人提供信贷服务：

• 塔拉：在肯尼亚和菲律宾，Tala 通过其手机第一平台创建了有效的小额信贷投资组合。为了评估信用度，Tala 考虑了许多非标准数据源，例如没有传统信用渠道记录的电话模式。

• 基瓦：Kiva 部署人工智能来匹配愿意向多个领域的借款人提供资金的贷款人，这些借款人通过基于互联网的应用程序为有需要的人寻求无差异经济。他们的平台运行在人工智能上，可以分析贷款请求和借款人的资料，从而根据借款人的还款能力简化贷款。

• 热情人工智能: 这家公司
  提供 机器学习解决方案用于分析偿还贷款的替代数据以评估信用风险。通过使用机器学习和其他建模流程协助银行创建模型和信用风险分析，Zest AI 扩大了可以在银行贷款的受众。

这些实例表明人工智能如何扩大信贷供应，并帮助这些迄今为止被忽视和排斥的社区实现金融包容性。

人工智能在普惠金融领域的优势

将人工智能融入金融服务有一定的好处，可以改善贫困社区的信贷可及性。

速度和可扩展性

人工智能的一个值得注意的方面是能够在相对较短的时间内分析大量信息和数据：

• 贷款审批：人工智能的自动化功能之一是加快决策过程。例如，像 Tala 这样的企业可以在几分钟内提供贷款，而银行通常需要几天或几周才能批准此类申请。

• 可扩展性：人工智能可以并行处理数百万个数据条目。这种大规模的人工智能有利于向银行基础设施不发达的城市以外的农村人口提供金融服务。

减少偏差

对信用评分的传统依赖通常会导致社会群体被删除，因为他们的社会经济地位或社会结构与某些数据集相关联：

• 更公平的信用评估：通过考虑非传统数据，人工智能建立了一个评估系统，保护个人免受基于性别、年龄和社会经济地位的歧视。

个性化贷款产品

人工智能可以实现针对不同细分市场的个性化贷款产品：

• 定制贷款还款计划：除了风险建模之外，金融机构还可以根据元界借款人的现状推荐还款方案。这增加了还款的机会，同时最大限度地减少了违约率。

挑战和道德问题

未来趋势和建议

人工智能将极大地提高金融知识和包容性，特别是在边缘化和被忽视的人群中。帮助完成贷款和教育投资等任务的人工智能工具可以帮助揭开借贷策略概念等方面的神秘面纱。研究表明，人工智能设备将恢复低金融地区进行智能金融选择的能力，这些设备可以帮助提高该地区的金融素养率 20%
2030年之内。例如，非集中式借贷系统可以通过区块链的帮助促进安全的人工智能支持的交易来建立信任。

联邦学习通过协作训练来帮助模型改进而不暴露用户，这在很大程度上解决了世界许多地区数据保护法带来的问题。这是 估计的在数据限制严重的地区，联邦学习可能会将人工智能的广泛接受度提高 15% 以上。对于致力于建立采用基于人工智能的工具的替代贷款机构的公司来说，拥有大量数据集至关重要。 根据一个 最近学习人工智能工具具有广泛的针对性和包容性，能够通过增加目标受众获得贷款的可能性来解决目标受众的财务差距，使他们能够获得负担得起的金融服务。此外，在不断变化的金融格局中，公平性和适应性的首要地位也需要在未来几天强调透明度和指导。

最后的想法……

人工智能为扩大金融包容性开辟了以前未开发的途径，确保有更好的方法来评估个人的信用风险，同时提供针对特定个人需求开发的利基金融产品，前提是在道德范围内使用适当的技术进行全面分析。就贷款行业而言！尽管存在一些挑战，例如仍然普遍存在的算法偏差或必须解决的应用程序端隐私保护问题，但很明显，实施这些有针对性的解决方案的好处远远大于负面风险，只要它们都得到妥善管理！将人工智能正确地融入我们的商业环境可以带来更大的经济包容性，从而将资源正确分配给所有恰好是主要目标的人，而这些人在历史上被排除在以任何形式获取必要资源的范围之外。