重新思考ROI：评估AI在风险建模中的价值：Ben O'Brien

随着越来越多的组织开始考虑AI驱动的风险建模，最大的障碍之一就是量化投资回报率。传统的ROI框架在捕获这些解决方案带来的广泛价值时通常会缺乏。这可能会使利益相关者陷入理解AI的战略重要性与需要通过有形指标来证明其成本合理的之间。

人工智能的收益远远超出了简单的成本节省，这无济于事。增强的风险标识，更强的监管合规性，更快的决策和改善的客户结果都是图片的一部分。

本文概述了如何评估可衡量的财务回报和AI在风险建模中的较小优势（同样重要）。

为什么标准的投资回报型模型不足

常规的投资回报率公式（减去成本，还会划分成本），可预测的技术投资。但是风险建模中的AI并不遵循这种线性模式。

为什么不呢？

它的影响通常以间接的方式和更长的时间来实现多个领域。这使建筑业务案例或评估成功更加复杂。

AI风险模型可以减少信贷损失，简化运营，提高合规性并带来更好的客户体验。一些好处很容易量化。其他人，例如错过的欺诈或避免的监管问题，很难衡量，但仍然至关重要。

有时，改进是突飞猛进的，而不是遵循稳定的曲线，使它们更棘手地将其转化为标准的ROI计算。

也许最具挑战性的是：您如何衡量未发生的事情的价值，例如成功避免的损失？

量化财务影响

尽管很复杂，但AI提供了明确的，可量化的收益。

最直接的之一：较低的信用损失。高级风险模型始终超过传统方法，帮助贷方更好地区分高风险申请人和低风险申请人。一个建筑协会的买入销售模式提高了18％，而住宅型号则提高了4％的改善，从而使坏账的潜在降低大幅减少。

预防欺诈是另一个可衡量影响的领域。在一种情况下，AI模型仅通过审查了10％的申请，从而确定了超过86％的欺诈案件，这会减少损失和手动努力。另一位贷方指出，实施后“大幅减少了坏账”，全面预测了长期改善。

自动化也起着重要作用。通过减少对手动审查的需求，AI使团队能够处理更多的应用程序而无需增加员工的数量，从而支持增长，同时控制风险。

这些有形的收益构成了ROI计算的强大基础，在许多情况下，可能足以自行证明投资是合理的。

超越数字

尽管如此，故事还有很多。

采取法规合规性。由于FCA最近提出了对监管负担可能正在减缓AI采用的担忧，因此对可解释的，良好的模型的需求比以往任何时候都更高。一家银行强调了它从详细的模型报告中获得的信心，帮助其更容易管理监督期望并降低合规成本。

AI还支持更快，更一致的决策。一位贷方指出，快速的好处以及“在关键变量上执行直觉行为”的能力，加快了风险决策并减少了矛盾之处。

这也可能会对客户体验产生连锁反应 – 降低欺诈检查中的假阳性，并实现更多个性化的风险评估。在一种情况下，AI被用来识别有转换风险的客户，允许企业提早采取行动并保留更多的客户。

早期采用也有累积的好处。通过重复使用模型来建立内部专业知识的机构可以随着时间的流逝而释放效率和见解。知识的转移本身成为长期资产。

时间因素：ROI被忽略

计算ROI时，通常会忽略价值的时间。但是在AI的背景下，这是必不可少的。

传统的模型开发可能需要几个月甚至几年。开发中的每一天都会延迟潜在的好处。

一些机构已经找到了解决这一问题的方法。一个建筑协会在几个小时而不是数周的时间内部署了新的AI模型，迅速捕获价值，而其他人仍在开发中。实际上，缩短实施六个月可能会增加数十万的回报，而不是支付初始成本。

它不会在部署时结束。 AI模型需要维护和完善，尤其是在瞬息万变的市场中。支持快速迭代的平台为组织带来了关键的优势，使他们能够快速适应并保持绩效。

正如一位高级建模者所说，与模型开发人员适应和合作的灵活性有助于确保尽快实现收益。

共同的异议 – 以及如何回应

即使有强有力的ROI论点，某些抵抗也是不可避免的。以下是一些普遍的问题以及如何解决这些问题：

• “我们无法衡量所有的好处。”
  是的，但是代理和估计可以提供帮助。一位贷方发现实际价值超出了他们的期望 – 有时直到实施后才能看到全部影响。

• “投资太大了。”
  从回报而不是成本来构建讨论是关键。在三年内获得五倍的回报是一个引人注目的业务案例，尤其是在做任何事情的成本可能会更高时。

• “我们当前的系统运行良好。”
  现在可能是真的，但是“足够好”很快就变得过时了。尽管最近有了增强，但一位贷方仍大大改善了其模型，这表明AI仍然可以在强大的现有系统的基础上提供价值。

• “我们的内部技能没有正确的技能。”
  有了当今的平台，深厚的技术知识并不是一个障碍。一家银行在没有扩展数据科学团队的情况下实施了AI模型，这要归功于为企业用户设计的工具。

• “我们以前曾尝试过AI，但行之有效。”
  技术已经继续发展。差异通常在于方法，而不是工具。解释性，易用性和集成都重要，并且可能不是早期尝试的一部分。

• “监管风险太高。”
  相反，监管机构现在期望更先进的风险建模。灵活的，可解释的AI解决方案可以帮助机构满足这些期望，而不是缺少它们。

最后的想法

AI风险建模带来立即和长期价值。尽管经济利益很明显，但战略和运营收益同样重要。了解所有方面（从更快的实施到提高监管信心）在评估投资回报率时使组织更加完整。

业务案例超出了资产负债表。对于那些愿意明智投资的人，AI在竞争性和快速发展的环境中提供了重要的，可持续的优势。