پرداخت تسهیلات به افراد زیاد تر با پشتیبانی دیتاهای جایگزین_سیاه پوش

مدیرعامل دیجی‌پی با گفتن این‌که درحال حرکت به‌سمت شناسایی مشتریان و بازدید اعتبار کاربران با منفعت گیری از هوش مصنوعی و ابزار LMM هستیم، او گفت: امیدمان این است که با تحلیل دیتاهای جانشین دیتای سنتی کاربران، به پرداخت تسهیلات در زمان مختصر‌تر به افراد زیاد تر پشتیبانی کنیم.

هومن امینی می‌گوید: «فکر کنید یک کاربر برای خرید آنلاین داخل صفحه خرید شده و در مرحله آخر سفارشش را ثبت نکرده، چراکه حساب بانکی‌اش خالی بوده است. ما می‌خواهیم او را قانع کنیم که می‌تواند با منفعت گیری از اعتبار، خریدش را کامل کند و بعدا پرداخت کند.»

او در ادامه گفت: «اینجا از یک طرف با منبع های محدود بانک‌ها مواجهیم که به‌صورت کلاسیک در شرایط عادی هم حاضر نیستند منابعشان را به‌راحتی در اختیار مردم قرار بدهند، چه رسد به این‌که ما می‌خواهیم به آنها بگوییم این منبع های و تسهیلات را به‌صورت آنلاین پرداخت کن. از طرف دیگر ما می‌خواهیم این منبع های را در اختیار مردم قرار بدهیم که با خریدشان به گسترش تجارت در سرزمین پشتیبانی می‌کنند.»

مدیرعامل دیجی‌پی افزود: «قدم نخست برای ما این است که مشتری را بشناسیم و در اینجا از ماشین لرنینگ برای احراز هویت کاربر منفعت گیری می‌کنیم. قدم دوم شناسایی ریسک یا اعتبار آن کاربر است. به‌صورت سنتی این فرایند دستی صورت می‌گیرد و اینجا هوش مصنوعی به این فرایند شدت می‌دهد. حال هوش مصنوعی اگر بخواهد با تکیه بر داده‌هایی که در نظام بانکی وجود دارد کاربر را تحلیل و احراز اهلیت کند، مطابق  فرایندهای سنتی باید به وام‌هایی که کاربر در قبل گرفته، استناد کند.»

امینی گفت: «بیشتر از ۹۰ درصد آدم‌ها در ایران در این دسته قرار می‌گیرند که یا وام نگرفته‌اند یا وام‌های تکلیفی گرفته‌اند. اینجا ما با یک خلاء داده در اعتبارسنجی کاربر مواجه هستیم و هوش مصنوعی باید به ما پشتیبانی کند این آدم را بهتر بشناسیم و بفهمیم آیا دارای شرایط اعطای تسهیلات هست یا نه. در واقع مدیریت ریسک درست روی کاربر انجام دهیم.»

او با گفتن این‌که برای این کار باید به داده‌هایی رجوع کنیم که لزوما داده‌های کلاسیک بانکی نیستند، او گفت: «آلترناتیو دیتا سورس‌ها در اینجا اهمیت بسیاری اشکار کرده‌اند و در پلتفرم‌های تجارت الکترونیک این دیتاها معنادارتر می باشند، به‌طوری‌که با شناسایی نکات مهم اطلاعات جانشین، فرایندهای تازه امتیازدهی را شکل می‌دهیم.»

مدیرعامل دیجی‌پی در ادامه اظهار کرد: «مرحله نهایی، اعطای تسهیلات به کاربر است که زیاد زمان‌ها به‌نظر فرایند کلاسیکی می‌آید، اما اینجا هم با شرایط متغیری از اراعه‌دهندگان منبع های مالی مواجه هستیم؛ باید بازدید کنیم کدامیک از منبع های بانکی ما در دسترس می باشند، قیمت همه‌شده پول چه‌قدر است و چه‌قدر با شدت می‌توانیم منبع های مالی را به دریافت‌کننده اعتبارات منتقل کنیم.»

امینی افزود: «با قراردادن همه این موارد در کنار هم، باید بگویم هوش مصنوعی لحاظی فراتر از یک سرویس لاکچری و دلنشین برای مقاله‌ها دارد. در دنیای چند سال تازه، او گفت و گو LLMها یا Large Language Models پیش آمده است؛ با همه سخن‌های قشنگ درمورد هوش مصنوعی، هنگامی به زمان‌هایمان در منبع های دیتا برای اعطای تسهیلات نگاه می‌کنیم، باز هم زیاد دستمان بسته است. همین الان در لندتک‌ها دیتا سورس‌های حاضر چالش مهم می باشند. ما چه‌قدر به منبع های جانشین اطلاعات سنتی دسترسی داریم؟ تحلیل تعداد بسیاری از این دیتا‌سورس‌های تازه کار ساده‌ای نیست. LLM‌ها برای تنوع‌بخشی به منبع های داده و معنادار کردن این اطلاعات و این که یقین شویم تسهیلات در اختیار آدم مطمئنی قرار گرفته است، به ما پشتیبانی می‌کنند.»

مدیرعامل دیجی‌پی پافشاری کرد: «ما باید یقین شویم که با LLMها، به نگاه غیر قضاوتی‌تری رسیده‌ایم. ما در حال حرکت به سمت شناسایی مشتریان و بازدید اعتبار کاربران با منفعت گیری از هوش مصنوعی و ابزار LLM هستیم و امیدمان این است که با تحلیل دیتاهای جانشینِ دیتای سنتی کاربران با پشتیبانی هوش مصنوعی، به پرداخت تسهیلات در زمان مختصر‌تر به افراد زیاد تر با ریسک نکول پایین پشتیبانی کنیم.»