Voor het grootste deel van de moderne financiële wereld heeft één getal stilletjes bepaald wie voorop komt en wie buiten beschouwing wordt gelaten: de kredietscore. Het was een doorbraak toen het in de jaren vijftig arriveerde en een elegante sluiproute werd voor een complexe beslissing. Maar snelkoppelingen verouderen. En in een wereld die wordt gedreven door data, digitaal gedrag en realtime signalen, komt de score steeds minder overeen met hoe mensen daadwerkelijk leven en met geld omgaan.
We staan nu op een keerpunt. Een fundamenteel systeem, dat lang als onaantastbaar werd beschouwd, wordt eindelijk gereconstrueerd door gebruik te maken van AI– in het bijzonder geavanceerde machine learning-modellen die zijn gebouwd voor risicovoorspelling – om meer intelligentie uit bestaande gegevens te halen. Dit zijn uitvoerig geteste, goed beheerde systemen die kredietverstrekkers helpen risico’s genuanceerder en duidelijker te zien. En de resultaten hervormen de kerneconomie voor kredietverstrekkers.
DE KREDIETSCORE IS NIET GEBOUWD VOOR MODERNE CONSUMENTEN
Oudere kredietscores zijn gebaseerd op een klein stukje informatie dat wordt bijgewerkt in een tempo dat het zwart-wittelevisietijdperk weerspiegelt. Eén enkele laattijdige betaling kan jaren van financiële discipline overschaduwen. Gegevensupdates blijven achter bij echt gedrag. En kredietverstrekkers worden gedwongen beslissingen over miljoenen dollars te nemen met behulp van een instrument dat geen volatiliteit, nuance of context kan zien.
Eén enkele, generieke kredietscore is een compromis door het ontwerp. Nationale kredietscores zijn ontworpen om redelijk goed te werken in duizenden instellingen, maar niet optimaal voor een specifieke instelling. Dat wordt duidelijk als je regionale verschillen vergelijkt. Een kredietverstrekker in een landbouwregio kan heel andere inkomens- en cashflowpatronen zien dan een kredietverstrekker in een groot stedelijk gebied – verschillen die nooit in een universele score konden worden vastgelegd. Financiële instellingen hebben modellen nodig die zijn opgebouwd rond hun daadwerkelijke lidmaatschap en die zich kunnen aanpassen aan verschillende financiële geschiedenissen en gedragingen.
Die rigiditeit heeft de kloof gecreëerd die we nu in de economie zien. Consumenten voelen zich onder druk gezet, kredietverstrekkers voelen zich blootgesteld en bedrijven hebben moeite om te groeien in een risicoomgeving die in niets lijkt op de omgeving waarvoor hun scoringsinstrumenten zijn gebouwd.
Moderne modellen voor machinaal leren bieden kredietverstrekkers iets wat ze nooit zouden kunnen: een panoramisch uitzicht in plaats van een smal venster.
HOE AI HET SPEL VERANDERT
De gegevens in kredietbestanden bestaan al lang. Wat er veranderd is, is de modellering: moderne machine learning-systemen die eindelijk volledig gebruik kunnen maken van deze signalen. Deze modellen kunnen duizenden factoren in bureaubestanden evalueren, niet alleen de statische invoer, maar ook de patronen erachter:
- Hoe het betalingsgedrag in de loop van de tijd verandert
- Welke fluctuaties waarschuwingssignalen zijn versus tijdelijk geluid
- Hoe meerdere variabelen op elkaar inwerken op manieren die een traditionele score niet kan meten
Hierdoor kunnen kredietverstrekkers onderscheid maken tussen iemand die echt riskant is en iemand die tijdelijk uit het ritme is. De impact is diepgaand: meer goedkeuringen zonder meer verliezen, sterkere naleving zonder meer overhead en beslissingen die aansluiten bij de manier waarop mensen vandaag de dag hun financiën beheren.
Voor leiderschapsteams betekent dit ook het maken van bewuste keuzes over wie ze dienen en hoe ze kapitaal toewijzen. Met op maat gemaakte modellen kunnen instellingen hun middelen richten op de klanten die ze daadwerkelijk willen bereiken, in plaats van te vertrouwen op een one-size-fits-all score.
AI REPAReert iets waar we niet genoeg over praten
Er bestaat wijdverbreide bezorgdheid over AI-vooroordelen, en terecht. Wanneer algoritmen niet worden getraind op een representatieve set gegevens of na de implementatie niet worden gemonitord, kan dit vertekende resultaten opleveren. Bij de kredietverlening worden deze modellen niet ingezet op geloof; ze worden gevalideerd, achteraf getest en in de loop van de tijd gemonitord, met duidelijke documentatie van de factoren die elke beslissing bepalen. Moderne uitlegbaarheidstechnieken, die inmiddels goed ingeburgerd zijn op het gebied van kredietrisico, kunnen toezichthouders en consumenten een duidelijker beeld geven van hoe en waarom beslissingen worden genomen.
Bedrijfsleiders moeten er ook rekening mee houden dat er vooringenomenheid schuilt in handmatige acceptatie. Menselijke beslissingen – vooral in omgevingen met grote volumes en tijdsdruk – variëren van recensent tot recensent, van geval tot geval, van uur tot uur.
Machine learning-modellen die representatieve gegevens gebruiken, regelmatig worden gemonitord en verklaarbare, transparante beslissingen nemen, waardoor mensen een betrouwbare basislijn krijgen. Hierdoor kunnen ze zich concentreren op uitzonderingen, moeilijke gevallen en strategie.
HET NIEUWE VOORDEEL VOOR ZAKELIJKE LEIDERS
Het volgende tijdperk van kredietverlening zal worden bepaald door bedrijven die AI met discipline operationeel maken, waarbij ze een sterk bestuur, duidelijke vangrails en transparantie inbouwen. Degenen die dat wel doen, zullen hogere goedkeuringspercentages zien, minder verliezen, snellere beslissingen met minder handmatige knelpunten en eerlijkere resultaten die echt gedrag weerspiegelen, en niet verouderde snelkoppelingen.
Voor het eerst in 70 jaar zijn we in staat echte, impactvolle verandering teweeg te brengen in een van de meest invloedrijke motoren van de economie.
DE TOEKOMST IS GEEN SCORE, HET IS BEGRIP
Als de laatste eeuw van kredietverlening werd gedefinieerd door één enkel, bot getal, zal de volgende eeuw worden gedefinieerd door intelligentie. Door het vermogen om risico’s genuanceerd te interpreteren, zich aan te passen aan snel bewegende economische signalen en kansen te bieden aan mensen die lange tijd door het systeem zijn onderschat.
AI zal de kredietverlening niet vlekkeloos maken. Maar het geeft ons het duidelijkste pad dat we ooit hebben gevolgd naar een krediet-ecosysteem dat nauwkeuriger, veerkrachtiger en veel eerlijker is dan het ecosysteem dat we hebben geërfd.
En voor leiders die zich richten op groei, innovatie en concurrentievermogen op de lange termijn is die verschuiving transformerend.
Sean Kamkar is CTO van Zest AI.
