گزارش ویژه از بیست و نهمین نمایشگاه بین المللی الکامپ

هوش مصنوعی و اعتبارسنجی پویا

اعتبارسنجی در کشور نیازمند بهره‌گیری از داده‌های رفتاری و اجتماعی است. / سوابق خسارت و رفتار مشتریان باید در طول زمان و میان شرکت‌های مختلف قابل ردیابی باشد تا مشتریان پرریسک صرفاً با جابه‌جایی میان شرکت‌های بیمه، سوابق خود را پشت سر نگذارند.

به گزارش ریسک نیوز، دکتر سعید روحانی عضو هیات علمی دانشگاه تهران با تأکید بر ضرورت بازنگری در شیوه‌های اعتبارسنجی در کشور گفت: اعتبارسنجی نباید صرفاً بر پایه اطلاعات مالی و بانکی افراد انجام شود، بلکه داده‌های رفتاری، اجتماعی و سوابق تعاملات اقتصادی نیز باید در این فرآیند مورد توجه قرار گیرد.
وی با اشاره به تجربه کشورهای دیگر در استفاده از داده‌های متنوع برای ارزیابی ریسک افراد اظهار کرد: در کشور ما همچنان بخش قابل توجهی از فرآیند جمع‌آوری داده به اطلاعات حساب‌های بانکی، دارایی‌ها و داده‌های مالیاتی محدود شده است، در حالی که این اطلاعات به تنهایی نمی‌تواند تصویر دقیقی از میزان اعتبار یک فرد ارائه دهد.
او افزود: استفاده از شاخص‌هایی مانند بدهی مالیاتی یا میزان دارایی افراد به‌عنوان مبنای اعتبارسنجی، لزوماً نشان‌دهنده رفتار اعتباری آنها نیست و ممکن است موجب ارزیابی نادرست ریسک شود.
وی با بیان اینکه نمی‌توان برای تمامی حوزه‌ها از یک مدل ثابت اعتبارسنجی استفاده کرد، تصریح کرد: مدل اعتبارسنجی در بانک، بیمه و سایر کسب‌وکارها باید متناسب با ماهیت فعالیت و نوع ریسک هر حوزه طراحی شود.
او ادامه داد: برای طراحی یک نظام اعتبارسنجی کارآمد، ابتدا باید هدف و مدل کسب‌وکار مشخص شود، سپس روش مناسب اعتبارسنجی و داده‌های مورد نیاز تعیین و در نهایت فناوری و الگوریتم متناسب با آن به کار گرفته شود.
او با اشاره به نقش مدیریت ریسک در اعتبارسنجی گفت: مدیریت ریسک و اعتبارسنجی باید در یک مسیر قرار گیرند؛ چرا که اعتبارسنجی بدون توجه به ریسک واقعی مشتری، نمی‌تواند ارزیابی دقیقی از وضعیت او ارائه دهد.
وی با اشاره به چالش‌های موجود در صنعت بیمه افزود: سوابق خسارت و رفتار مشتریان باید در طول زمان و میان شرکت‌های مختلف قابل ردیابی باشد تا مشتریان پرریسک صرفاً با جابه‌جایی میان شرکت‌های بیمه، سوابق خود را پشت سر نگذارند.
وی همچنین بر ضرورت ایجاد یک «لایه زمینه» در معماری هوش مصنوعی تأکید کرد و گفت: استفاده از روش‌های پیش‌بینی و طبقه‌بندی زمانی می‌تواند به اعتبارسنجی کمک کند که منطق، شرایط و اقتضائات واقعی اعتبارسنجی نیز در فرآیند تصمیم‌گیری لحاظ شود.
وی در پایان با تأکید بر ضرورت طراحی سازوکار مناسب برای اشتراک‌گذاری داده میان سازمان‌ها اظهار کرد: برای همکاری میان سازمان‌ها، ضرورتی ندارد همه داده‌های خام، الگوریتم‌ها یا زیرساخت‌های اطلاعاتی در اختیار یکدیگر قرار گیرد؛ بلکه می‌توان خروجی‌هایی مانند امتیاز اعتباری را به‌صورت کنترل‌شده و با حفظ استقلال سازمان‌ها به اشتراک گذاشت.

نظر شما چیست؟