Begin dit jaar was de credit management community getuige van een project waarbij een kredietbeheermodel opgezet was met behulp van artificiële intelligentie en machineleren. Het ging om een presentatie van Hakim Souai, manager credit risk & models van Luminus. Hij kwam ook aan bod kwam in FDmagazine van februari. De voorbeelden van AI-toepassingen in de kredietwereld zijn nog erg schaars. Tijd om hier even bij stil te staan.
Artificiële intelligentie wordt aangewend om met specifieke software grote aantallen gegevens zeer snel te verwerken om zo tot een goede en snelle conclusie te komen over een bepaald vraagstuk. We spreken van machineleren als de computer daarbij zo geprogrammeerd is dat hij bepaalde verbanden ontdekt en bijhoudt, en die ‘kennis’ vervolgens aanwendt om nog betere voorspellingen te lanceren en beslissingen te nemen. De computer neemt in deze processen steeds de taken van de mens geheel of gedeeltelijk over.
Wie een beetje vertrouwd is met kredietrisicobeheer en weet wat de praktijk inhoudt, erkent in bovenstaande beschrijvingen misschien wel mogelijkheden. Kredietbeslissingen nemen, vraagt tijd en menselijk inzicht. Kan een machine dat zomaar overnemen? Volgens Hakim Souai is het antwoord positief. Toch blijken er voorwaarden en bedenkingen te gelden.
Ten eerste lijkt het erop dat zeer grote aantallen data verwerkt moeten worden om tot resultaat te komen. Individuele transacties zijn in dat geval beperkt qua waarde of impact en de menselijke tussenkomst is relatief duur. Verder is het typerend dat data her en der verspreid zitten, maar wel te vinden zijn. Als die data ook kwantificeerbaar zijn, en niet te interpretatief, dan ligt de weg open om daarvoor software te ontwikkelen.
Het voorbeeld dat we kregen, voldeed inderdaad aan die voorwaarden. Verder voorzag het model in een menselijke tussenkomst bij twijfelgevallen, grijze zones, ontbrekende gegevens en dergelijke. Dat blijkt een veel voorkomende, aanvullende praktijk te zijn. De doelstelling van het project was kosten besparen, sneller werken en een betere gebruikstoegankelijkheid creëren.
Wat met het resultaat? Je hoort vaak dat artificiële beslissingen ‘van hoge kwaliteit’ zijn. Hakim Souai moest eerlijk bekennen dat hij daar nog niet aan toe was. De verwachting was wel om de klantenverliesratio te halveren. Bronnen die concrete resultaten vermelden, zijn voorlopig schaars, waaruit we wellicht mogen afleiden dat de nieuwe concepten nog geen bewezen technologie zijn. De grote handelsinformatiebureaus, en misschien ook bepaalde kredietverzekeraars en banken, werken naar verluidt al gedeeltelijk met dergelijke modellen. Er blijft wel twijfel bestaan over hun beweerd ‘succes in voorspellingen’.
Zal AI toepasbaar worden voor de doorsneekredietmanager, die zelf met een ‘eigen algoritme’ werkt op risicobeheer? Hij of zij doet dat meestal in een b2b-omgeving, waar het aantal dossiers sowieso veel lager ligt dan in de b2c-sector. Daarbij komt dat de financiële analyse van jaarrekeningen van klanten, indien dat professioneel gebeurt, heel wat interpretatieve kantjes heeft. Rest tot slot de vraag waar de financiële informatie vandaan komt. Alleen al binnen Europa zijn de bronnen zeer divers, onder meer qua toegankelijkheid, formattering en taal. Kan de machine dit allemaal aan? Wegen de investeringskosten op tegen de actuele loonkost? En zouden de resultaten – de klantenverliesratio – zoveel beter zijn?
Als het gaat over AI in kredietbeheer, beweren sommigen dat de ‘machine’ zal toelaten om ‘de juiste klant te beleveren en niet langer te blokkeren’. Dat is nog maar de vraag. Voorlopig klinkt het nog te veel als een verkooppraatje.
Bron: FDMagazine
