اختصاصی چابک آنلاین؛
شرکت های اعتبار سنجی بدون داشتن این مزیت ها از چرخه بازار حذف خواهند شد
هوش مصنوعی، بانکداری باز، هویت دیجیتال و افزایش تقلبهای مالی، صنعت اعتبارسنجی را وارد مرحلهای تازه کرده است؛ مرحلهای که در آن، ارزش شرکتهای اعتبارسنجی دیگر با تعداد پروندههای اعتباری یا دقت مدلهای امتیازدهی سنجیده نمیشود، بلکه توانایی آنها در مدیریت داده، تحلیل ریسک و پشتیبانی از تصمیمهای مالی، معیار اصلی رقابت است.
چابک آنلاین، زهرا نامداری، در دهههای گذشته، شرکتهای اعتبارسنجی عمدتاً بهعنوان نهادهایی شناخته میشدند که با گردآوری سوابق اعتباری اشخاص حقیقی و حقوقی، گزارشی از وضعیت بازپرداخت تعهدات مالی آنها تهیه میکردند و بر مبنای این اطلاعات، امتیاز اعتباری در اختیار بانکها و مؤسسات مالی قرار میدادند.
این مدل سالها نیاز نظام مالی را پاسخ میداد، اما گسترش اقتصاد دیجیتال، تنوع خدمات مالی و افزایش حجم دادهها، انتظارات از این صنعت را بهطور اساسی تغییر داده است.
امروزه بانکها و مؤسسات مالی تنها به دنبال پاسخ این پرسش نیستند که «آیا مشتری در گذشته بدهی خود را به موقع پرداخت کرده است؟»؛ بلکه میخواهند بدانند احتمال نکول او در آینده چقدر است، آیا هویت اعلامشده واقعی است، احتمال وقوع تقلب در یک تراکنش چقدر است و آیا میتوان با اتکا به دادههای موجود، ریسک مشتری را دقیقتر قیمتگذاری کرد.
پاسخ به این پرسشها، شرکتهای اعتبارسنجی را از یک تولیدکننده گزارش اعتباری به ارائهدهنده خدمات دادهمحور و مدیریت ریسک تبدیل کرده است.
بر همین اساس، شرکتهای بزرگ این صنعت مانند Experian، Equifax و TransUnion نیز طی سالهای اخیر راهبرد خود را متحول کردهاند.
توسعه خدمات احراز هویت دیجیتال، سامانههای کشف تقلب، تحلیل دادههای کلان و استفاده از هوش مصنوعی، نشان میدهد که این شرکتها دیگر صرفاً در بازار اعتبارسنجی فعالیت نمیکنند، بلکه به بخشی از زیرساخت تصمیمگیری در نظام مالی تبدیل شدهاند.
با این حال، مهمترین مزیت رقابتی این شرکتها نه هوش مصنوعی، بلکه داده است.
الگوریتمها هرچقدر هم پیشرفته باشند، بدون دسترسی به دادههای کامل، استاندارد و بهروز، خروجی قابل اتکایی تولید نخواهند کرد.
به همین دلیل، کیفیت داده، نحوه تبادل اطلاعات میان بازیگران مالی و امکان دسترسی به منابع متنوع اطلاعاتی، به مهمترین عامل تعیینکننده دقت اعتبارسنجی تبدیل شده است.
در همین نقطه است که مفهوم بانکداری باز اهمیت پیدا میکند.
در بسیاری از کشورها، بانکداری باز زمینه دسترسی کنترلشده و مبتنی بر رضایت مشتری به دادههای مالی را فراهم کرده و به شرکتهای اعتبارسنجی اجازه داده تا تصویری جامعتر از رفتار مالی افراد ترسیم کنند.
علاوه بر آن، استفاده از دادههای جایگزین مانند سوابق پرداخت قبوض، اجاره مسکن یا برخی تراکنشهای مالی، امکان ارزیابی افرادی را فراهم کرده که سابقه اعتباری محدودی دارند و در روشهای سنتی بهدرستی ارزیابی نمیشدند.
همزمان، رشد کلاهبرداریهای دیجیتال و گسترش ابزارهای مبتنی بر هوش مصنوعی، مرز میان اعتبارسنجی و امنیت سایبری را کمرنگ کرده است.
اگر تا چند سال پیش دغدغه اصلی، سنجش توان بازپرداخت مشتری بود، امروز احراز هویت، تشخیص جعل هویت و کشف تقلب نیز به بخش جداییناپذیر فرآیند اعتبارسنجی تبدیل شده است.
به همین دلیل، شرکتهای اعتبارسنجی سرمایهگذاری قابل توجهی در توسعه سامانههای تشخیص تقلب، احراز هویت چندلایه و تحلیل بلادرنگ دادهها انجام دادهاند.
در کنار این تحولات، مقرراتگذاران نیز رویکرد خود را تغییر دادهاند.
استفاده از هوش مصنوعی در تصمیمهای اعتباری، موضوعاتی مانند شفافیت، قابلیت توضیحپذیری و جلوگیری از تبعیض الگوریتمی را به یکی از محورهای اصلی مقرراتگذاری تبدیل کرده است.
دیگر صرفاً دقیق بودن یک مدل کافی نیست؛ شرکتهای اعتبارسنجی باید بتوانند توضیح دهند هر تصمیم بر چه مبنایی اتخاذ شده و چگونه حقوق مشتریان در این فرآیند حفظ شده است.
این تحولات پیامدهای متفاوتی برای بازیگران بازار به همراه دارد.
برای بانکها، دسترسی به دادههای غنیتر و مدلهای تحلیلی پیشرفتهتر، به معنای کاهش خطای اعتباردهی و مدیریت بهتر ریسک است.
برای مشتریان، امکان دسترسی گروههای بیشتری به خدمات اعتباری فراهم میشود، هرچند همزمان دغدغههایی درباره حریم خصوصی و نحوه استفاده از دادههای شخصی نیز افزایش مییابد.
برای نهادهای ناظر نیز اولویت از نظارت بر فرآیندهای سنتی، به سمت حکمرانی داده، امنیت سایبری و نظارت بر مدلهای هوش مصنوعی تغییر کرده است.
این روند برای کشورهایی مانند ایران نیز پیام مهمی دارد.
در شرایطی که دادههای مالی و اعتباری همچنان در سامانههای مختلف پراکنده است و تبادل اطلاعات میان بازیگران با محدودیتهایی مواجه است، توسعه صنعت اعتبارسنجی بیش از آنکه به طراحی مدلهای پیچیدهتر وابسته باشد، به تکمیل زیرساختهای داده، استانداردسازی اطلاعات و افزایش تعامل میان نهادهای تولیدکننده داده بستگی دارد.
بدون شکلگیری چنین زیرساختی، حتی پیشرفتهترین مدلهای اعتبارسنجی نیز با محدودیت در دقت و کارایی مواجه خواهند بود.
در نهایت، آینده صنعت اعتبارسنجی را نباید در تولید امتیازهای اعتباری پیچیدهتر جستوجو کرد.
مزیت رقابتی این صنعت در سالهای پیشرو، به توانایی شرکتها در تبدیل دادههای پراکنده به اطلاعات قابل اعتماد، تحلیلهای دقیق و تصمیمهایی شفاف و قابل دفاع وابسته خواهد بود؛ مسیری که میتواند نقش شرکتهای اعتبارسنجی را از یک تأمینکننده اطلاعات اعتباری، به یکی از ارکان اصلی مدیریت ریسک در اقتصاد دیجیتال ارتقا دهد.