لماذا تحتاج نماذج الإقراض بالذكاء الاصطناعي إلى أكثر من مجرد درجات ائتمان دقيقة

من القرارات العشوائية إلى درجات الائتمان

عند إقراض المال، كان على البنوك والمؤسسات المالية الأخرى دائمًا القلق من عدم قدرة المقترضين على سداد القرض. لهذا السبب يتم دعم العديد من القروض بأصول مثل العقارات أو أصول الأعمال التي يمكن للبنك حجزها إذا لم تُسدَّد أقساط القرض. ومع ذلك، كان القرار في يد موظفي البنك الذين يقررون ما إذا كان سيتم منح القرض.

مع مرور الوقت، تم استبدال قرار الموظف البنكي الفردي بمرشحات متطورة بشكل متزايد تعتمد على نماذج المخاطر الداخلية والصيغ الرياضية، مما جعل العملية أكثر توحيدًا وأقل عشوائية.

“كان جزء من عمل مدير الائتمان هو محاولة استنتاج شخصية الشخص، وما إذا كان يبدو منظمًا وناضجًا ومسؤولًا. يمكن لمدير الائتمان رفض طلب إذا اشتبه في كونه مدمنًا للكحول، أو لأسباب تمييزية واضحة تتعلق بعرق أو جنس الشخص، أو بالنسبة للمقترضات، حالتها الاجتماعية.”
جوش لاور – أستاذ في جامعة نيوهامبشير ومؤلف كتاب “Creditworthy.”

ومع ذلك، استغرق الأمر حتى عام 1958 حتى قدمت شركة FICO، التي أسسها المهندس بيل فير والرياضياتي إيرل إسحاق، درجة الائتمان المعيارية الحديثة. وفي عام 1989، أطلقت الشركة أول درجة ائتمان عامة على مستوى البلاد، تتراوح بين 300 و850، والتي سرعان ما أصبحت المعيار الوطني للإقراض في الولايات المتحدة.

حدود درجة الائتمان

تعتمد درجة الائتمان الحديثة على خمس فئات بيانات متميزة:

• سجل السداد (35%).
• المبلغ المستحق (30%).
• مدة تاريخ الائتمان (15%).
• الائتمان الجديد والاستفسارات (10%).
• تنوع الائتمان (10%).

جعلت هذه الطريقة تقدير الجدارة الائتمانية أكثر موضوعية وعدلاً مقارنةً بالطريقة السابقة. ولكن بالطبع، لها حدودها.

على سبيل المثال، لا تشمل أي معلومات عن سلوك الفرد خارج ما يتعلق بالديون السابقة والحالية. كما أنها لا تأخذ في الاعتبار معلومات مثل مكان السكن، الدخل، قطاع العمل، الأصول المملوكة، إلخ.

كما أن درجة الائتمان الحديثة تُبنى على افتراض أن البنوك تمنح القروض للأفراد. لكن أنظمة الإقراض الند للند (P2P) الحديثة وغيرها من خدمات التكنولوجيا المالية تعمل بطريقة مختلفة.

وبالتوازي، جعل التقدم في الذكاء الاصطناعي من الممكن دمج بيانات معقدة ومختلفة في نموذج قرار موحد. لذا ليس من المفاجئ أن الذكاء الاصطناعي يحرز تقدمًا سريعًا في تحسين النماذج التي تتنبأ بتعثر القروض للجيل الجديد من المقرضين الرقميين.

أجرت دراسة جديدة من قبل باحثين في جامعة أجدير بالنرويج فحصًا لإدارة مخاطر الائتمان عبر منصات الإقراض الند للند. وجدوا أن الأبحاث تنقسم إلى معسكرين رئيسيين: أحدهما يركز على تحسين توقع التعثر من خلال التعلم الآلي، والآخر يركز على فهم أسباب تعثر المقترضين. ومع ذلك، يظل كلا النهجين مقيدين ببيانات قديمة، وتعريفات غير متسقة، وتغطية جغرافية محدودة. نشر الباحثون نتائجهم في مجلة Technological Forecast, Social Change¹ تحت عنوان “إدارة مخاطر الائتمان في منصات الإقراض الند للند: مراجعة منهجية للأدبيات”.

صعود وتحديات الإقراض الند للند

نمو سريع، مخاطر جديدة

المفهوم الأساسي للإقراض الند للند يشمل إلغاء الوساطة، حيث تعمل المنصات كأسواق بدلاً من كيانات تتحمل المخاطر، مما يسهل المطابقة المباشرة بين العرض والطلب على الأموال. العديد من شركات التكنولوجيا المالية الجديدة تقود الجهود في تطوير هذه الأسواق، وكذلك بروتوكولات الإقراض الند للند التي تستخدم البلوكشين لتجاوز الحاجة إلى مزود إقراض مركزي تمامًا، إلى جانب تقنيات التمويل اللامركزي (DeFi) الأخرى.
يُقدَّر حجم سوق الإقراض الند للند بـ215 مليار دولار في عام 2026، ومن المتوقع أن ينمو بمعدل نمو سنوي مركب 21.9٪ حتى عام 2033، مع تقديم الغالبية العظمى من القروض من قبل المستثمرين الأفراد.

المصدر: Coherent Marketing Insights