Iš maždaug 180 kintamųjų, kurie pateikiami DI, jis, remiantis istoriniais duomenimis, atrenka iki 10-ties pagrindinių kriterijų kombinaciją, geriausiai atspindinčią klientų gebėjimą išmokėti paskolą per tam tikrą laiką. Kad atrinkti kriterijai atitiktų reguliacinius reikalavimus ir nebūtų diskriminuojantys (pavyzdžiui, nebūtų vertinama vien tik pagal amžių ar priklausymą vienai ar kitai lyčiai), juos peržiūri ir, esant poreikiui, koreguoja finansų įstaigų ekspertai.
DI mokymas – nesibaigiantis procesas
Pagrindinis kriterijus, pagal kurį vertinamas kliento mokumas, yra indikatorius, kaip jam sekėsi finansinius įsipareigojimus vykdyti praeityje. Negebėjimas laiku grąžinti paskolų praeityje yra ryškus įspėjamasis signalas, kad taip gali nutikti ir ateityje. Kiti svarbūs kriterijai yra asmens pajamos, darbo stažas, sektorius, kuriame dirba klientas, jau turimi įsipareigojimai ir pajamų bei įsipareigojimų santykis.
Norint mašininio mokymo modelį „išmokyti“ tiksliai ir korektiškai nustatyti nemokumo tikimybę, pateikiami duomenys turi būti logiški ir teisingi, be jokių išskirčių ar duomenų trūkumo, galinčio modelį suklaidinti. Jeigu DI šiandien sprendimus priimtų vertindamas 5 metų senumo makroekonominę situaciją, ištiktų nesėkmė, nes per penkerius metus makroekonominė situacija Lietuvoje pasikeitė labai stipriai. Modelius būtina nuolat prižiūrėti, stebėti ir daryti reikiamas korekcijas, kad sprendimai būtų priimami remiantis šia diena, nors kuriant modelį buvo naudojama istorinė informacija. Tai ilgas ir sudėtingas darbas, kuris reikalauja aukštosios matematikos, makroekonomikos ir programavimo žinių.
„DI prieš žmogų“ privalumai
Pirmiausia – greitis. Žmogui įvertinti vieno kliento mokumą gali užtrukti ir keliolika minučių, ir valandą. Dirbtinis intelektas didžiulius duomenų kiekius gali efektyviai ir tiksliai įvertinti per kelias sekundes, todėl klientas atsakymą gauna iš esmės realiuoju laiku.
Antra, jeigu viskas ištestuota bei įsitikinta, kad modelis veikia teisingai, galime būti tikri, kad jis nesuklys. Žmogus yra žmogus – vertindamas mokumą, jis gali turėti tam tikrų subjektyvių nuostatų apie kliento asmenybę ar gyvenimo būdą, arba asmeninių ryšių su vertinamuoju. Modeliai jokių nuostatų neturi. Jų vertinimas pagrįstas tik duomenimis ir todėl objektyvus, sąžiningas bei eliminuojantis diskriminacijos riziką.
Ar galima DI apgauti?
Finansų įstaigos mašininį mokymą pasitelkia ne šiaip prognozuoti kliento gebėjimą grąžinti paskolas ir apskaičiuoti maksimalią galimą pasiskolinti sumą. Pagrindinis tikslas – įvertinti žmogaus finansinę padėtį ir sumažinti jam galimą finansinę naštą. Taip, kliento mokumo įvertinimas finansų įstaigą apsaugo nuo galimo nuostolio, tačiau svarbiausia, kad pats klientas yra apsaugomas nuo paskolos, kurios grąžinti jis negalėtų.
Bandymai pateikti klaidingus duomenis laikomi sukčiavimu ir/ar dokumentų klastojimu, kurie užsitraukia teisinę atsakomybę. Todėl, norint pasigerinti savo kreditingumo reitingą, siūlytina atsakingai skolintis ir nedaryti neapgalvotų finansinių sprendimų, kurie užkirstų kelią laiku vykdyti įsipareigojimus.
Teksto autorius yra „General Financing banko“ Rizikos valdymo departamento direktorius Eimantas Palionis.
