رونمایی از «تراز» در الکامپ؛ تحول در اعتبارسنجی از امتیاز ثابت به ارزیابی ریسک درخواست

به گزارش نرخ روز، افزایش تقاضا برای خرید اعتباری و گسترش خدمات مبتنی بر اعتبار در سال‌های اخیر، پرسشی دیرینه را دوباره در کانون توجه فعالان فین‌تک قرار داده است: چگونه می‌توان به متقاضیان اعتبار داد، بدون آنکه خطر نکول از حد قابل قبول فراتر رود؟ تکنووی در الکامپ ۱۴۰۵ کوشیده است پاسخی متفاوت به این مسئله ارائه دهد. این شرکت با معرفی «تراز»، مدلی را رونمایی کرده که اعتبارسنجی را نه بر پایه یک امتیاز ثابت برای هر شخص، بلکه بر اساس ریسک همان درخواست خاص انجام می‌دهد. در مدل‌های رایج اعتبارسنجی، معمولاً یک رتبه یا امتیاز اعتباری به کاربر اختصاص می‌یابد و بخش عمده تصمیم‌گیری بر مبنای همین عدد صورت می‌گیرد. اما رویکرد تراز بر این فرض استوار است که داشتن رتبه مشابه لزوماً به معنای یکسان بودن ریسک دو درخواست نیست. مبلغ اعتبار درخواستی، سقف اعتبار و شرایط هر درخواست می‌تواند احتمال بازپرداخت یا نکول را تغییر دهد. تراز با بهره‌گیری از روش‌های آماری و یادگیری ماشین، احتمال نکول هر درخواست را برای سقف‌های گوناگون اعتبار برآورد می‌کند. برای نمونه، ممکن است ریسک اعطای ۱۰۰ میلیون تومان اعتبار به یک متقاضی، با ریسک اعطای ۵۰ میلیون تومان اعتبار به همان فرد تفاوت چشمگیری داشته باشد. در نتیجه، تصمیم‌گیری درباره میزان اعتبار، صرفاً از روی یک رتبه کلی انجام نمی‌شود. بر اساس سازوکار اعلام‌شده، خروجی این مدل مستقیماً حکم تأیید یا رد درخواست را صادر نمی‌کند. تراز تنها احتمال ریسک را برآورد می‌کند و سپس سیاست اعتباری تکنووی بر مبنای این ارزیابی، درباره تأیید یا رد درخواست، سقف اعتبار و میزان تضمین مورد نیاز تصمیم می‌گیرد. نداشتن سابقه اعتباری الزاماً به معنی رد درخواست نیست یکی از بخش‌های قابل توجه این مدل، شیوه برخورد با افرادی است که سابقه اعتباری کافی ندارند. در بسیاری از مدل‌های سنتی، نبود اطلاعات اعتباری می‌تواند دسترسی کاربر به اعتبار را دشوار سازد؛ اما در تراز، این وضعیت به‌تنهایی موجب رد خودکار درخواست نمی‌شود. برای چنین کاربرانی امکان ورود به فرآیند ارزیابی تکمیلی در نظر گرفته شده تا اطلاعات بیشتری برای بررسی وضعیت متقاضی جمع‌آوری شود. تصمیم نهایی نیز بر اساس ریسک برآوردشده و سیاست اعتباری مجموعه اتخاذ می‌شود. در صورت تأیید درخواست، مبلغ تضمین نیز متناسب با پروفایل ریسک کاربر تعیین خواهد شد. این مبلغ تا پایان دوره بازپرداخت در کیف پول کاربر مسدود می‌شود و پس از بازپرداخت کامل، آزاد خواهد شد. به این ترتیب، میزان تضمین برای همه کاربران و همه درخواست‌ها عددی ثابت نیست و با سطح ریسک تغییر می‌کند. رفتار کاربر می‌تواند شرایط اعتباری او را تغییر دهد تراز پروفایل ریسک کاربران را وضعیتی دائمی و تغییرناپذیر نمی‌داند. سابقه بازپرداخت کاربر در ارزیابی‌های بعدی وارد می‌شود و رفتار اعتباری او می‌تواند مستقیماً بر شرایط دریافت اعتبار در آینده اثر بگذارد. بازپرداخت کامل و به‌موقع می‌تواند در ارزیابی‌های بعدی به کاهش مبلغ تضمین یا افزایش سقف اعتبار منجر شود. در مقابل، عملکرد اعتباری نامناسب نیز می‌تواند شرایط دریافت اعتبار بعدی را تغییر دهد. این ویژگی عملاً رابطه میان کاربر و ارائه‌دهنده اعتبار را از یک ارزیابی مقطعی خارج کرده و به یک فرآیند مستمر تبدیل می‌کند؛ فرآیندی که در آن شرایط اعتباری فرد می‌تواند متناسب با عملکرد واقعی او بهبود یابد یا محدودتر شود. الگوریتم تصمیم‌گیر نهایی نیست یکی از موضوعات حساس در استفاده از هوش مصنوعی و مدل‌های یادگیری ماشین در اعتبارسنجی، احتمال خطای الگوریتم است. تکنووی تأکید کرده است که خروجی تراز «برآورد احتمال نکول» است و نباید آن را یک داوری قطعی درباره افراد تلقی کرد. عملکرد مدل به‌صورت مستمر پایش می‌شود و با ورود داده‌های جدید امکان بهبود و تنظیم مجدد آن وجود دارد. طبق اطلاعات منتشرشده، مدل از زمان رونمایی در الکامپ ۱۴۰۵ عملیاتی شده و با ورود داده‌های جدید، به‌صورت روزانه بازآموزی و به‌روزرسانی می‌شود. با این حال، تکنووی تاکنون شاخص‌های کمی عملکرد تراز را منتشر نکرده و اعلام کرده ارائه اعداد مربوط به دقت و عملکرد مدل به تکمیل فرآیند ارزیابی و تأیید آن موکول شده است. اعتبارسنجی دقیق‌تر به‌جای یک عدد برای همه تصمیم‌ها تغییری که تکنووی با تراز دنبال می‌کند، بیش از آنکه صرفاً معرفی یک مدل جدید یادگیری ماشین باشد، تغییر واحد تصمیم‌گیری در اعتبارسنجی است؛ یعنی حرکت از «امتیاز فرد» به سمت «ریسک درخواست». در چنین ساختاری ممکن است یک کاربر برای یک مبلغ مشخص شرایط مناسبی داشته باشد، اما افزایش سقف اعتبار، ریسک درخواست او را به شکل محسوسی تغییر دهد. از سوی دیگر، کاربری که سابقه اعتباری محدودی دارد نیز الزاماً از چرخه دریافت اعتبار حذف نمی‌شود. هدف نهایی این رویکرد ایجاد تعادل میان دو نیاز متضاد بازار اعتبار است: گسترش دسترسی کاربران به اعتبار و کنترل ریسک نکول. موفقیت این مدل اما در نهایت به داده‌های عملکرد واقعی آن وابسته خواهد بود؛ داده‌هایی که انتشارشان می‌تواند تصویر دقیق‌تری از میزان اثربخشی رویکرد ریسک‌محور تراز ارائه کند. جمع‌بندی نرخ روز مدل «تراز» که در الکامپ ۱۴۰۵ رونمایی شد، رویکرد اعتبارسنجی را از یک امتیاز ثابت برای هر فرد به ارزیابی ریسک هر درخواست تغییر می‌دهد. این مدل با استفاده از یادگیری ماشین، احتمال نکول را برای سقف‌های مختلف اعتبار برآورد می‌کند و به افراد بدون سابقه اعتباری نیز فرصت ارزیابی تکمیلی می‌دهد. تراز پروفایل ریسک کاربران را پویا می‌داند و عملکرد اعتباری فرد می‌تواند شرایط دریافت اعتبار او را در آینده بهبود بخشد یا محدود کند. موفقیت نهایی این رویکرد به داده‌های عملکرد واقعی آن در بازار اعتبار وابسته است.}``` citizenry. The model aims to balance expanding user access to credit with controlling default risk. Its ultimate success will depend on real-world performance data.```