AI ने आमच्या क्रेडिट योग्यतेचा न्याय केला पाहिजे का?
होपचा अनुभव दर्शवतो की क्रेडिट स्कोअर किती महत्त्वाचा असू शकतो, परंतु, तिच्या बाबतीत, तो संपूर्ण कथा सांगत नाही.
“एक राष्ट्र म्हणून, आम्हाला क्रेडिट स्कोअरचे खूप वेड आहे,” फनमी ओलुफुनवा, ग्राहक वित्त वकील आणि हूप्स फायनान्सच्या वित्तीय शिक्षण व्यवसायाचे संस्थापक म्हणतात.
तीन कंपन्या – एक्सपेरियन, इक्विफॅक्स आणि ट्रान्सयुनियन – यूकेमध्ये क्रेडिट स्कोअर तयार करतात आणि त्या सर्व साधारणपणे समान डेटावरून काम करतात.
“क्रेडिट स्कोअर हा मागासलेला दिसतो. ते भूतकाळात काय घडले ते पाहत आहे, जे भविष्याचा अंदाज लावत नाही,” ओलुफुनवा म्हणतात.
“पण जेव्हा कोणी तुम्हाला पैसे देऊ पाहत असेल, तेव्हा ते प्रत्यक्षात काय परवडणारे आहे ते पाहत असतात,” ती म्हणते.
पारंपारिक क्रेडिट स्कोअरिंग सिस्टीम देखील “पातळ-फाइल अर्जदार” – तरुण लोक आणि यूकेमध्ये अलीकडील स्थलांतरित ज्यांनी क्रेडिट इतिहास तयार केला नाही, ते देखील गैरसोय करतात.
परंतु पूर्वीपेक्षा अधिक आर्थिक डेटा उपलब्ध असल्याने – आणि AI ची वाढती भूक – कृत्रिम बुद्धिमत्ता कर्जदारांना कोणाला कर्ज देणे सुरक्षित आहे हे शोधण्यात मदत करू शकते का?
यूएस मध्ये कर्ज देण्याचे निर्णय बहुतेक वेळा FICO नावाच्या कंपनीच्या क्रेडिट स्कोअरवर अवलंबून असतात, जी तीन मोठ्या क्रेडिट मूल्यांकन संस्थांकडील डेटा वापरते.
परंतु एआय-संचालित कर्ज देणाऱ्या कंपन्या, अपस्टार्ट आणि झेस्ट एआय या दोन्ही बिझनेस आहेत जे ग्राहकांच्या क्रेडिट पात्रतेचे मूल्यांकन करताना कर्जदारांना अतिरिक्त पर्याय देतात.
“आमच्या मशीन-लर्निंग मॉडेल्सबद्दल धन्यवाद जे 2,500 पेक्षा जास्त व्हेरिएबल्स पाहतात, आम्हाला विश्वास आहे की आम्ही प्रत्येक लोकसंख्याशास्त्रीय गटातील कर्जदारांना कमी किमतीत लक्षणीयरीत्या अधिक कर्ज देऊ शकतो,” अपस्टार्टने निवेदनात म्हटले आहे.
मॉर्टगेज तज्ज्ञ आणि द मॉर्टगेज ममच्या संस्थापक आणि सीईओ, सारा टकर म्हणतात: “एआयकडे कर्जदारांना माहितीच्या विस्तृत संचाचे विश्लेषण करण्यात, नमुने अधिक द्रुतपणे ओळखण्यात आणि एखाद्याच्या परवडण्याजोगे आणि जोखमीचे अधिक वैयक्तिक चित्र तयार करण्यात मदत करण्याची क्षमता आहे.”
जर तंत्रज्ञानामुळे सावकारांना तथाकथित पातळ-फाइल अर्जदारांना अधिक चांगल्या प्रकारे समजून घेण्याची परवानगी मिळते, फक्त वाढत्या कठोर नियमांचा अवलंब करण्याऐवजी, टकरचा असा विश्वास आहे की “आर्थिक समावेशन सुधारण्याची खरी संधी” आहे.
परंतु दैनंदिन जीवनात AI च्या इतर अनेक अनुप्रयोगांप्रमाणेच, चिंता देखील आहेत.
“ग्राहकांना त्यांच्याबद्दल निर्णय घेण्यासाठी कोणती माहिती वापरली जात आहे हे समजून घेणे आवश्यक आहे आणि जेव्हा ते चुकीचे असेल तेव्हा त्यांना आव्हान देण्यास सक्षम असणे आवश्यक आहे,” टकर स्पष्ट करतात.
ऑक्सफर्ड विद्यापीठातील टेक्नॉलॉजी अँड रेग्युलेशनच्या प्राध्यापिका सँड्रा वाच्टर म्हणतात, याच कारणासाठी क्रेडिट स्कोअर हा अनेक दशकांपासून वादग्रस्त विषय आहे.
“आम्ही पूर्वीचे निर्णय योग्य होते की नाही याचे मूल्यांकन करत नाही,” वॅच्टर तर्क करतात, एआयला निर्णयांवर परिणाम करणाऱ्या विद्यमान सामाजिक असमानतेबद्दल माहिती नाही आणि ते फक्त “भूतकाळात जे पाहिले आहे त्याचीच प्रतिकृती बनवू शकते”.
अपस्टार्ट आणि झेस्ट एआय सारख्या कंपन्या तंत्रज्ञानाला आर्थिक समावेशासाठी एक साधन म्हणून पाहतात, वॉच्टरचा असा विश्वास आहे की वास्तविक परिवर्तनासाठी उत्तरदायित्व तसेच ऑटोमेशन आवश्यक आहे.
AI ने केवळ भूतकाळातील पूर्वाग्रह कायम ठेवत नाही याची खात्री करण्यासाठी कंपन्यांनी विद्यमान नियम लागू केले पाहिजेत आणि नवीन रेलिंग स्थापित करणे आवश्यक आहे यावर ती जोर देते.
“कोणतेही सुरक्षा उपाय न ठेवल्याने भेदभाव मजबूत होईल, वाढेल आणि वाढेल.”
अपस्टार्ट म्हणते की ते त्या समस्येचा सामना करत आहे.
“आम्ही पूर्वाग्रह ओळखण्यासाठी वस्तुनिष्ठ, स्वयंचलित मूल्यमापन तयार करण्यात गुंतवणूक केली आहे आणि आम्ही ते मूल्यमापन आमच्या मॉडेल प्रशिक्षण प्रक्रियेत समाविष्ट केले आहे जेणेकरुन ते अधिक अचूक आणि कालांतराने अधिक निष्पक्ष होण्यासाठी विकसित होईल,” कंपनीने एका निवेदनात म्हटले आहे.
Comments are closed.