لقد تحول استخدام الذكاء الاصطناعي في قرارات الإقراض من الفضول إلى الاتجاه السائد ، كما أعتقد ، على مدى السنوات الخمس الماضية. بدأ معظم المقرضين برنامجًا تجريبيًا أو يفكرون فيه بجدية ، وبعضهم ، بقيادة مقرضي التكنولوجيا المالية مثل Upstart ، جعلوه جزءًا أساسيًا من أعمالهم.

ضيفنا التالي على بودكاست Fintech One-on-One هو شري سانتانام. وهو نائب الرئيس التنفيذي والمدير العام للتحليلات العالمية في اكسبريان. أمضى شري معظم حياته المهنية في جلب البيانات الضخمة والذكاء الاصطناعي لمواجهة عدد لا يحصى من تحديات الأعمال. على مدار العامين الماضيين ، كان يقود مبادرات التحليلات العالمية لـ Experian.

ستتعلم في هذا البودكاست:

• خلفية شري مع الذكاء الاصطناعي وتحليلات البيانات.
• التغييرات الثلاثة الكبيرة التي تسارعت للمقرضين في الأشهر الـ 18 الماضية.
• ما يحتاجه مقرضو التكنولوجيا المالية لتحقيق النجاح في البيئة التنافسية اليوم.
• كيف يحرك المقرضون أفضل تأثير من الذكاء الاصطناعي.
• ما تفعله Experian لمساعدة المقرضين في رحلات عملائهم.
• كيف يساعدون المقرضين على زيادة سرعتهم في السوق.
• تأثير القيود التنظيمية على نماذج الاكتتاب في الذكاء الاصطناعي.
• الطرق الثلاث التي يميز بها Experian أنفسهم اليوم.
• كيف يجب أن يستخدم المقرضون الذكاء الاصطناعي اليوم.
• ما الذي سيستغرقه كل الإقراض ليتم تنفيذه عبر نماذج الذكاء الاصطناعي.
• الاتجاهات المثيرة للاهتمام في مجال الذكاء الاصطناعي التي ستشكل المستقبل.
• ما خطط Experian هنا للسنوات الخمس المقبلة.

يمكنك الاشتراك في Fintech One on One Podcast عبر Apple Podcasts or سبوتيفي. للاستماع إلى حلقة البودكاست هذه ، يوجد مشغل صوت أعلى مباشرة أو يمكنك ذلك قم بتنزيل ملف MP3 هنا.

تحميل PDF من النسخ أو قراءتها أدناه

مرحبًا بكم في Fintech One-on-One Podcast ، الحلقة رقم 316. هذا هو مضيفك ، بيتر رينتون ، رئيس مجلس الإدارة والمؤسس المشارك لشركة LendIt Fintech.

(موسيقى)

بيتر رينتون: اليوم في العرض ، يسعدني أن أرحب بشري سانتانام ، وهو نائب الرئيس التنفيذي والمدير العام للتحليلات العالمية ومنتجات الذكاء الاصطناعي في Experian. من الواضح أنه خبير في الذكاء الاصطناعي وأردت الحصول على Shri لأننا لم نتعمق حقًا في الذكاء الاصطناعي منذ فترة طويلة وقد تغير الكثير مما نتعمق فيه في هذه الحلقة. كما تعلمون ، نتحدث عما يفعله المقرضون اليوم ، وما يتعين عليهم القيام به ليكونوا ناجحين ، وكيف يستخدمون الذكاء الاصطناعي. 

نتعمق في كيفية مساعدة Experian حقًا لبعض الأشياء التي يقومون بها والتي تعتبر فريدة حقًا في هذا المجال ، نتحدث عن كيفية استخدام المقرضين للذكاء الاصطناعي وما هي الاتجاهات التي يراها Shri ، من الناحية التاريخية والمضي قدمًا. ، وينظر أيضًا في كرته الكريستالية ويقدم تنبؤات لمدة خمس سنوات من الآن. لقد كانت مقابلة رائعة ، أتمنى أن تستمتع بالعرض.

(موسيقى)

بيتر: مرحبًا بكم في البودكاست ، شري!

شري سانتانام: شكرًا لك. شكرا لاستضافتي يا بيتر.

بيتر: من دواعي سروري. لذا ، لنبدأ بإعطاء المستمعين القليل من الخلفية عن نفسك. هل يمكنك أن تعطينا بعض النقاط البارزة في حياتك المهنية قبل أن تصل إلى Experian؟

السيد شري: لقد أمضيت جزءًا كبيرًا من مسيرتي المهنية في Oliver Wyman وهي شركة استشارات في مجال الإستراتيجيات والعمليات في مجال الخدمات المالية. لقد بدأت مسيرتي المهنية مع أوليفر وايمان فور تخرجي من المدرسة ، وكنت في الواقع أحصل على درجة الدكتوراه من جامعة ستانفورد ، والتي لم أكملها في النهاية ، ولكن ما جذبني حقًا إلى الاستشارات هو تقديم نهج هندسي لمشاكل الأعمال وكان هذا هو موضوع وقتي في أوليفر وايمان. 

خلال السنوات السبع أو الثماني الماضية في أوليفر وايمان ، ساعدت في بناء شركة تسمى Oliver Wyman Labs حيث رأينا الفرصة في حوالي 2011/2012 لجلب تقنية نمط وادي السيليكون والذكاء الاصطناعي في بعض التحديات التي واجهتها البنوك والمؤسسات المالية الكبيرة بعد ذلك. -مصيبة. كانت تلك رحلة ممتعة لجلب Python ، البيانات الضخمة إلى تقنية الذكاء الاصطناعي إلى هذا النوع من الفضاء وقضيت حفنة من الوقت هناك. 

ثم منذ حوالي عامين ، طلبت مني القيادة العليا في Experian الحضور لألعب دورًا رائدًا في قيادة التحليلات العالمية في الذكاء الاصطناعي ، مما يساعد على إحداث تأثير مع بيانات Experian بطريقة أبسط ، لذلك أنا هنا.

بيتر: حسنًا ، قبل أن ندخل في صلب المناقشة ، أود الحصول على القليل من الخلفية حول تجربتك مع الذكاء الاصطناعي والتحليلات ، وكيف سارت هذه الرحلة بالنسبة لك طوال حياتك المهنية.

شري: بالنسبة لي ، حتى قبل أن يطلق عليه جميع الأسماء الفاخرة التي هي عليه الآن ، AI / ML ، كنت دائمًا منجذبة لمتابعة اتخاذ القرارات التي تعتمد على البيانات. ما جذبني إلى الاستشارات هو ما كانت مجموعة تسمى Retail Value Engineering وكان مؤسس تلك المجموعة رجلًا يُدعى Jacques Cesar والذي غالبًا ما يصف العمل الذي نقوم به على أنه "ضغط الدم من الحجر" وهذا نوع من البيانات ، صحيح. 

في الواقع ، كان العمل الأولي الذي قمنا به مع تجار التجزئة وفي أوائل عام 2000 ، كان لديهم كمية هائلة من البيانات أسيرة إلى حد كبير في هذه الأنظمة المتجانسة الضخمة ، وقد انجذبت بشدة إلى احتمال وضع تلك البيانات في العمل ومساعدة أعمالهم على العمل بشكل أفضل ، مما يساعد على تحسين حياة المستهلكين والشركات. هذا ، في نهاية المطاف ، على مدار العقد الأول من هذا القرن ، تُرجم إلى تحليلات متقدمة ، وذكاء اصطناعي ، وكون التكنولوجيا أدوات لجعل هذا النوع من المهمة حقيقة واقعة ، مثل أحد الأشياء المثيرة للاهتمام التي قمنا بها في البيع بالتجزئة ، على سبيل المثال ، تحليل تفكيك اللحوم . 

تجار التجزئة ، كما يفكرون تقليديا في…. لنفترض أنك تروّج لعنصر من معجون الأسنان ، فأنت تنظر بشكل كبير إلى مبيعات معجون الأسنان ، لكن لها تأثيرًا هائلاً على العناصر الأخرى في ذلك الأسبوع ، حيث تجذب العملاء إلى هذا المتجر وتأثير شيء بسيط مثل الترويج لشركة Colgate معجون الأسنان عميق في الواقع ويمكن أن يساعدك الذكاء الاصطناعي والتحليلات على فهم ذلك واتخاذ نوع أفضل من الخيارات. لذلك ، كانت هذه نقطة البداية ، أعتقد أنها نمت في النهاية إلى اهتمامي بقيادة الخدمات المالية بعد الأزمة ومساعدة البنوك على الإقراض بشكل أفضل. 

الآن ، تاريخيًا ، استخدمت البنوك ومؤسسات الإقراض في الغالب القواعد أو نماذج الانحدار اللوجستي الأساسية لاتخاذ القرارات ، ولكن بالنسبة لي ، فإن جلب الذكاء الاصطناعي والتعلم الآلي لدفع الشمول المالي حقًا يساعد المستهلكين على الوصول بشكل أفضل إلى الائتمان ونوع من المقرضين يتخذون قرارات أفضل. جزء مهم من المهمة التي أراها.

بيتر: حسنًا. حسنًا ، دعنا ندخل في الأمر ونتحدث عن مساحة الإقراض. كما تعلم ، لقد كانت 18 شهرًا الماضية مثيرة جدًا للاهتمام لجميع المقرضين ، كما يمكنني القول ، ومن الواضح أننا رأيناهم ينتقلون إلى النظام الرقمي الذي أعتقد أنه أصبح إلزاميًا إلى حد كبير بالنسبة للعالم بأسره. لكني أرغب في الحصول على ما تراه في Experian فيما يتعلق بكيفية حدوث هذا التحول. ما الذي تراه فيما يتعلق ، كما تعلم ، بإضفاء الطابع الديمقراطي على القدرات الرقمية وهذا النوع من الأشياء.

السيد شري: إنه وقت رائع للحديث عن ثورة الإقراض وحتى قبل COVID ، أود أن أزعم أنه كانت هناك ثورة إقراض مهمة للغاية حيث إذا نظرت ، تاريخيًا ، في كيفية حدوث الإقراض ، كان ذلك بنوع من القلم والورقة . على مدار العقد ونصف العقد الماضيين ، ظهرت فكرة الأدوات الرقمية واتخاذ القرارات الرقمية والتحليلات والاكتتاب الرقمي. الآن ، سرع COVID ذلك بشكل كبير ونرى ثلاثة أشياء كبيرة مختلفة. 

أولاً ، عندما نظرت إلى ربما حتى قبل ثلاث أو أربع سنوات ، لديك كابيتال وان ، بعض البنوك الكبيرة والمتطورة بالفعل في طليعة قيادة هذه الثورة في جلب التعلم الآلي أو الأدوات الرقمية لعملية الإقراض بأكملها. الآن ، أصبح من الضروري تقريبًا أن تعمل مجموعة كاملة من المقرضين ، كبيرة ومتوسطة وصغيرة ، رقميًا واتخاذ بعض هذه القرارات. 

الشيء الثاني الذي نراه مع ثورة الإقراض بشكل صحيح هو في الواقع هذا التركيز العميق على تجربة العملاء. كان من الجيد منذ خمس أو ست سنوات الانتظار عدة أيام أو أسابيع للموافقة على القروض أو اتخاذ قرارات بشأن القروض للمستهلكين والشركات ، والآن تغير هذا التوقع بشكل كبير. نحن نرى مؤسسات إقراض مستعدة لاتخاذ هذا القرار في الوقت الفعلي بدلاً من الدقائق والساعات وهذا النوع من الأبعاد. 

ثالثًا ، بشكل أساسي ، نوع من ابتكار المنتجات والشمول. إنك ترى أن مساحة التكنولوجيا المالية بالكامل تأتي ، وتحدي التشغيل بالفعل ومسألة التكنولوجيا المالية هي ، هل يمكنني أن أجد مكانًا غير مخدومًا للسوق لدي منظور فريد وكيف أفكر في هذه المخاطر ويمكنني تحسينها وإقراضها لهم. هل هي قروض طلابية ، هل هي نوع من المهاجرين الذين كانوا في هذا البلد حيث طرق الائتمان والإقراض التقليدية لدينا لا تفعل ذلك بنفس الطريقة. لذلك ، هناك تحول كبير في كيفية بدء المقرضين في النظر إلى الفضاء وأنت ترى هذه الاتجاهات الثلاثة هي ما نراه في Experian.

بيتر: صحيح. وأحب أن أحصل على ما تريده أيضًا ، لأنني أعرف أنك تعمل مع كل من البنوك ومقرضي التكنولوجيا المالية وأعتقد أنه وقت مثير للفضول بالنسبة لمقرضي التكنولوجيا المالية لأن لديهم نوعًا من المساحة الرقمية مفتوحة على مصراعيها لهم ، أعني ، بعضهم استمر لأكثر من عقد من الزمن والآن هذه الفجوة تتضاءل. في رأيك ، ما الذي يحتاجه مقرضو التكنولوجيا المالية اليوم ليكونوا ناجحين في البيئة التي نحن فيها؟

شري: إن مقرضي التكنولوجيا المالية ، كما أراها ، يعطّلون السوق فعليًا بطريقة تفيد المستهلك حقًا ، صافي صافي ، لأنني إذا نظرت إلى الأجزاء الأربعة من fintech في مساحة الإقراض هذه التي يأتون إليها و أقول ، هل يمكنني اختيار جزء من السوق حيث أقوم بتطبيق نوع من أنواع الإقراض للاكتتاب وأقوم بتطبيق تجربة إقراض للعميل وهي مختلفة تمامًا ، أليس كذلك. وأنت ترى عددًا من شركات التكنولوجيا المالية مثل Affirm ، Prosper ، نوعًا ما تبدأ في أن تكون ناجحة جدًا في هذا المجال. 

لذلك ، أعتقد أنه من أجل أن يكونوا ناجحين ، يحتاجون إلى ثلاثة أشياء كبيرة. الأول هو أنهم بحاجة إلى تبني التعلم الآلي والاكتتاب المتقدم لأن جوهر نموذج أعمالهم ينطوي على كونهم في طليعة الاكتتاب بعدسة تبدو مختلفة قليلاً. لذلك ، أعتقد أن تبني التعلم الآلي ، وفهم كيفية عمل ذلك والذي يمكن أن يحسن الشمول المالي يجب أن يكون جزءًا. 

أعتقد أن الشيء الثاني الذي تحتاجه شركات التكنولوجيا المالية لتكون قادرة على النجاح هو حقًا تعطيل تجربة العملاء وإعادة اختراعها واتخاذ القرار بشأن ذلك. الكثير منها رقمي ، ولكن ، بشكل أساسي ، ابتكار منتج مثير للاهتمام حيث يمكنك الدخول في رحلة عميل التجزئة أو أقرب بكثير من مناسبة الشراء أو حالة الاستخدام لجميع أنواع العملاء بطريقة لا يزال الإقراض التقليدي بها احتكاك.

بيتر: مثير للاهتمام. إذن ، هل يمكننا البحث في الذكاء الاصطناعي والتحليلات لبعض الوقت هنا. ما الذي تراه فيما يتعلق بالمقرضين ، كما تعلم ، كيف يمكنهم تحقيق التأثير الأفضل من الذكاء الاصطناعي.

السيد شري: إذا نظرت إلى كيف ، دعنا نقول ، أن الجزء الأكبر من السوق الوسطى قد أقرض ، حتى قبل أربع أو خمس سنوات ، كان ذلك على خلفية شيئين بسيطين. لقد كانت مجموعة من قواعد السياسة وكان نوعًا من نموذج الاكتتاب. هذه هي الطريقة التي نجحت بها الكثير من أطر الإقراض في الواقع. وبشكل رئيسي ، الذيل الطويل للمقرضين الذين يستخدمون في الغالب إما الدرجات القياسية المتوفرة على الرف أو إذا قاموا بإنشاء نماذج مخصصة محددة ، فسيستخدمون في الغالب الانحدارات اللوجيستية الذاتية. كان هذا نوعًا من الطريقة التي عملت بها الأشياء ، تاريخيًا. 

الآن ، كان تغيير أي من هذه الأشياء تحديًا لأن التكاليف والبنية التحتية المطلوبة للوقوف على نماذج التعلم الآلي ، ووضعها في مرحلة الإنتاج ، ولديها نوع من قواعد اتخاذ القرار وأدوات التحسين وأكثر تعقيدًا كانت محظورة ، لكن هذا الواقع هو تغيير جذري الآن لذا ، فإن النتائج المخصصة ، والقدرة على إنشاء قواعد قرار محسّنة والقدرة على القيام بذلك بطريقة مخصصة على مجموعات البيانات التي هي في الواقع ذات صلة بالنسبة لك كمقرض ، وهذا الواقع يغير التكاليف أو ينخفض ​​، حتى مع نتحدث ، لفعل ذلك. 

لذلك ، فإن اعتماد نوع حديث من هيكل قرار الإقراض هو جزء كبير مما يحل محل الذكاء الاصطناعي والتحليلات. إذا نظرت إلى النماذج التي كانت تمثل انحدارات لوجستية الآن ، فهناك نماذج شجرية معززة بالتدرج اللوني يمكن أن تساعد في التفوق على تلك النماذج. لديك قواعد اتخاذ القرار التي تبدأ في المساعدة مثل تفوق الأداء بشكل كبير والحصول حقًا على موافقات أفضل ونوع أقل من خصم الرسوم للمقرضين.

بيتر: حسنًا. لذا ، أريد تبديل التروس قليلاً والتحدث عما تفعله Experian ، وتحديداً في الفضاء. ربما يمكنك أن تبدأ بالحديث فقط عن كيفية مساعدة Experian للمقرضين في رحلات عملائهم وهذا النوع من الأشياء اليوم.

شري: لذلك ، عندما جئت قبل عامين ، كان أحد المجالات التي رأيناها فرصة كبيرة هو مساعدة العملاء ببعض التحليلات والذكاء الاصطناعي التي يستخدمونها ، لا سيما في السوق المتوسطة ، لبناء هذه النماذج. لذلك ، هناك اتحادات ائتمانية ، وهناك عملاء من السوق المتوسطة حيث ، تاريخيًا ، ما فعلناه هو أننا قمنا ببناء نماذج ومشاريع مخصصة لهم. ما وجدناه هو أن الوقت المعتاد الذي استغرقه بناء هذه النماذج المخصصة كان في مكان ما بين خمسة / ستة أشهر ونشر هذه النماذج ، مرة أخرى ، كان معقدًا نوعًا ما واستغرق ثلاثة أشهر أخرى. 

لذلك ، بالنسبة للعديد من عملائنا في المكان ، وجدنا أن هناك حاجة واضحة ، لكن الوقت والقدرة على تقديم هذه الأشياء ، كان هناك الكثير من النفقات العامة التي تم تضمينها. لذلك ، أحد الأشياء التي قمنا بها هو أننا قمنا ببناء منصة لتعطيل المساحة بشكل كبير ، وهي منصة تسمى Ascend Intelligent Services ، والتي نعتقد أنها تقلل بشكل كبير من الوقت لبناء النماذج ، وإنشاء قواعد القرار ووضع هذا بالفعل في الإنتاج. 

لذلك ، نموذج البناء والإنتاج بالكامل ، ما زلنا في المراحل الأولى مع هذه المنتجات ، ولكن لدينا العديد من العملاء الناجحين حيث قللنا بشكل كبير من وقت الإنشاء الشامل والتكلفة التي يمكننا وضعها هذه الأشياء في الإنتاج. أحد الأمثلة هو دراسة حالة عامة لدينا لمقرض متوسط ​​السوق اسمه أطلس ، حيث رأينا تكلفة كبيرة جدًا للنتائج مع هذا النوع من العمل مع منصاتنا.

بيتر: شيق ، شيق. لذا ، هل يمكنك التعمق أكثر في ذلك. أعني ، أود الحصول على نوع من الإحساس ، دون التخلي عن الصلصة السرية ، ولكن كيف تمكنت من جعل هذه العملية أسرع بكثير؟

شري: نعم ، رائع ، سعيد بالحديث عن ذلك. لذا ، إذا نظرت إلى العملية التاريخية ، فمن المحتمل أن تكون هناك أربع نقاط احتكاك رئيسية أضافت الكثير من الوقت. كان الأول حول إدارة البيانات والجدل حيث كان علينا جلب الكثير من البيانات ومعالجتها لإنشاء نماذج. كانت النقطة الثانية من الاحتكاك تعمل في الواقع مثل المقياس المحسوب. لإنشاء نموذج مخصص بشكل نموذجي ، تحتاج في الواقع إلى تجربة 30/40 نوعًا مختلفًا من النماذج ، وإجراء العديد من العمليات الحسابية ، ثم اتخاذ القرار نوعًا ما. والثالث هو الامتثال التنظيمي والتوثيق. 

هذه النماذج ... سبب التحدي في الخدمات المالية هو أن لديك إطار عمل تنظيمي كامل وعليك أن تتعارض مع هذه الإدارة. وبعد ذلك ، أخيرًا ، مثل النشر. بمجرد إنشاء نموذج ، فإن الأسلوب التقليدي هو القول ، رائع ، لقد قمت ببناء هذا ، سأقوم بتوثيقه ، والآن سآخذه وألقيه على السياج وأحصل على نوع من الكود. . 

لذا ، فقد تابعنا هذه المشاكل الأربع بطريقة مهمة جدًا. لدينا بعض المزايا الإستراتيجية وكيف يمكننا مساعدة عملائنا لأننا نبنيها على منصاتنا وبياناتنا. لذا ، سوف آخذك إلى هؤلاء بدورهم. 

لذلك ، أولاً ، لدينا الكثير من البيانات للعديد من عملائنا ، لذا فهي تسمح لنا بمصدر تلك البيانات بشكل استباقي ، وتنظيمها وتقليل الوقت بشكل كبير وإنشاء النوع المناسب من مجموعة بيانات التدريب. لذا ، إذا كنت أعمل في مجال التكنولوجيا المالية وأتطلع إلى ابتكار منتج جديد ، كما هو الحال في Experian ، فيمكننا إنشاء مجموعة بيانات وكيل بسرعة كبيرة ، وتاريخيًا ، كانت هذه عملية يدوية الآن أضفنا الأتمتة. 

القطعة الثانية مثيرة للاهتمام وهي موجودة في النماذج. في العام ونصف العام / العامين الماضيين ، قمنا ببناء تقنية تشبه التكنولوجيا التي تديرها Google و Facebook وبعض شركات التكنولوجيا الرائدة والتي تتيح لنا حقًا إنفاق الحوسبة المستندة إلى السحابة وتشغيل ما يشبه عشرات ومئات النماذج. 

في عميل حديث ، قال أحد علماء البيانات لدينا ، إنه في يوم من الأيام حاول ربما مثل 80 نوعًا مختلفًا من النماذج وراجع نتائجها ، وهو تمرين يستغرق عادةً عالم البيانات عدة أسابيع من العمل لأنه على الرغم من أنك قمت بفتح مكتبة المصدر ، ملل إنشاء نموذج ، النظر في نتائجه ، إدارته ، إدارة كل الهندسة أمر معقد. لذا ، ما فعلناه هو أننا ألغينا كل الهندسة للسماح لعالم البيانات بأداء وظيفته حقًا في معرفة ما الذي يمكن أن ينجح. 

والثالث يتعلق بالوثائق ولوحات المعلومات. لدينا منتجات توفر الكثير من إطار عمل التوثيق التنظيمي القياسي والكثير من الأتمتة حول هذا الأمر ، لذا فهي لا تضع قيودًا على عدد المرات التي تحاول فيها وما تفعله عند تجميع الوثائق القياسية. 

وأخيرًا ، النشر السلس الذي كان بمثابة الكأس المقدسة لجميع عمليات التعلم الآلي و ML. ما بنيناه هو آلية لنشر النماذج بسلاسة في الإنتاج مما يتيح الأمل للعالم بأسره في معرفة ما يعرف بدورة MLOps حتى يمكن مراقبتها مباشرة ، ويمكن إعادة تدريبها وإدارتها. 

لذلك ، هذه أربعة من الأشياء الكبيرة التي عملنا عليها مع بعض استثمارات الأشخاص في مجال التكنولوجيا لدينا وكان موضوعنا الرئيسي هو إنتاج المنتج بأكمله ، لذلك قمنا بتحويله إلى منتجات لجعله متاحًا لعملائنا.

بيتر: صحيح. لذا ، أريد أن أتعمق قليلاً في تلك النقطة الثالثة ، القطعة التنظيمية ، لأنها شيء كنت دائمًا مهتمًا به. ما مقدار نماذج الذكاء الاصطناعي هذه التي يتعين عليك تعديلها أو تعديلها لأنه يجب أن تكون ، كما تعلم ، يجب أن تكون ممتثلًا لجميع FCRA وجميع الأشياء التي تحتاج إلى أن تكون قابلية للتفسير ، عليك أن تشرح قرار الائتمان ، ما هو تأثير مثل؟ 

لقد تحدثت عن مجموعات البيانات من Google و Facebook حيث سيكون لديهم متطلبات تنظيمية مختلفة للغاية. في بعض النواحي ، لا يحتاجون بالضرورة إلى تقليص أو تغيير لشرح أشياء مثل ما عليك القيام به في الخدمات المالية ، فما هو تأثير وجود هذا النوع من الإطار التنظيمي على النماذج نفسها؟

شري: نعم. إنه سؤال رائع لأن له آثارًا على النماذج التي سيسمح في النهاية بوضعها في الإنتاج والعملية التي تبنيها من خلالها أيضًا. إذا نظرت إلى عالم غير مقيد لم يكن لديك فيه إطار عمل تنظيمي ، فما ستفعله هو أن تأخذ إطار العمل الأكثر تعقيدًا لديك وأفضل البيانات لديك وستقوم برمي النماذج وسيكون لديك مثل الآلات ربما استكشف هذا النوع من الحالة ، حسنًا ، لذا أنشئ واحصل على شجرة معززة متدرجة.

تكمن المشكلة بعد ذلك في أنك تواجه قيود نمو محددة مثل هناك سمات معينة تستخدمها يجب أن تكون قابلة للتفسير ، ويجب أن تكون رتيبة حتى تتمكن من الضغط على سمات معينة ، علاوة على ذلك ، أصبح موضوع التحيز والمعايير أيضًا أحد الموضوعات المهمة . لذا ، إذا بالغت في التأثير على العملية التقليدية لكيفية متابعة عالم البيانات بعد ذلك ، فهو يقول ، حسنًا ، سأقوم بتطبيق هذه القيود ، وبناء النموذج الأول ، ومعرفة ما إذا كان يعمل ثم أرى ما إذا كان بإمكاني اللعب مع مجموعة من هذه الأشياء وتطبيق القيود مرة أخرى. وغالبًا ما تكون مقايضة حقيقية بين الأداء المتماثل ونوع الإطار التنظيمي وما يمكننا إدارته. 

الآن ، ما فعلناه بالمنتج هو أننا في الواقع سمحنا بالعديد من هذه القيود لتتعرف على كيفية تنظيم البيانات وكذلك كيفية السماح للنموذج نفسه بالذهاب والبحث عن حلول. لذا ، فإنه يجعل مهمة عالم البيانات أسهل بكثير ، حيث يقول ، حسنًا ، يُسمح لك باستخدام هذه السمات ، لا يمكن استخدام هذه السمات إلا بطرق معينة ، ثم أخيرًا ، لا تقول الآلة ، اذهب ، استكشف هذا النوع من المساحة المستقيمة وهذه خطوة مهمة حقًا لعالم البيانات لأنه ، بخلاف ذلك ، يخلق الكثير من العمل الشاق حيث تلعب تقريبًا مثل لعبة القط والفأر هذه قائلة ، مهلاً ، لقد حصلت على أداء أفضل ، لكني انتهكت القيود التنظيمية. 

لذلك ، هناك مقايضة وأعتقد في الفضاء أننا سنستمر في رؤية المزيد من هذا النوع من المقايضة مع تطور لوائحنا لإدارة نوع من ML و AI ، لكننا نعتقد أيضًا أن المنتج والتكنولوجيا يمكن أن يتطوروا لمعالجة هذه.

بيتر: صحيح ، صحيح ، منطقي. إذن ، من الواضح أننا نعيش في عالم تنافسي وإكسبريان لديها منافسون أيضًا. ما الذي تفعله مختلفًا ، كيف تميز نفسك عن الآخرين في الفضاء؟

شري: أعتقد ، بالنسبة لنا ، نعتقد أن هناك فرصة كبيرة جدًا في السوق المتوسطة وإضفاء الطابع الديمقراطي على العديد من هذه القدرات التي كانت ، تاريخياً ، محدودة ربما لنوع من البنوك الكبيرة أو مؤسسات الإقراض حيث يمكنهم تحمل تكلفة هذه البنية التحتية. لذلك ، نحن نميز أنفسنا بثلاث طرق. 

الأول هو أننا نقدم تجربة شاملة عبر البيانات والتحليلات واتخاذ القرار. تمتلك Experian ، كما تعلم ، بعضًا من أكثر مجموعات البيانات قيمة حول الإقراض على هذا الكوكب. لدينا أيضًا عمل اتخاذ القرار الذي يدور حول توفير سير العمل والبرامج للعملاء للسماح لهم باتخاذ نوع من قرارات الإقراض وقواعد السياسة ونقدم نوعًا من التحليلات. لذا ، فإن أحد الفروق الكبيرة التي نمتلكها هو أننا نمتلك القدرة حقًا على تقديم ، وإذا كان بإمكاني رسم تشبيه البيع بالتجزئة ، فلدينا القدرة على توفير Shopify مكافئًا للسوق المتوسط. 

لكننا نقول ، إذا كنت مقرضًا وتركز على ما تفعله ، فأنت تعرف أفضل ما هو في الواقع تحديد مكان الإقراض المناسب ، وتحديد العملاء وأهدافك. يمكننا توفير هذا النوع من بيانات التحليلات الشاملة بدلاً من التكنولوجيا. هذا هو الفارق الرئيسي بالنسبة لنا. 

أعتقد أن العامل الثاني الذي يميزنا هو أننا نقوم بخطوة محددة لزيادة الوصول إلى بعض هذه الأنواع من الأدوات وكيفية تسعيرنا وما نفعله مثل التحول الديمقراطي حقًا. لذلك ، نحن نميل إلى الأمام وننمي قاعدتنا. 

والمميز الثالث الذي نمتلكه هو أننا حصلنا على اختراق كبير جدًا للبيانات مع عدد من مؤسسات الإقراض. بين عشية وضحاها ، مثل الغالبية العظمى من مؤسسات الإقراض في أمريكا الشمالية ، بشكل ما ، تستخدم نوعًا من البيانات التجريبية وما نريد القيام به هو تقديم مجموعة من المنتجات أو التحليلات التي يمكن الوصول إليها والذكاء الاصطناعي لجميع هذه المؤسسات. في الوقت الحالي ، معدل تغلغلنا في ذلك هو رقم واحد منخفض ، ونعتقد أن هذه فرصة كبيرة أمامنا إذا نجحنا في التحول الديمقراطي هو إدخالها في الذيل الطويل للمقرضين.

بيتر: حسنًا ، مثير للاهتمام. إذن ، أنت تتحدث إلى عملائك ، ماذا سيكون ، بالنظر إلى جميع الأشياء المختلفة التي يمكن أن يقوم بها الذكاء الاصطناعي ، ما هو أهم شيء يجب أن تستخدمه الشركات للذكاء الاصطناعي اليوم؟

السيد شري: أعتقد أن الإجابة ربما تتكون من جزأين لهذا السؤال. الأول هو كيف يجب أن يستخدموا الذكاء الاصطناعي وما الذي يجب أن يستخدموه من أجله. فيما يتعلق بأكبر طريقة لتحقيق التأثير ، أعتقد أنه يجب على الشركة أن تأخذ نظرة أكثر شمولية للذكاء الاصطناعي حتى يكون لها تأثير. من الناحية التاريخية ، كان هناك الكثير من الافتتان بجزء واحد من الذكاء الاصطناعي وهو نوعًا ما من أداء الذكاء الاصطناعي ، ولكن عندما تنظر إلى إحداث تأثير من الذكاء الاصطناعي بشكل أكثر شمولية ، نعتقد أن هناك أربعة مكونات. لا يوجد أداء للذكاء الاصطناعي فقط ، وهو ، مهلاً ، لقد قمت ببناء نموذج أفضل ، ولكن اعتماد الذكاء الاصطناعي ، وقابلية التوسع في الذكاء الاصطناعي ، والثقة في الذكاء الاصطناعي ، لذلك حقًا للحصول على تأثير من الذكاء الاصطناعي ، لا يكفي أن يكون لديك أداء ذكاء اصطناعي فقط وهو عبارة عن بيانات عالم يقول ، لدي دليل جيد جدًا على المفهوم. يجب أن تفكر في إمكانية تضمين ذلك في سير العمل للسماح للعملاء أو الشركات باتخاذ قرارات أفضل ، هل هو على نظام أساسي مستدام وقابل للتطوير ، وفي النهاية يثق به العملاء. الآن ، هذا أساسًا ما نعتقد أنه الحاجة إلى تأثير الذكاء الاصطناعي. أعتقد أنه بالنسبة للمقرضين ، في رأيي ، أعتقد أن الفرصة الواضحة والأكبر من بعض النواحي هي شمولنا المالي. 

إذا نظرت إلى قصة عملي ، عندما كنت نشأت في الهند ، أتذكر أن والدتي كانت نوعًا ما رائدة أعمال ، مثل عدد من الأفكار والأشياء التي كان بإمكانها استخدام رأس المال للاستثمار فيها ، لكنها لم تفعل ذلك حقًا ' ليس لديها قدر كبير من الوصول إلى الإقراض ، ولكن إذا نظرت إلى جوهره مثل مصداقية الإقراض أو احتمالية التخلف عن السداد لشخص مثلها ، فما الذي كانت ستفعله بهذا النوع من رأس المال ، أعتقد أنه نوع من الضخامة. 

وأعتقد أن هذا صحيح مع عدد من شرائح السكان في جميع أنحاء أمريكا الشمالية حيث بالعدسة الصحيحة ، مع النوع الصحيح من إطار العمل ، أعتقد أنه يمكن أن يكون "فوزًا" للإقراض والعميل. لذلك ، أعتقد أن هناك الكثير من الإمكانات في استخدام الذكاء الاصطناعي والتحليلات من أجل الشمول المالي.

بيتر: صحيح ، صحيح ، أجل ، بالتأكيد. أريد أن أسأل عن شيء ......Dave Girouard ، الرئيس التنفيذي لشركة Upstart ، من الواضح أنه رائد في مجال الذكاء الاصطناعي في الإقراض ، قال إن جميع عمليات الإقراض ستتم بواسطة الذكاء الاصطناعي في المستقبل ويبدو لي عندما أتحدث إلى المقرضون ، يبدو الأمر كما لو ... .. هناك عدد قليل جدًا من المقرضين من أي نوع يقولون فقط ، لسنا مهتمين باستكشاف هذا ، يبدو أن تلك المحادثة قد تغيرت في العامين الماضيين ، لكني أحب أن احصل على وجهة نظرك. هل سيتم تنفيذ جميع عمليات الإقراض بواسطة منظمة العفو الدولية وما الذي يتطلبه الأمر للوصول إلى هناك؟

شري: أتفق مع ديف وأعتقد أن المستقبل شبه حتمي. أعتقد أن التحدي الأكبر الذي أعتقد أننا سنديره ونتغلب عليه نوعًا ما هو الثقة. في ظل نوع من الثقة ، هناك قابلية للتفسير ، وهناك تحيز وإنصاف وفي الحقيقة في ظل إطار تنظيمي. أعتقد أن السبب الضيق لعدم وجود مجموعة من الأشخاص يتبنون نوعًا من الذكاء الاصطناعي ، ستسمع هذا كثيرًا ، حسنًا ، هناك تنظيم وهناك هيكل ، لكن إذا نظرت إلى روحها بشكل أوسع ، حقا الموضوع الشامل هو الثقة ، صحيح.

أعتقد أن المنظمين هم أيضًا…. إنهم أشخاص حاذقون وعقلانيون يصنعون نوعًا من ... ينشئون أطرًا تنظيمية وهم في الواقع ... بعد التحدث إلى عدد من المنظمين ، فهم مدروسون جدًا بشأن هذا الأمر. أعتقد أن السؤال الأوسع يدور حول نوع من الثقة وإنشاء الأطر الصحيحة لضمان أن يكون الإقراض باستخدام الذكاء الاصطناعي عادلاً وشفافًا وموثوقًا به قبل كل شيء ، لكنني أعتقد أننا سنصل إلى هذه الرحلة بالطريقة نفسها. في مرحلة ما ، أعتقد أنه من الحتمي أيضًا أن تكون غالبية السيارات على الطريق بدون سائق.

بيتر: صحيح ، صحيح ، نعم ، نعم. لم نصل إلى هناك بعد. أود أن أزعم أن الذكاء الاصطناعي لقيادة السيارة أكثر تعقيدًا بكثير مما هو عليه لتقرير ما إذا كان يجب على المستهلك الحصول على قرض أم لا ، كما يبدو لي. 

على أي حال ، لقد نفد الوقت تقريبًا ، لكن هناك سؤالان آخران. أريد أن أتحدث عن الاتجاهات التي تراها والتنبؤات للمستقبل ، أعني ، ما هي بعض الاتجاهات التي تراها اليوم في تحليلات الذكاء الاصطناعي التي يجب على الفرق حقًا أن تبحث عنها.

شري: أعتقد أن أحد الاتجاهات المثيرة للاهتمام التي تسمعها بعض الخبراء في الحديث عن الفضاء هو التحول إلى ما يسميه أندرو آنج ، أحد كبار المفكرين في الفضاء ، الذكاء الاصطناعي المرتكز على البيانات. في جوهرها ، تبدو المفاهيم بسيطة للغاية ، وإذا نظرت تاريخيًا إلى الضحك الكبير حول الذكاء الاصطناعي ، هل يمكنني إنشاء شبكة عصبية أو تعزيز متدرج ويمكنني أخذ نفس البيانات وهل يمكنني الحصول عليها نتائج أفضل ونتائج أفضل. الآن ، يتحول الحوار قليلاً إلى نقطة أخرى مهمة جدًا للرافعة وهي الذكاء الاصطناعي المرتكز على البيانات والذي يقول في الواقع ، هل يمكنني الحصول على النوع الصحيح من بيانات التدريب وإنشاء نوع من القرارات الأفضل وهذا يفتح سؤالًا مثيرًا للاهتمام مثل الاستفادة من المزيد من مصادر البيانات وإدارة البيانات وهل يمكنك حقًا الحصول على أداء أفضل. 

هناك الكثير من العمل الذي يتم إنجازه في مجال الذكاء الاصطناعي على الذكاء الاصطناعي المرتكز على البيانات حول كيفية تحضير البيانات وإدارة البيانات واستخراج البيانات من المصادر التي كانت في السابق مرفوضة نوعًا ما. لذلك ، هذا نوع من الاتجاه الكبير الذي نراه والذي أعتقد أن له آثارًا مهمة على المساحة التي نتواجد فيها والمؤسسات المالية أيضًا لأنه ، تاريخيًا ، تم تحديد البيانات التي يمكن استخدامها في الإقراض بعناية. أعتقد أنه سيكون هناك المزيد من التفكير في المستقبل حول كيفية توسيع ذلك نوعًا ما وما الذي نرغب في السماح به أيضًا في ذلك. لذلك ، أعتقد أن هذا اتجاه كبير. 

أعتقد أن الاتجاه الكبير الآخر هو تقريبًا نوع من الاتجاه الواضح وهو الانتقال إلى السحابة ، لكن في الواقع ، أراه تحت موضوع أوسع حيث ينتقل الذكاء الاصطناعي فعليًا إلى أكثر من تخصص هندسي وانضباط تقني. تاريخيًا ، كان علم البيانات والذكاء الاصطناعي عبارة عن مجموعة من الأشياء التي قام بها علماء البيانات ولم يكن لديهم الأنظمة والعملية والصرامة التي تتمتع بها هندسة البرمجيات نوعًا ما. لكن الآن ، لقد بدأت في الواقع في رؤية كل هذه الدقة تأتي ولا سيما مع الانتقال إلى السحابة ، لديك عشرة علماء بيانات يمكنهم العمل على نفس النوع من النماذج مثل مجموعات النماذج والبنية هذه. 

بدأت هذه المشاكل في أن تصبح حقيقية ، وما لم يكن لديك تخصص هندسي مشابه للبرمجيات لتكون قادرًا على إدارة ذلك ، فإنك تدخل في مجموعة كاملة من المشكلات المعقدة حيث ينشئ عالم البيانات نموذجًا ويحاول عالم البيانات الثاني أن يذهب ويلقي نظرة عليه. وكأنه ليس متأكدًا تمامًا مما تم بناؤه وعندما تضعه في الإنتاج ، هل يضيع. لذا ، فإن الانضباط الهندسي بأكمله حول علم البيانات والذكاء الاصطناعي هو أيضًا اتجاه كبير نراه.

بيتر: هذا مثير للاهتمام ، لم أسمع ذلك ، وهذا منطقي تمامًا بالنسبة لي. حسنًا ، إذن ، السؤال الأخير ، كما تنظرون ، دعنا نقول بعد خمس سنوات من الآن ، كيف ستستخدم Experian الذكاء الاصطناعي والتحليلات المتقدمة في سبتمبر 2026 على سبيل المثال؟

السيد شري: لقد بدأنا رحلة حيث لدينا نموذج أوسع ومخزون من نوع المنتج لمجموعة صغيرة من الصناديق. ما أتمناه هو أننا نجحنا في ترتيب النطاق الكامل على جزء التحول الديمقراطي هذا ، ولدينا جزء كبير جدًا جدًا من عملاء البيانات لدينا حيث فتحنا بالفعل إمكانية الوصول إلى التحليلات والذكاء الاصطناعي والعديد من هذه الأنواع من التقنيات والنماذج المتقدمة ونوعًا أوسع نطاقاً ، مئات إن لم يكن الآلاف من الأموال ، هذا ما أتمناه نوعًا ما. 

الشيء الثاني الذي أتمناه في Experian هو أننا ندعم Experian بالتحليلات والذكاء الاصطناعي بطريقة تشبه إلى حد كبير عبر الأعمال التجارية بطريقة بالغة الأهمية. لقد بدأنا في القيام ببعض الغزوات على ذلك في Experian. بالإضافة إلى أعمالنا الاستهلاكية وأعمال تحليلات القرار لدينا ، لدينا أيضًا أعمال في مجال الصحة ، وفضاء BIS ، وقد بدأنا في استخدام الذكاء الاصطناعي والتحليلات في تلك المساحات. لذلك ، آمل أن يصبح الذكاء الاصطناعي والتحليلات أساسًا أساسيًا لنوع Experian من الحمض النووي والأسهم لتعمل مثل عدد من منتجاتنا وأعمالنا في جميع أنحاء.

بيتر: حسنًا. حسنًا ، سيتعين علينا ترك الأمر هناك ، شري ، سيكون من الرائع رؤية كل ذلك يتكشف. أنا حقا أقدر حضورك في العرض اليوم.

شري: شكرًا جزيلاً لك يا بيتر ، شكرًا لاستضافتي.

بيتر: بالطبع ، حسنًا ، أراك.

حسنًا ، كما تعلم ، أنا لست عالم بيانات ، لكنني أتحدث إلى الكثير من المقرضين وما يذهلني هو أنني لا أعرف أي جهة مُقرضة اختبرت نموذجًا للذكاء الاصطناعي وفعلته بطريقة جادة ثم أقول ، كما تعلمون ، إنه ليس جيدًا ، ليس جيدًا كما كنا نفعل من قبل ، أعتقد أننا سنعود إلى ما كنا نفعله من قبل. هذا لا يحدث ويجعلني أدرك أنه كما قال شري هناك ، من المحتم أن تكون لدينا هذه الحركة ، وسوف تستمر. 

لا ، هذا لا يعني أن الجميع حتى خلال خمس أو عشر سنوات سيستخدمون نماذج الذكاء الاصطناعي ، ولكن هذا هو الاتجاه الذي نسير عليه. لا أعرف ما إذا كانت خمس سنوات أو عشر سنوات أو 15 عامًا ، لكن قريبًا لن يكون هناك أحد يستخدم هذه النماذج التقليدية القديمة حيث سيتولى الذكاء الاصطناعي المسؤولية. هذا هو توقعي ، على أي حال.

في هذه المذكرة ، سأقوم بتسجيل الخروج. أنا أقدر كثيرا الاستماع لك وسألتحق بك في المرة القادمة. وداعا.

(موسيقى)

بيتر رينتون هو رئيس مجلس الإدارة والمؤسس المشارك لشركة LendIt Fintech ، أول وأكبر شركة وسائط رقمية وفعاليات في العالم تركز على التكنولوجيا المالية.

تعقد LendIt Fintech ثلاثة مؤتمرات سنويًا لأسواق التكنولوجيا المالية الرائدة في الولايات المتحدة الأمريكية وأوروبا وأمريكا اللاتينية. يوفر LendIt أيضًا محتوى متطورًا طوال العام عبر الصوت والفيديو والقنوات المكتوبة.

كان بيتر يكتب عن fintech منذ عام 2010 وهو مؤلف ومبدع Fintech One-on-One Podcast ، وهي سلسلة المقابلات الأولى والأطول عمراً في مجال التكنولوجيا المالية.

تمت مقابلة بيتر من قبل وول ستريت جورنال ، وبلومبرج ، ونيويورك تايمز ، وسي إن بي سي ، وسي إن إن ، وفورتشن ، وإن بي آر ، وفوكس بيزنس نيوز ، وفايننشال تايمز ، وعشرات من المنشورات الأخرى.

أفلاطون. Web3 مُعاد تصوره. تضخيم ذكاء البيانات.
انقر هنا للوصول.

المصدر: https://www.lendacademy.com/podcast-316-shri-santhanam-of-experian/