貸付決定に人工知能を使用することは、好奇心から過去XNUMX年間の主流になっていると私は主張します。 ほとんどの貸し手はパイロットプログラムを開始したか、それを真剣に検討しており、Upstartのようなフィンテック貸し手が率いる一部の貸し手はそれを彼らのビジネスの中核にしています。

FintechOne-on-Oneポッドキャストの次のゲストはShriSanthanamです。 彼は、グローバルアナリティクスのEVPおよびGMです。 エクスペリアン。 シュリは彼のキャリアの多くをビッグデータとAIをもたらし、無数のビジネス上の課題に耐えてきました。 過去XNUMX年間、彼はExperianのグローバル分析イニシアチブを主導してきました。

このポッドキャストでは、次のことを学びます。

• AIとデータ分析に関するShriの経歴。
• 過去18か月で貸し手にとって加速したXNUMXつの大きな変化。
• 今日の競争の激しい環境で成功するために必要なフィンテックの貸し手。
• 貸し手がAIからの影響を最もよく推進している方法。
• Experianがクライアントの旅で貸し手を支援するために行っていること。
• 貸し手が市場投入までのスピードを上げるのをどのように支援しているか。
• AI引受モデルに対する規制上の制約の影響。
• Experianが今日差別化しているXNUMXつの方法。
• 貸し手は今日AIをどのように使用すべきか。
• すべての貸し出しがAIモデルを介して行われるために必要なこと。
• 未来を形作るAI空間の興味深いトレンド。
• ここでのExperianの計画は、今後XNUMX年間です。

Fintech One onOneポッドキャストは次の方法で購読できます。 Apple Podcasts or Spotifyは。 このポッドキャストエピソードを聞くには、真上にオーディオプレーヤーがあります。 ここでMP3ファイルをダウンロード.

ダウンロード PDF 転写のまたは以下をお読みください

Fintech One-on-Oneポッドキャスト、エピソードNo. 316へようこそ。これは、ホストであるLendItFintechの会長兼共同創設者であるPeterRentonです。

（音楽）

Peter Renton：今日のショーでは、ShriSanthanamを歓迎します。彼はExperianのグローバル分析およびAI製品のEVPおよびGMです。 明らかに、彼はAIの専門家であり、私はShriを採用したかったのです。なぜなら、私たちは長い間AIを深く掘り下げておらず、このエピソードで深く掘り下げた多くの変更があったからです。 ご存知のとおり、私たちは貸し手が今日何をしているのか、成功するために何をする必要があるのか​​、AIをどのように使用しているのかについて話します。 

Experianが、この分野で非常にユニークなことを実際にどのように支援しているかを深く掘り下げ、貸し手がAIをどのように使用すべきか、Shriが歴史的にも今後も見ている傾向について話します。 、そして彼はまた彼の水晶玉を調べて、今からXNUMX年間の予測を提供します。 それは魅力的なインタビューでした、あなたがショーを楽しんでくれることを願っています。

（音楽）

ピーター：ポッドキャストへようこそ、シュリ！

Shri Santhanam：ありがとう。 ピーター、ありがとうございます。

ピーター：私の喜び。 それでは、リスナーにあなた自身について少し背景を説明することから始めましょう。 Experianに着く前に、キャリアのハイライトをいくつか教えていただけますか？

シュリ：私はキャリアのかなりの部分を、金融サービス分野の戦略および運用コンサルティング会社であるオリバーワイマンで過ごしました。 私は学校を卒業してすぐにオリバーワイマンでキャリアをスタートしました。実際にはスタンフォード大学で博士号を取得していましたが、最終的には修了しませんでしたが、コンサルティングに本当に惹かれたのは、ビジネス上の問題にエンジニアリングアプローチをもたらすことでした。それがテーマでした。オリバーワイマンでの私の時間。 

オリバーワイマンでの過去2011〜2012年間、私はオリバーワイマンラボと呼ばれるビジネスの構築を支援しました。XNUMX/ XNUMX年頃、大手銀行や金融機関が直面したいくつかの課題にシリコンバレースタイルのテクノロジーとAIを導入する機会がありました。 -危機。 それは、Python、ビッグデータをAIテクノロジーに持ち込み、そのような分野に多くの時間を費やした楽しい旅でした。 

そして約XNUMX年前、Experianの上級管理職から、AIのグローバル分析をリードする役割を果たして、Experianのデータへの影響をより簡単に促進するように依頼されました。

Peter：わかりました。では、議論の中心に入る前に、AIと分析の経験について、その旅があなたのキャリアを通じてどのように進んだかについて、少し背景を知りたいと思います。

Shri：私にとって、現在のすべての派手な名前、AI / MLと呼ばれる前から、私は常にデータ主導の意思決定の追求に魅了されてきました。 私がコンサルティングに惹かれたのは、Retail Value Engineeringというグループで、そのグループの創設者はJacques Cesarという名前の男性でした。彼は、私たちの仕事を一種のデータである「石から血を搾り取る」とよく説明していました。 

実際、私たちが最初に行った作業は小売業者でした。2000年代初頭、小売業者はこれらの巨大なモノリシックシステムに大部分が拘束された膨大な量のデータを持っていました。私は、そのデータを機能させ、ビジネスの運営を支援するという見通しに非常に惹かれました。 、消費者と企業の生活を改善するのに役立ちます。 最終的には、今世紀の最初のXNUMX年間で、AIとテクノロジーが高度な分析に変換され、そのようなミッションを実現するためのツールになりました。たとえば、小売業で行った興味深いことのXNUMXつは、カニバリゼーション分析でした。 。 

小売業者は、伝統的に考えているように…。 歯磨き粉の商品を宣伝しているとしましょう。主に歯磨き粉の売り上げを見ていますが、その週の他の商品に多大な影響を与え、顧客をその店に呼び込み、コルゲートを宣伝するような単純なことの影響を与えます。歯磨き粉は実際には深遠であり、AIと分析はそれを理解し、より良い種類の選択をするのに役立ちます。 ですから、それが私の出発点でした。最終的には、危機後の金融サービスを推進し、銀行の融資を改善することに関心を持つようになったと思います。 

現在、歴史的に、銀行と貸付機関は主にルールまたは基本的なロジスティック回帰モデルを使用して決定を下していましたが、私にとって、AIとMLを導入して金融包摂を実際に推進することで、消費者はクレジットにアクセスしやすくなり、ある種の貸し手はより良い決定を下すことができます。私が見る使命の重要な部分。

ピーター：わかりました。 さて、それを理解して、貸し出しスペースについて話しましょう。 ご存知のように、過去18か月間、すべての貸し手にとって非常に興味深いものでした。もちろん、彼らがデジタルに移行するのを見てきましたが、これは全世界でほぼ義務化されたと思います。 しかし、この変革がどのように行われているかについては、Experianで見ているようなものを入手したいと思います。 あなたが知っている限り、デジタル機能の民主化とそのようなことに関して、あなたは何を見ていますか。

シュリ：貸し出し革命について話すのは素晴らしい時期です。COVIDの前でさえ、非常に重要な貸し出し革命が進行中であったと私は主張します。歴史的に、貸し出しがどのように起こったかを見ると、それは一種のペンと紙でした。 。 過去XNUMX年半にわたって、実際にはデジタルツール、デジタル決定、分析、およびデジタル引受の概念が登場しました。 現在、COVIDはそれを劇的に加速させており、異なるXNUMXつの大きなことが見られます。 

まず、おそらくXNUMX〜XNUMX年前を見ると、Capital Oneがあります。大規模で洗練された銀行のいくつかは、機械学習またはデジタルツールのいずれかを貸し出しプロセス全体に導入することでこの革命をリードする最前線にいます。 現在、大小を問わず、あらゆる種類の貸し手がデジタルで運用し、それらの決定の一部を行うことがほぼ必要になっています。 

貸付革命の権利で私たちが目にしているXNUMX番目のことは、実際には、顧客体験へのこの深い焦点です。 XNUMX/XNUMX年前は、数日、数週間待ってローンを承認したり、消費者や企業向けのローンを決定したりすることは問題ありませんでしたが、今では期待が劇的に変化しています。 貸付機関は、数分、数時間、そのような側面ではなく、リアルタイムでその決定を下すことをいとわないようになっています。 

第三に、基本的に、一種の製品革新と包含。 フィンテックの分野全体が入り込み、実際に運用上の課題とフィンテックの問題は、私が独自の視点を持ち、そのリスクについてどのように考え、それらを改善して貸すことができる、サービスの行き届いていないニッチを見つけることができるかということです。彼らへ。 それは学生ローンですか、それは私たちの伝統的な信用と貸付方法が同じようにそれらを行わないこの国にいた一種の移民ですか？ そのため、貸し手がスペースを見る方法に大きな変化があり、これらXNUMXつの傾向がExperianで見られるものであることがわかります。

ピーター：そうですね。 そして、私もあなたの意見を聞きたいと思います。あなたが銀行とフィンテックの貸し手の両方と協力していることを知っているからです。フィンテックの貸し手にとっては、ある種のデジタル空間が広く開かれているので、好奇心が強い時期だと思います。 、それらのいくつかはXNUMX年以上の間、そして今そのギャップは閉じています。 私たちがいる環境でフィンテックの貸し手が成功するために今日必要なものは何だと思いますか？

シュリ：フィンテックの貸し手は、私が見ているように、実際に市場を混乱させており、ネットを除いて、消費者に本当に利益をもたらしています。と言って、私が引受の種類の貸し出しを適用し、非常に、非常に異なる、正しい顧客体験の貸し出しを適用する市場のセグメントを選ぶことはできますか？ そして、Affirm、Prosperなどのこれらのフィンテックの多くが、その分野で非常に成功し始めているのを目にしています。 

ですから、彼らが成功するためには、XNUMXつの大きなことが必要だと思います。 XNUMXつ目は、機械学習と高度な引受を採用する必要があることです。ビジネスモデルの核心は、わずかに異なるように見えるレンズを使用した引受の最前線にいることです。 ですから、機械学習を取り入れ、それがどのように機能し、金融包摂を改善できるかを理解することも含まれるべきだと思います。 

フィンテックが成功するために必要なXNUMX番目のことは、顧客体験を本当に混乱させ、再発明し、それに関する決定を下すことだと思います。 その多くはデジタルですが、本質的には、従来の貸し出しにはまだ摩擦がある方法で、小売顧客の旅に入ることができる、または購入の機会やあらゆる種類の顧客のユースケースにはるかに近づくことができる興味深い製品イノベーションです。

ピーター：興味深い。 では、ここでAIと分析について少し掘り下げてみましょう。 貸し手に関しては、AIからの影響をどのように促進するのが最善か、あなたは何を見ていますか。

シュリ：たとえば、XNUMX/XNUMX年前でも、ミドルマーケットの大部分がどのように貸し出されているかを見ると、XNUMXつの単純なことが裏付けられています。 これは一連のポリシールールであり、ある種の引受モデルでした。 これが、多くの貸付フレームワークが実際に機能している方法です。 そして、主に、既製の標準スコアを主に使用する貸し手のロングテール、または特定のカスタムモデルを作成した場合は、主に自己ロジスティック回帰を使用します。 それは、歴史的に、物事がどのように機能してきたかというようなものでした。 

機械学習モデルを立ち上げ、本番環境に導入し、ある種の決定ルールと最適化ツールを備え、より高度なものにするために必要なコストとインフラストラクチャが法外なものであったため、これらを変更することは困難でしたが、その現実は今、根本的に変化しているので、カスタムスコア、最適化された決定ルールを作成する機能、および貸し手として実際に関連するデータセットに対して調整された方法でこれを行う機能、その現実はコストを変更している、または低下しています。私たちはそれをするために話します。 

したがって、それは現代的な種類の貸付決定構造の採用に当てはまり、AIと分析が置き換えるものの大きな部分です。 現在ロジスティック回帰であったモデルを見ると、それらを上回り始めるのに役立つ勾配ブーストツリーモデルがあります。 あなたは、大幅にアウトパフォームし、実際に貸し手のためのより良い承認とより低い種類のチャージオフを得るのを助け始める決定ルールを持っています。

ピーター：わかりました。 それで、私は少しギアを切り替えて、特に宇宙でExperianが何をしているのかについて話したいと思います。 たぶん、Experianがクライアントの旅で貸し手をどのように支援しているか、そして今日そのようなことについて話すことから始めることができます。

Shri：それで、私がXNUMX年前に来たとき、私たちが大きなチャンスと見なした分野のXNUMXつは、クライアントがこれらのモデルを構築するために、特にミッドマーケットで使用する分析とAIの一部を支援することでした。 ですから、信用組合があり、中堅の顧客がいます。歴史的に、私たちが行ってきたのは、彼らのためにカスタムモデルとプロジェクトを構築したことです。 私たちが見つけたのは、これらのカスタムモデルの構築にかかる典型的な時間は、XNUMX〜XNUMXか月のどこかであり、これらのモデルの展開も、ある種複雑で、さらにXNUMXか月かかりました。 

そのため、この分野の多くのお客様にとって、明確なニーズがあることがわかりましたが、これらを提供する時間と能力には、多くのオーバーヘッドが伴いました。 したがって、私たちが行ったことのXNUMXつは、スペースを大幅に混乱させるプラットフォーム、Ascend Intelligent Servicesと呼ばれるプラットフォームを構築したことです。これにより、モデルの構築、決定ルールの作成、および実際の配置の両方にかかる時間が大幅に短縮されると考えています。生産に。 

したがって、ビルドモデルとプロデュース全体は、これらの製品の初期段階にありますが、エンドツーエンドのビルドの時間とコストを大幅に削減した、成功する顧客の傾向がいくつかあります。これらのものを生産に移します。 一例として、Atlasという名前のミッドマーケットの貸し手に関する公開のケーススタディがあります。このケーススタディでは、プラットフォームを使用したこの種の作業で、非常に大きなコストの結果が見られました。

ピーター：おもしろい、おもしろい。 それで、あなたはそれをもう少し深く掘り下げることができますか？ つまり、秘密のソースを配らずに、ある種の感覚を得たいのですが、どうすればこれをはるかに高速なプロセスにすることができたのでしょうか。

シュリ：ええ、それについて話してうれしいです。 したがって、歴史的なプロセスを見ると、おそらく30つの主要な摩擦点があり、多くの時間が追加されています。 40つ目は、データ管理とラングリングで、大量のデータを取得して操作し、モデルを作成する必要がありました。 XNUMX番目の摩擦点は、実際には計算されたスケールのように実行されています。 通常、カスタムモデルを作成するには、実際にはXNUMX/XNUMXの異なる種類のモデルを試して、さまざまな計算を実行してから、さまざまな決定を行う必要があります。 XNUMXつ目は、規制への準拠と文書化です。 

これらのモデルは、金融サービスで難しい理由は、規制の枠組み全体があり、その管理に反対しなければならないようなものです。 そして最後に、展開のように。 モデルを作成したら、従来のアプローチでは、これを作成しました。これを文書化します。次に、モデルを取得してフェンスを越えて、誰かにコードを記述してもらいます。 。 

したがって、これらXNUMXつの問題を非常に重要な方法で追跡しました。 プラットフォームとデータに基づいて構築しているため、いくつかの戦略的な利点と、クライアントをどのように支援できるかがあります。 だから、私はあなたを順番にこれらに連れて行きます。 

そのため、まず、いくつかのクライアントのデータがたくさんあるので、そのデータをプロアクティブに調達してキュレートし、時間を大幅に短縮して、適切な種類のトレーニングデータセットを作成できます。 したがって、Experianのように、新製品の革新を検討しているフィンテックの場合、プロキシデータセットを非常に迅速に作成できます。これまでは手動プロセスでしたが、現在は自動化が追加されています。 

XNUMX番目の作品はモデルにある興味深いものです。 過去XNUMX年半/ XNUMX年で、Google、Facebook、いくつかの主要なテクノロジー企業が実行しているテクノロジーに類似したテクノロジーを構築しました。これにより、クラウドベースのコンピューティングを実際に使用して、次のようなものを実行できます。数十、数百のモデル。 

最近のクライアントで、私たちのデータサイエンティストの一人は、ある日、おそらく80種類のモデルを試し、その結果を確認したと言っていました。ソースライブラリ、モデルの作成、結果の確認、管理、すべてのエンジニアリングの管理という面倒な作業は複雑です。 つまり、私たちが行ったことは、すべてのエンジニアリングを抽象化して、データサイエンティストが実際に何が機能するかを理解する仕事を行えるようにすることです。 

XNUMXつ目は、ドキュメントとダッシュボードです。 多くの標準的な規制文書のようなフレームワークとこれに関する多くの自動化を提供する製品があるので、標準的な文書を照合するときの試行回数や操作に制限はありません。 

そして最後に、これらすべての機械学習とMLオペレーションの聖杯のようなシームレスなデプロイ。 私たちが構築したのは、モデルを本番環境にシームレスにデプロイするメカニズムです。これにより、MLOpsサイクルと呼ばれるモデルを世界中に知ってもらい、ライブで監視したり、再トレーニングしたり、管理したりできるようになります。 

ですから、これらは私たちが持っているテクノロジーの人々の投資のいくつかで取り組んできたXNUMXつの大きなことであり、私たちの主なテーマはテーマ全体を製品化することでした。

ピーター：そうですね。 それで、私はそのXNUMX番目のポイントである規制部分について少し掘り下げたいと思います。なぜならそれは私がいつも興味を持っていたものだからです。 これらのAIモデルのうち、どれだけスロットルバックまたは適応する必要がありますか。FCRAのすべてに準拠する必要があり、説明可能である必要があるすべてのことを説明する必要があるためです。信用決定、どのような影響がありますか？ 

あなたは、GoogleとFacebookのデータセットについて話しましたが、それらには非常に異なる規制要件があります。 ある意味では、金融サービスでやらなければならないことを説明するために、必ずしも縮小したり変更したりする必要はありません。そのような種類の規制の枠組みがモデル自体に与える影響は何でしょうか。

シュリ：うん。 これは、最終的に本番環境への移行が許可されるモデルと、それを構築するプロセスにも影響を与えるため、すばらしい質問です。 規制の枠組みがなかった制約のない世界を見ると、あなたがすることは、あなたが持っていた最も洗練された枠組みとあなたが持っている最高のデータを取り、モデルを投げ、おそらく機械のようになるでしょうそのような状態を調べてください。そうすれば、グラデーションブースターツリーを作成して作成できます。

問題は、使用する特定の属性が説明可能でなければならず、特定の属性に負担をかけることができるように単調でなければならないなど、特定の成長制約に遭遇することです。さらに、バイアスと標準のトピックも重要になりつつあります。 。 したがって、データサイエンティストがこの後どのように進むかという従来のプロセスが、これらの制約を適用し、最初のモデルを構築し、それが機能するかどうかを確認してから、プレイできるかどうかを確認するという効果を誇張すると、これらのものをたくさん使って、制約を再度適用します。 そして、それは多くの場合、パフォーマンスや規制の枠組みのようなものと、私たちが管理できるものとの間の実際のトレードオフです。 

さて、この製品で行ったことは、実際には、これらの制約の多くを、データのキュレーション方法や、モデル自体が解決策を検索する方法に組み込むことを許可したことです。 したがって、データサイエンティストの仕事がはるかに簡単になり、これらの属性の使用が許可されます。これらの属性は特定の方法でのみ使用でき、最後に、マシンは「移動」、「探索」とは言いません。この種のまっすぐなスペースは、データサイエンティストにとって非常に重要なステップです。そうしないと、この猫とネズミのゲームのように、パフォーマンスが向上したと言って、ほとんど面倒な作業が発生します。しかし、私は規制上の制約に違反しました。 

したがって、トレードオフがあり、MLやAIの種類を管理するための規制が進化するにつれて、この種のトレードオフがさらに見られると思いますが、製品と技術はそれに対処するために進化できると信じていますこれ。

ピーター：そうだね、そうだね。 したがって、明らかに、私たちは競争の激しい世界に住んでおり、Experianにも競合他社がいます。 何をしているのですか、それは違うのですが、宇宙の他の人とどのように差別化していますか？

シュリ：私たちにとって、ミッドマーケットには非常に重要な機会があり、歴史的にこのインフラストラクチャを購入できるような大規模な銀行や貸付機関に限定されてきたこれらの機能の多くを民主化できると思います。 ですから、私たちはXNUMXつの方法で差別化を図っています。 

XNUMXつは、データ、分析、意思決定にまたがるエンドツーエンドのエクスペリエンスを提供することです。 ご存知のように、Experianには、地球上での貸し出しに関する最も価値のあるデータセットがいくつかあります。 また、ワークフローとソフトウェアを顧客に提供して、顧客が一種の貸付決定、ポリシールールを作成できるようにする意思決定ビジネスもあり、一種の分析を提供します。 したがって、私たちが持っている大きな差別化要因のXNUMXつは、実際に提供する能力があることです。小売業の例えを描くとしたら、ミッドマーケットと同等のShopifyを提供する能力があります。 

しかし、私たちは、あなたが貸し手であり、あなたが何をするかに集中している場合のように、あなたは実際に正しい貸し出しのニッチを理解し、顧客とあなたの目標を理解することを最もよく知っています。 テクノロジーの代わりに、そのようなエンドツーエンドの分析データを提供できます。 それが私たちにとって重要な差別化要因です。 

私たちにとってのXNUMXつ目の差別化要因は、これらの種類のツールへのアクセスを増やすための特定の動きと、価格設定の方法、そして実際の民主化のように行っていることです。 ですから、私たちは前に傾いて基盤を拡大しています。 

そして、私たちが持っているXNUMX番目の差別化要因は、多くの貸付機関に非常に重要なデータの浸透があることです。 北米の大多数の貸付機関と同様に、一晩中、何らかの形でExperianの種類のデータを利用します。私たちがやりたいのは、アクセス可能な製品または分析とAIのセットをそれらすべてに提供することです。 現在、その普及率は一桁台前半です。民主化に成功した場合、それを貸し手のロングテールに持ち込むことは、私たちの前にある大きなチャンスであると信じています。

ピーター：わかりました、興味深いです。 それでは、クライアントと話しているのですが、AIが実行できるさまざまなことをすべて見て、今日の企業がAIを使用する必要がある最も重要なことは何でしょうか。

シュリ：多分答えはその質問にXNUMXつの部分があると思います。 XNUMXつ目は、AIをどのように使用すべきか、そしてAIを何に使用すべきかということです。 影響を与える最大の方法という点では、企業は影響を与えるためにAIのより全体的な見方をとるべきだと思います。 歴史的に、AIのパフォーマンスの一種であるAIの一部に夢中になっていることがたくさんありますが、AIからの影響をより全体的に生成することを見ると、XNUMXつの要素があると思います。 より良いモデルを構築したAIのパフォーマンスだけでなく、AIの採用、AIのスケーラビリティ、AIの信頼もあるので、AIの影響を実際に得るには、データであるAIのパフォーマンスだけでは不十分です。科学者は、私はある種の非常に優れた概念実証を持っていると言っています。 クライアントや企業がより良い意思決定を行えるようにワークフローに組み込むことができるかどうか、それが持続可能でスケーラブルなプラットフォーム上にあるかどうか、そして最終的には顧客から信頼されるかどうかを考える必要があります。 さて、それは基本的にAIの影響の必要性であると私たちが考えるものです。 貸し手にとって、私の考えでは、明白で、ある意味で最大の機会は、私たちの金融包摂であると思います。 

私のビジネスストーリーを見ると、私がインドで育ったとき、母はある種の起業家であり、資本を使って投資することができた多くのアイデアや物事を持っていたのを覚えていますが、実際にはそうではありませんでした。貸し出しへのアクセスは同じくらいありますが、貸し出しの信頼性や彼女のような誰かのデフォルトの可能性、彼女がその種の資本で何をしたかなど、その核心を見ると、それは一種の巨大なものだと思います。 

そして、それは北米全体の人口の多くのセグメントに当てはまると私は信じています。適切なレンズと適切な種類のフレームワークがあれば、それは貸付と顧客にとって「勝利」になり得ると私は信じています。 ですから、金融包摂のためにAIと分析を使用することには多くの可能性があると私は信じています。

ピーター：そうだね、そうだね。 何か質問したいのですが…..UpstartのCEOであるDaveGirouardは、明らかにAI分野の貸し出しのパイオニアであり、すべての貸し出しは将来AIによって行われると言っていました。貸し手、それは…..ただ言っているタイプの貸し手はほとんどいないように感じます、私たちはこれを探求することに興味がありません、その会話はここ数年で変わったように感じます、しかし私はしたいですあなたの視点を取得します。 すべての貸し出しはAIによって行われ、そこに到達するには何が必要ですか？

シュリ：私はデイブに同意します、そして私は未来がほとんど避けられないと思います。 私たちが管理し克服すると信じている最大の課題は信頼だと思います。 ある種の信頼の下では、説明可能性があり、偏見と公平性があり、実際には規制の枠組みの下にあります。 ある種のAIを採用している人があまりいないという狭い理由だと思いますが、これはよく耳にしますが、規制や構造がありますが、その精神をもっと広く見てみると、本当に最も重要なテーマは信頼ですよね。

規制当局も…。彼らは鋭くて合理的な人々で、ある種の…規制の枠組みを作り上げており、実際には…多くの規制当局と話し合っており、これについて非常によく考えています。 より広い問題は、AIによる貸付が公正、透明、そして何よりも信頼できることを保証するための一種の信頼と適切なフレームワークの作成に関するものだと思いますが、私たちは同じ方法でその旅に出ると信じています。 ある時点で、道路上の大多数の車が無人になることも避けられないと思います。

ピーター：そうだ、そうだ、そうだ、そうだ。 私たちはまだそこにいません。 車を運転するためのAIは、消費者がローンを組むべきかどうかを決定するためのAIよりもはるかに複雑であると私は主張します。 

とにかく、私たちはほとんど時間切れですが、さらにいくつかの質問があります。 私はあなたが見ている傾向と将来の予測について話したいと思います。つまり、チームが本当に注目すべきAI分析で今日見ている傾向のいくつかは何ですか。

シュリ：宇宙の専門家の何人かが話している興味深い傾向のXNUMXつは、宇宙の第一人者のXNUMX人であるアンドリューアングがデータ中心のAIと呼んでいるものへの移行だと思います。 その核となるのは、概念が非常に単純なことです。歴史的に見て、AIの周りの大きなくすくす笑いは、ニューラルネットワークまたは勾配ブーストを作成できますか。同じデータを取得できますか。より良い結果とより良い結果。 現在、対話は、データ中心のAIである、もうXNUMXつの非常に重要なレバレッジのポイントにわずかにシフトしています。これは、適切な種類のトレーニングデータを取得および作成して、実際に適切な意思決定を行うことができるかどうかです。これにより、興味深い質問が開かれます。より多くのデータソースを利用したり、データを管理したりするのと同じように、実際にパフォーマンスを向上させることができます。 

データを準備する方法、データを管理する方法、以前は却下されていたソースからデータを抽出する方法について、データ中心のAIに関するAIスペースで多くの作業が行われています。 ですから、これは私たちが見ている大きなトレンドのXNUMXつであり、これは私たちがいるスペースや金融機関にも重要な影響を及ぼしていると思います。これは、歴史的に、貸付に使用できるデータが慎重に区切られているためです。 将来的には、それをどのように拡張するか、そして他に何を検討できるかについて、さらに考えられると思います。 ですから、それは一つの大きなトレンドだと思います。 

もうXNUMXつの大きなトレンドは、クラウドへの移行という明らかなトレンドのようなものだと思いますが、実際には、AIが実際にはエンジニアリング分野やテクノロジー分野に移行しているという、より広いテーマの下で見ています。 歴史的に、データサイエンスとAIはデータサイエンティストが行った一連のことであり、ソフトウェアエンジニアリングのようなシステム、プロセス、厳密さはまったくありませんでした。 しかし今、あなたは実際にそのすべての厳格さが入り始めており、特にクラウドへの移行に伴い、これらのモデルと構造のアンサンブルのような同じ種類のモデルで作業できるXNUMX人のデータサイエンティストがいます。 

これらの問題は現実のものになり始めており、それを管理できるソフトウェアに似た工学分野がない限り、データサイエンティストXNUMXがモデルを作成し、データサイエンティストXNUMXが行って調べようとする複雑な問題がたくさん発生します。何が構築されているのかよくわからないように、それを本番環境に移行すると、失われるのでしょうか。 したがって、データサイエンスとAIに関するエンジニアリング分野全体も、私たちが目にしている大きなトレンドです。

ピーター：それは興味深いです、私はそれを聞いたことがありませんでした、それは私にとって完全に理にかなっています。 では、最後の質問です。たとえば2026年後、ExperianはXNUMX年XNUMX月にAIと高度な分析をどのように使用するのでしょうか。

シュリ：私たちは、より幅広いモデルと製品タイプの在庫を少数のファンドに提供するという旅を始めました。 私が望むのは、私たちがその民主化ビットに本格的にアレンジすることに成功し、分析やAI、およびこれらの種類の多くへのアクセスを実際に開いたデータクライアントの非常に重要な部分を持っていることです高度な技術とモデル、そして数千とまではいかなくても数百の幅広いファンドがあり、それが私が望むものです。 

Experianで私が望んでいるXNUMX番目のことは、非常に重要な方法で、ビジネス全体に似た分析とAIでExperianを強化していることです。 Experianでは、ある種の進出を始めています。 消費者ビジネスと意思決定分析ビジネスに加えて、ヘルススペース、BISスペースにもビジネスがあり、これらのスペースでAIと分析を使用し始めています。 ですから、AIと分析が基本的に、エクスペリアンのようなDNAと株式の中核となり、さまざまな製品やビジネスのように力を発揮することを願っています。

ピーター：わかりました。 さて、私たちはそれをそこに残すために去らなければならないでしょう、シュリ、それがすべて展開するのを見るのは魅力的です。 本日はショーにご来場いただき、誠にありがとうございました。

シュリ：ありがとう、ピーター、私を持ってくれてありがとう。

ピーター：もちろん、じゃあね。

わかりました。私はデータサイエンティストではありませんが、多くの貸し手と話をしています。私が驚いたのは、AIモデルをテストして、真剣に実行した貸し手を知らないということです。そして、あなたは何を知っているか、それは以前に行っていたものほど良くはありません、私たちは以前に行っていたものに戻ると思います。 それは起こらないだけで、シュリがそこで言っていたように、私たちがこの運動をすることは避けられない、それは続くだろうということを私は気づきます。 

いいえ、15年からXNUMX年で誰もがAIモデルを使用するという意味ではありませんが、それが私たちの目指す方向です。 XNUMX年、XNUMX年、XNUMX年かどうかはわかりませんが、AIが引き継ぐため、これらの古い従来のモデルを使用する人はすぐにいなくなります。 とにかく、それは私の予測です。

その点で、私はサインオフします。 聞いてくれてありがとう。次回はお会いしましょう。 さようなら。

（音楽）

Peter Rentonは、フィンテックに焦点を当てた世界初かつ最大のデジタルメディアおよびイベント企業であるLendItFintechの会長兼共同創設者です。

LendIt Fintechは、米国、ヨーロッパ、ラテンアメリカの主要なフィンテック市場向けに年にXNUMX回の会議を開催しています。 LendItはまた、オーディオ、ビデオ、および書面によるチャネルを介して、一年中最先端のコンテンツを提供します。

Peterは2010年からフィンテックについて執筆しており、フィンテックのインタビューシリーズの最初で最も長く続いているFintechOne-on-Oneポッドキャストの作成者および作成者です。

ピーターは、ウォールストリートジャーナル、ブルームバーグ、ニューヨークタイムズ、CNBC、CNN、フォーチュン、NPR、フォックスビジネスニュース、フィナンシャルタイムズ、およびその他の数十の出版物からインタビューを受けています。

PlatoAi。 Web3の再考。 増幅されたデータインテリジェンス。
アクセスするには、ここをクリックしてください。

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