FINTECH EEN-OP-EEN PODCAST 296-PANKAJ KULSHRESHTHA

Welkom bij een speciale editie van de Fintech One-on-One Podcast, aflevering nr. 296. Dit is uw gastheer, Peter Renton, voorzitter en medeoprichter van LendIt Fintech.

(Music)

Peter Renton: Vandaag ben ik blij om Pankaj op de show te mogen verwelkomen, hij is de CEO en oprichter van Scienaptic. Ik ga zijn achternaam niet proberen omdat het een zeer uitdagende achternaam is voor Engelssprekenden, maar hoe dan ook, Scienaptic is een van de leiders als het gaat om AI op het gebied van acceptatie, daar gaan we het vandaag allemaal over hebben. . We hebben een geweldige show gepland over veel verschillende onderwerpen, je kent het ontraadselen van AI, praten over hoe het vandaag de dag wordt gebruikt, hoe kredietverstrekkers er gebruik van maken en waarom het de weg van de toekomst is. Dus welkom bij de podcast, Pankaj.

Pankaj Kulshreshtha: Fijn om hier te zijn, Peter.

Peter: Oké. Laten we dus beginnen door de luisteraars wat achtergrondinformatie over uzelf te geven. Ik weet dat je tot nu toe een behoorlijk interessante carrière hebt gehad en waarom geef je ons niet enkele hoogtepunten.

Pankaj: Zeker. En voor academische doeleinden is mijn achternaam Kulshreshtha, probeer het niet, je tong kan het…. (Peter lacht) maar eigenlijk denk ik dat de beste manier om mezelf te omschrijven is dat ik eigenlijk de nerd ben die uit de kelder is gekomen. Dus ik deed dit doctoraat enkele decennia geleden op het kruispunt van economie en computerwetenschappen en GE adverteerde met het inhuren van modelbouwers in hun centrum en alle bedrijven die ze probeerden op te zetten. Dat was in die tijd relatief nieuw, dus ik zei: oké, in plaats van naar de academische wereld te gaan, waarom probeer je niet een paar jaar een baan bij het bedrijf op dit interessante gebied, en dan zien we wel waar het naartoe gaat.

Het is duidelijk dat ik nooit meer naar de academische wereld ben geweest, maar bij GE had ik echt de kans om met al hun kapitaalbedrijven samen te werken, ik heb veel werk gedaan met hun kaartenbedrijf dat nu Synchrony heet, ik heb met hun commerciële financiële bedrijven gewerkt in gebieden van leveranciersfinanciering, enzovoort. Ik heb zelfs samengewerkt met hun herverzekeringsbedrijf, dat nu onderdeel is van Swiss Re. Ik heb dus veel werk verzet, gegevensbescherming, risicobeheer en CRM, dus ik heb echt het gevoel dat dit voor een nerd bijna het meest ideale resultaat was.

Ik wist niets anders, ik had al die kracht niet en wat ik had versterkt, werd ik op een heel goede manier blootgesteld, met een heel goed gezelschap, en het is het ding geworden. Iedereen heeft het over AI, enzovoort, dus ik voel me gezegend dat ik deze kans krijg om te doen wat ik bij Scienaptic doe.

Peter: Juist, juist. Dus misschien kun je ons het oprichtingsverhaal vertellen, wat was een soort aha-moment, wat bracht je ertoe om Scienaptic op te richten?

Pankaj: In veel opzichten, Peter, weet je, is de waarheid van deze dingen eigenlijk niet zo interessant. De waarheid is dat ik mijn hele carrière heb besteed... Ik wist niets anders dan data zoals risicobeheer en financiële dienstverlening, dus als ik iets zou gaan doen, zou het op dit gebied zijn. Maar één verhaal was waarschijnlijk het oprichtingsverhaal, maar het heeft mij wel op gang gebracht en veel van mijn teamleden in de beginperiode zien mij daar behoorlijk geanimeerd over.

Dit waren dus de begindagen van onze startup en ik wilde een bepaalde creditcard, het was een van de premium creditcards die een van de bekende merken aanbood. Ik heb die creditcard aangevraagd en ik doe dat soort dingen niet vaak, ik heb niet meerdere creditcards enzovoort, en ik werd afgewezen. Zoals je je kunt voorstellen, was dat erg kwetsend, toch, ik was een senior manager en ik dacht: oh, ik schrijf (onhoorbaar), in godsnaam eigenlijk, dus hoe kan ik afgewezen worden en toen begon ik gewoon naar mijn eigen kredietscore te kijken om te begrijpen wat er werkelijk is gebeurd.

En toen ontdekte ik dat wat er feitelijk gebeurde, was dat mijn scores elke... je weet wel, drie keer per jaar daalden mijn scores met zo'n 30 punten, omdat ik eigenlijk het maximale uit mijn limietkeuze haalde, een vakantie of het boeken van een vakantie of iets dergelijks. En daarom, weet je, zal de creditcardmaatschappij of de bank mij niet goedkeuren voor dat specifieke product en ik ga hierheen met de gedachte: oh, dit kan gebeuren met iemand zoals ik, die zich feitelijk in het premiumsegment bevindt, waar de serviceniveaus hoog zijn. zouden veel hoger moeten zijn. Wat gebeurt er met mensen die eigenlijk niet zo'n goede kredietgeschiedenis hebben, ik bedoel, wat is voor hen de kans om krediet te krijgen.

En dat brengt een ander deel met zich mee, Peter, het is heel duidelijk als samenleving en COVID heeft ons heel duidelijk laten zien dat heel veel mensen... hun banen worden ontwricht vanwege de technologische ontwrichting, vanwege de macro-economische ontwrichting en enzovoort. Als samenleving moeten we echt op een verantwoorde manier meer krediet beschikbaar stellen en eigenlijk zei ik: laat ik het tot op de bodem uitzoeken en een manier bedenken om de instrumenten die beschikbaar zijn voor een groot aantal kredietverstrekkers te veranderen, zodat kredietverstrekkers beschikbaarheid daadwerkelijk kan worden vergroot. Het was een deel van de inspiratie.

Peter: Juist, goed, oké. Ik weet dat er een aantal nieuwe mensen zijn bijgekomen, dit is een live podcast. Ik wil iedereen er even aan herinneren dat we aan het einde van de show vragen van het publiek zullen beantwoorden, dus blijf daar even bij. Ik heb een aantal vragen die ik eerst met Pankaj wil bespreken. Dus misschien kunnen we een stap terug doen en zeggen: vandaag de dag is er duidelijk... AI krijgt wat meer aandacht, mensen zijn er zeker niet zo negatief over als vijf of tien jaar geleden, misschien kunnen we het gewoon doen. een stap terug doen voordat we ons verdiepen in AI en praten over wat er mis is met de standaard acceptatietools die kredietverstrekkers tegenwoordig gebruiken?

Pankaj: Weet u, Keynes zei ooit een beroemde uitspraak: als de feiten veranderen, verander ik mijn mening, wat doet u, meneer? (Peter lacht) Dat vertelt ons eigenlijk gewoon wat er mis is met acceptatie. het is gewoon te langzaam om te veranderen. Iedereen weet dat verhalen zoals de mijne heel gewoon zijn, we hebben allemaal persoonlijke ervaringen gehad. Ik heb zoveel verhalen over dit soort dingen gehoord tijdens Uber-ritten als ik met mensen praat die echt een manier proberen te vinden om wat krediet te krijgen, zodat ze de drempel kunnen overwinnen die ze in hun leven hebben vastgelopen, dus we weten het echt het verhaal. Wat er feitelijk gebeurde…..een nieuwe oogverbinding om een ​​ander verhaal te vertellen.

Ik ging naar onze bankier in New York City en dit was echt vroeger. Ik probeerde een zakelijke creditcard te krijgen, ik ga naar het bankfiliaal, wat op zichzelf eerlijk gezegd niet nodig zou moeten zijn, toch, je zou niet naar het bankfiliaal moeten gaan als je bij dezelfde bank hebt gebankierd . Ze zouden je proactief producten moeten kunnen aanbieden, dat is uiteraard niet gebeurd, maar ik ben daarheen gegaan en heb een bedrijfskaart aangevraagd omdat ik wilde afzien van het op mijn persoonlijke creditcard zetten van al deze zakelijke uitgaven en ze vervolgens terugbetalen . Ik ga daarheen, weet je, ze zeiden: oké, kom terug of we nemen na een paar dagen contact met je op. Toen ze na tien dagen nog niet terugkwamen, heb ik ze gebeld en ze zeiden: oh, je aanvraag is afgewezen. Nogmaals, ik was een beetje overstuur omdat ik al een tijdje bij hen bankier en ik de Chief Risk Officer en CEO van dit bedrijf ken. (Peter lacht)

Dus ik liep het filiaal binnen en zei: weet je, wat denk je dat ik kan doen om deze bedrijfskaart daadwerkelijk te krijgen. Ze zegt, ik kan je profiel zien, ik zou echt denken dat ze je het krediet hadden moeten geven, maar dit is de verzekeringsafdeling en we kunnen daar niets veranderen. Dus ik zei: oh, zou het helpen als ik daadwerkelijk naar de CEO of CRO ging en hen om hulp vroeg, en haar ogen lichtten op, Peter. Ze zei bijna: oké, maar als je daarheen gaat, moet je ze vertellen dat we zoveel problemen hebben met de backend-systemen en ze vertelde me een lijst met dingen die ze graag wat aandacht van het senior management zou willen krijgen.

Het punt is dus dat acceptatiesystemen niet in staat zijn zich intelligent te gedragen, ze nemen niet de informatie met de frontend (onhoorbaar) over wat de klanten nodig hebben, enzovoort, en alleen het beleid en de backend zijn zo inflexibel dat banken uiteindelijk in de problemen komen. de kans verliezen om te groeien en, weet je, mensen meer krediet te geven.

Peter: Juist, goed, goed, oké. Laten we er dus meteen over beginnen en over AI praten. AI is een soort van... het voelt alsof er geen standaard overeengekomen definitie bestaat. Wat moeten we bedoelen als we het hebben over AI bij acceptatie?

Pankaj: Dus toen ik decennia geleden AI studeerde en introductiecursussen kreeg, was het eerste wat je leerde toen je Kunstmatige Intelligentie studeerde exportsystemen. Heel eenvoudig gezegd, dit is niets anders dan als en (onhoorbaar), dat wil zeggen dat je je kennis codificeert en zegt: als iemand meer benut dan dit, weet je, dan geef je hem of haar de eer. Als ze dat niet hebben... als hun gebruik lager is, weet je, dan geef je ze dit bedrag, enzovoort, zodat je je bestaande kennis kunt codificeren. Dat was op zichzelf het begin van AI en al deze dingen begonnen in de landbouw en de oliesector. Eigenlijk wordt bij olie-exploraties veel van deze technologie gebruikt.

Maar weet je, als je teruggaat naar het voorbeeld, kan ik het gewoon relateren aan hetzelfde voorbeeld dat ik je gaf over mijn achteruitgang. Dus kijk daar eens naar, mijn gebruik zal op een bepaald moment hoog zijn, maar niet consistent hoog, maar je zou kunnen zeggen dat als het gebruik hoog is, je waarschijnlijk een klant met een hoger risico bent, omdat je op zoek bent naar krediet, dus dat komt voort voor jou. Maar als je kijkt naar het feit dat ik eigenlijk maar één creditcard heb, wat zegt dat dan? Dat zou je moeten vertellen dat je maar één creditcard hebt en dat je daarom af en toe de volledige limiet die je hebt, zult gebruiken. Dat is niet zo erg, maar eigenlijk zullen de conventionele kredietmodellen die je hebt, je allemaal straffen omdat je op dit moment niet meerdere kredietlijnen hebt, toch.

En ten derde, als je naar mijn account kijkt, zul je zien dat ik nooit een betalingsachterstand heb gehad, en eigenlijk nooit te laat ben geweest in mijn hele kredietgeschiedenis, dat zou mij tot een voorkeurspersoon moeten maken. Nog een factor waar u naar kijkt en als u merkt dat ik tot vorige maand nooit om krediet heb gevraagd, er staan ​​geen vragen op mijn profiel en plotseling wordt er naar mijn krediet gevraagd, wat moet dit u vertellen? Het kan je vertellen dat hier een man is die een zeer loyale klant is geweest bij zijn bestaande bank, ze gebruiken hun krediet op een zeer redelijke manier, soms nogal wat, maar eigenlijk vrij recentelijk gemiddeld, en je kunt ze weg lokken als je geef ze op dit moment daadwerkelijk een kredietaanbod.

Als u deze conclusie wilt trekken, moet u al deze data gebruiken en inzichten afleiden uit die gegevens die normaal gesproken dichtbij zijn, waardoor u veel meer gegevens moet gebruiken, wat vereist dat u trends van verschillende soorten data begrijpt. informatie die over u is vastgelegd en dat is wat het huidige systeem niet zo goed doet. Mijn idee van AI is dus fundamenteel: hoe gebruik je gegevens die nu beschikbaar zijn en nu er steeds meer gegevens beschikbaar zijn, hoe gebruik je die gegevens steeds productiever, zodat je aan de behoeften van de klant kunt voldoen en je Weet je, bouw een winstgevende portefeuille op.

Peter: Oké, oké, oké. Dus, waarom praten we niet even over Scienaptic en jouw oplossingen. Wat bieden jullie precies aan?

Pankaj: Ja. We doen dus voornamelijk twee dingen, Peter. Een. Veel van deze kleinere kredietverstrekkers hebben niet de capaciteit of zelfs de middelen om een ​​aangepast model te kunnen bouwen, zodat onze engine hen in principe in staat stelt om vanaf de eerste dag een scherpere scorekaart te krijgen. En als we eenmaal live zijn in hun systeem en deel uitmaken van hun proces, blijft de scorekaart verbeteren naarmate er steeds meer applicaties door het systeem gaan en wordt deze steeds scherper.

Zie het als een set messen die we feitelijk aanbieden in een grote keuken waar veel verschillende dingen worden gesneden. Er wordt vlees gesneden, er worden verschillende soorten groenten gesneden, enzovoort. Je hebt voor elk van die dingen verschillende messen en die messen zijn gemaakt van een speciaal materiaal dat, terwijl je dingen snijdt, in feite de dichtheid en de textuur en zo voelt en steeds scherper wordt. Dat is het mooie van wat er in onze software gebeurt.

Peter: Juist, goed, oké. Hoe zit het met de verschillende kredietverleningsbranches? Hoe zet u deze in? Is het verspreid over meerdere branches?

Pankaj: Ja. Er zijn dus grofweg twee gebieden, Peter. We doen veel werk op het gebied van consumentenleningen, zoals kredietverenigingen die ongedekte leningen verstrekken, autoleningen enzovoort. We werken met verschillende autokredietverstrekkers omdat, weet je, de ruimte…….zoals je je kunt voorstellen, de economieën zich herstellen, veel mensen proberen een auto te krijgen als middel om in hun levensonderhoud te voorzien, dus we hebben veel gezien belangstelling voor die ruimte. We werken samen met verschillende kleinere banken, regionale banken, enzovoort. En aan de andere kant proberen we ook samen te werken met verschillende MKB-kredietverstrekkers en zoals je kunt zien aan de stimuleringsmaatregelen van de overheid... weet je, die sector zal waarschijnlijk heel aanzienlijk groeien en we proberen ervoor te zorgen dat hun toolkit gaat naar het volgende niveau, zodat welke groei ze ook ervaren duurzame groei is.

Peter: Juist, juist. Ik wil het dus hebben over de kleinere banken en kredietverenigingen die u zojuist noemde, omdat ik weet dat veel van hen beperkte mogelijkheden hebben als het gaat om technologie en zelfs acceptatie. Ze hebben niet de capaciteit zoals de grotere kredietverstrekkers. Hoe help je deze groepen specifiek? Ze zijn in staat om echt de capaciteiten te krijgen die ze anders niet zouden kunnen krijgen.

Pankaj: Rechts. En het is een reis, Peter, die ons ertoe aanzet ze mee te nemen. Dus de manier waarop het uiteindelijk werkt is dat ze duidelijk allemaal, echt over de hele linie, al deze jongens, we hebben de afgelopen maanden met honderden van hen gesproken, vrijwel iedereen op zoek is naar groeimogelijkheden. Niemand heeft het over een verliesprobleem waar we een paar jaar geleden over hoorden. Op dit moment praat iedereen alleen maar over hoe ik meer kan lenen, maar zorg ervoor dat ik het op een redelijke manier doe. Dus dat is een heel verstandige manier waar deze kredietverenigingen en kleinere kredietverstrekkers eigenlijk over nadenken. Dus wat we doen is dat we naar binnen gaan en zeggen: we hebben zeker deze toolkit en we hebben er vertrouwen in dat dit u een aanzienlijke verbetering in uw goedkeuringspercentage zal opleveren, maar de manier waarop we hen in principe aanmoedigen om dit te doen, begrijpt uw eigen risicobereidheid en doe een beetje testen.

Dus het eerste dat we uiteindelijk zullen doen, is dat we uiteindelijk hun bestaande systeem voor het ontstaan ​​van leningen begrijpen, of welke technologie ze ook gebruiken, soms bij een systeem voor het ontstaan ​​van leningen, soms is het iets dat ze hebben gekocht van een kleiner systeem voor het ontstaan ​​van leningen. systeem, soms een van de grotere. Dus we gaan in feite met ze mee en zeggen: oké, we plaatsen ons systeem gewoon bovenop je bestaande systeem, niets in je bestaande volgorde hoeft te worden verstoord. Voer gewoon 10% van de aanvragen door ons systeem en ontvang een beslissing van de uitdager, waarna u kunt beslissen of u deze wilt aanhouden, ongeveer 30%, 40% van de portefeuille, enzovoort. Dat is dus doorgaans stap één in onze afspraken.

Een ander ding dat gebeurt, Peter, is dat we in veel van deze gevallen ontdekken dat kredietverenigingen, enzovoort, zelfs nu nog een oordelende component hebben en ik denk dat dit een goede zaak is, omdat er een mens is die naar alle kwantitatieve informatie kijkt die wordt verzorgd door deze mensen, enzovoort. Maar ze hebben ook het vermogen om de vraag te stellen om de situatie van de consument te begrijpen, en dat is wat kredietverenigingen eigenlijk bijzonder goed doen. Ze kunnen veel meer empathie hebben voor de, weet je, dus dat levert extra gegevens op.

Wat we dus ook kunnen doen, is dat we op dit moment kunnen zeggen dat je in feite alle aanvragen door het beoordelingsproces van de acceptatie doorloopt, wat het proces feitelijk niet erg effectief maakt. Wat u kunt doen, is dat u zich daarop kunt richten en in gevallen waarin het goedkeurings- of weigeringsbesluit heel duidelijk is, het echt niet naar het beoordelende acceptatieteam stuurt, maar stuur dan die gevallen waarin u eigenlijk meer informatie nodig heeft en laat een beoordelende verzekeraar dit doen. daar een uiteindelijke beslissing. Dat wordt dus de tweede stap.

Door dit te doen, geven we ze veel operationele efficiëntie. De schadelijke acceptatie wordt zeer gericht op het aandrijven van de waarheid voor hen. Dus dat is grofweg het plan waar we ze op krijgen. In de loop van de tijd denken we dat, weet je, als ze zich op hun gemak voelen met onze algoritmen en ze er vertrouwen in krijgen dat dit niets in hun kredietrisicoprestaties opblaast, ik denk dat we het goede doen….Ik kan' Ik kan het op dit moment niet eens voorspellen, denk ik.

Peter: Rechts. Dus als u aan de slag wilt gaan, hoe lang duurt het dan, vanaf het moment dat u voor het eerst een afspraak heeft met een kleinere kredietverstrekker, hoe lang voordat u echt met een pilotprogramma kunt beginnen, om zo te zeggen?

Pankaj: Dus in de meeste gevallen zal het ergens tussen de vier en acht weken zijn, Peter, en die tijdlijn proberen we nu voortdurend in te korten omdat we deze partnerschappen opbouwen met systemen voor het genereren van leningen, zodat de integratie bijna volledig is voltooid. We hebben al partnerschappen met alle dataproviders, zodat we alle gegevens heel snel bij elkaar kunnen brengen, dat kost geen tijd.

Maar wat betreft de integratie van het systeem voor het verstrekken van leningen, hebben we nog wat werk te doen, maar in werkelijkheid meestal vier tot zes weken. In sommige gevallen zijn we erin geslaagd mensen zelfs binnen twee weken aan de slag te krijgen, en dat gebeurt bij de kleinere startups die hun eigen, je weet wel, systeem voor het verstrekken van leningen van eigen bodem hebben. We hebben dus een techneut aan wie we aan de andere kant van de tafel kunnen zitten om aan onze API's te werken en de integratie wordt binnen een paar dagen voltooid en we kunnen ze binnen een paar weken live krijgen.

Peter: Oké, interessant, interessant. Laten we dus eens in de gegevens duiken. U hebt hier eerder iets over gezegd, maar ik wilde het hebben over de omvang van de gegevens, de soorten gegevens die u in deze acceptatiemodellen stopt. Leg dat alstublieft een beetje uit.

Pankaj: Zeker zeker. Dus op de drie bureaus is het duidelijk de ruimte, toch? Iedereen gebruikt een soort bureau-informatie, dus uiteraard gebruiken we al die gegevens. Het verschil als we bureaugegevens gebruiken, Peter, is dat de meeste mensen een externe score zullen gebruiken, zoals een FICO-score of een VantageScore, zoiets, en je weet wel, een tiental attributen bijvoorbeeld. Onze modellen verzamelen misschien wel 100/200 variabelen, afhankelijk van het model dat we gebruiken, dus er is veel rijkere informatie, zelfs als deze afkomstig is van hetzelfde bureau dat de kredietverstrekker eerder gebruikte. Dus dat is iets dat alleen met de bureaus gebeurt, we gebruiken veel meer informatie van dezelfde bureaus en dan bouwen we deze ultieme gegevensbronnen in.

Een van onze langst bestaande partnerschappen is die met LexisNexis. LexisNexis werd doorgaans meer gebruikt voor diensten voor identiteits- en fraudeverificatie. We hebben manieren kunnen vinden om die gegevens ook zeer productief te gebruiken voor krediet, en weet je, het werkt niet voor alle segmenten, maar in sommige segmenten, of het nu een dun bestand is, enzovoort, worden die gegevens erg... zeer nuttig om kredietverstrekkers te helpen meer mensen goed te keuren. Dus dat is nog een voorbeeld.

We hebben verschillende andere partnerschappen die we hebben opgebouwd, we hebben partnerschappen met MicroBilt, die wederom een ​​iets andere dekking heeft en enkele alternatieve gegevens, enzovoort. We hebben vorige week een samenwerking aangekondigd met een bedrijf genaamd Urjanet, een gegevensprovider voor nutsvoorzieningen. Ze krijgen in principe een database met toestemming van de klant en nogmaals, we gebruiken een deel daarvan ook in het besluitvormingsproces. Eén heel interessant gebied, of misschien twee, één is eigenlijk open banking, toch?

Bedrijven als Plaid en verschillende anderen die feitelijk toegang hebben tot de bankinformatie, kunnen dus zeer krachtig zijn. We moedigen mensen dus echt aan om die informatie zo goed mogelijk te gebruiken. En de laatste, zou ik zeggen, is dat je veel hoort over Embedded Finance, Peter, waar het een detailhandelsbedrijf is, maar ze proberen de kredietverlening er echt middenin te plaatsen, door Lending-as-a aan te bieden. -Service terwijl klanten daadwerkelijk een aankoop doen. In die omgeving komt er dus zeer rijke informatie beschikbaar over wat er daadwerkelijk wordt gekocht, wat de onderliggende transactie is die plaatsvindt, en we hebben ontdekt dat dit een zeer, zeer nuttige en zeer krachtige risicovoorspeller is.

Peter: Rechts. En hoe verbeteren de modellen vervolgens? Ik neem aan dat je het hebt over alle... je brengt alle transacties binnen, je hebt meerdere klanten, dus leert je kernmodel van alle verschillende transacties, ik bedoel, hoe gaat het verbeteren?

Pankaj: Ja. Wat we dus niet doen, is dat we niet alle gegevens op klantniveau van verschillende klanten binnenbrengen. Dat is niet ons bedrijfsmodel, omdat we onszelf beschouwen als een softwareleverancier, niet als een leverancier van deze geconsolideerde gegevens en daar inzicht uit te halen. Eigenlijk zijn banken en financiële instellingen erg sceptisch over het daadwerkelijk delen van gegevens over al hun transacties, dus dat is niet zo eenvoudig om te doen.

Maar wat we doen, is dat we dit concept hebben om deze modellen te bouwen, met een laag van mentale intelligentie die steeds verfijnder wordt. Het is bijna... alsof je het ziet als een eerste laag van een neutraal netwerk, als je wilt, waar feitelijk alle informatie op klantniveau wordt samengevoegd en die informatie ons in feite helpt om scherpere manieren te vinden voor verschillende attributen, afhankelijk van de segmentmix. die mensen krijgen. Dat is dus het soort methodologie dat we hebben ontwikkeld en die de gegevens van een bepaalde klant van elkaar gescheiden houdt, maar er is een voordeel dat je krijgt vanwege het algemene leerproces dat in het systeem plaatsvindt.

Peter: Juist, goed, oké. Ik wil het dus hebben over de ervaring van leners, omdat dit iets is dat iedereen uiteraard echt probeert te verbeteren. Er zijn mensen die het nu hebben over geautomatiseerde acceptatie, maar welke impact heeft AI-gebaseerde acceptatie, of hoe kan dit de ervaring van kredietnemers beïnvloeden?

Pankaj: Ik denk dat het fantastisch nieuws is voor kredietnemers. Er zullen naar mijn mening twee dingen gebeuren. Ten eerste zal er als gevolg hiervan meer krediet beschikbaar komen, omdat een zeer hardnekkig fenomeen dat ik heb gezien in mijn carrière als professional in de financiële dienstverlening, Peter, het volgende is: als je geen vertrouwen hebt in de tools Als u dat wel heeft, zullen risicomanagers u dwingen ervoor te zorgen dat u de groeikansen niet uitput, juist omdat u bang bent het risico te nemen omdat u geen vertrouwen heeft in de scherpte van de instrumenten. Als de voorkant van het bedrijf niet naar de risicomanagers luistert, krijg je rampzalige verhalen over kredietverlening. Er gaan veel modellen verloren, enzovoort. Dus ik denk dat de wereld tussen die twee werelden blijft schommelen, waarbij risicomanagers meer macht krijgen en die vervolgens weer wegnemen, enzovoort.

Wat we proberen te doen is dat we proberen te zeggen dat je eigenlijk gewoon door moet gaan met het regelmatiger aanscherpen van je gereedschapskist en dat je ervoor zorgt dat je het vertrouwen hebt om te lenen, dat je winstgevendheid op de langere termijn verbetert en op de lange termijn niet wordt beïnvloed. . Dus ik denk echt dat als dat vertrouwen zich voordoet, het verbeterde vertrouwen dat kredietverstrekkers zouden kunnen hebben, dat zij tentoonspreiden, feitelijk zal afnemen en dat er meer krediet beschikbaar zal komen. Het eenvoudigere dat er nu al is, is dat we een aantal, veel van deze kleinere klanten waarmee we werken, tegenkomen, zelfs nu zou het enkele uren duren om een ​​lening goed te keuren die onze technologie in principe binnen enkele seconden zou goedkeuren. Dus echt…..en COVID heeft eigenlijk iedereen de hand opgelegd, omdat klanten nu eisen dat je ze echt een digitale ervaring geeft, toch, dus onze technologie maakt de digitale transformatie echt mogelijk. Een van de beste resultaten is dat de beslissingen voor de klant een stuk sneller zullen plaatsvinden.

Peter: Juist, juist. Dus met COVID bedoel ik dat we uiteraard allemaal weten wat er het afgelopen jaar is gebeurd. Vond u dat er plotseling meer belangstelling was voor wat jullie deden, omdat dat de eerste keer was? Daarom moeten we, weet u, onze kredietprogramma's opnieuw onderzoeken. Wat was de impact van COVID op uw bedrijf?

Pankaj: Ja. Ik denk dat de eerste paar maanden uiteraard een totale werkstaking waren omdat iedereen opgesloten zat, maar wat er in werkelijkheid gebeurde was dat we de tijd feitelijk productief gebruikten, zou ik zeggen, Peter, als ik het zelf mag zeggen. We zijn feitelijk begonnen met het geven van deze webinars, eigenlijk alleen maar het versturen van onderwijs. Dus we hadden het over de stabiliteit van leners en schulden en ik weet niet of je het merkt, Peter, vorig jaar, 2019, waren we bij LendIt en Money20/20, we waren de enige mensen die het hadden over recessiebestendig leningen.

Ik vind het jammer dat onze woorden zo snel waar zullen zijn, maar dat was eigenlijk het thema dat we de mensen probeerden te vertellen. Weet je, bereid je voor op moeilijkere tijden, langzamere groei enzovoort, zorg ervoor dat je je kredietrisicotoolkit gereed hebt en daar hadden we het al vóór COVID over. Dat hele team heeft ons dus geholpen, maar in wezen kwamen veel mensen terug na COVID.

Het eerste waar mensen het over hadden was: oh, onze volumes zijn met 70% of 50% gedaald, enzovoort. Hoe krijgen we dit terug, dus dat was één ding, toch? De groei was totaal verdwenen, er was behoefte om daadwerkelijk meer krediet op de markt te brengen, mensen hadden daadwerkelijk het kapitaal om te investeren en ze waren daar niet voor het eerst toe in staat, ze wisten gewoon echt niet zeker of ze moesten beginnen met lenen. Dus dat was één ding en dan de hele verwachting van digitale interactie met de klanten.

Deze twee dingen hebben, denk ik, veel kredietverenigingen en kredietverstrekkers doen kijken naar wat ze nu kunnen doen, hoe ze dat in één keer kunnen bereiken. Een van de dingen die zijn gebeurd is dat het geboden ecosysteem, Peter, angst in de hoofden van deze mensen heeft gebracht, als ik het zo mag zeggen, en dat we profiteren van een deel van deze hype, maar ik denk dat mensen bijna bang worden als je het over AI hebt. en technologie. Sommige van deze kleinere kredietverstrekkers zijn bang, weten het niet of kunnen het zich niet veroorloven, dat soort dingen. Dus we hebben de juiste prijspunten bepaald, we hebben het juiste betrokkenheidsmodel bedacht en dat is wat we denken dat we de afgelopen acht/negen maanden veel grip hebben gezien.

Peter: Juist, juist. Ik wil Dave Girouard noemen, van wie je zeker weet dat hij de CEO van Upstart is. Ze hebben duidelijk fenomenaal werk verricht op dit gebied en ze zijn openbaar geworden en doen het heel, heel goed, zei hij in hun eerste winstoproep als beursgenoteerd bedrijf, ik kan me de exacte quote niet herinneren, maar het was zoiets als, weet je, alle acceptatie zal in de nabije toekomst door AI worden aangestuurd. Ik neem aan dat je het eens bent met die stelling, maar ik wil vragen wat er nodig is om daar te komen. Ik bedoel, hoe gaan we tot 100% AI-gedreven acceptatie komen?

Pankaj: Ja. Dus ik heb het geluk gehad om onder Dave McClear te mogen werken? in het begin van mijn carrière en hij had dit concept meer dan twintig jaar geleden. Hij zei eigenlijk: ik heb een eeuwig geldmachine-concept dat niets anders is dan een leuke baan, wat nu AI wordt genoemd, maar leuke modellen voor de neiging tot werken. Je hebt dus responsmodellen, modellen voor activering, modellen voor uitgaven, modellen voor revolving-gedrag, modellen voor, je weet wel, waarschijnlijkheidsverzuim en ondersteuning, je stopt ze allemaal in een doos, zet een prospect vol aan het begin van deze doos, stop al die prospects erin en er komt feitelijk winst uit. Al die operaties, live operaties, worden uitbesteed aan partners, enzovoort. Dus dat was het model dat werd gebouwd en wat er feitelijk gebeurde was dit: een paar miljard dollar per boek werd in ongeveer 20 maanden gemaakt en een aantal mensen gingen op cruises en prijzen en dat soort dingen. Na twee jaar begonnen we de verliezen te zien, uiteindelijk verloren we in feite ongeveer 18% van dat boek aan verliezen.

Dus hier is de samenvatting van mijn... Ik denk dat onze video, Dave en ik, ik denk dat ik het met hem eens ben als collega-professional die geïnteresseerd is in het vinden van manieren om AI op een productieve en duurzame manier te gebruiken. Ik zal dat van jullie eigenlijk steunen… vooral als je een brede kijk hebt op wat we bedoelen met AI, toch? Als je de brede betekenis neemt, die ik eerder beschreef toen je mij de vraag stelde over wat AI is, als je aan AI denkt, denk ik dat ik data wil gebruiken, ik wil ervoor zorgen dat ik feedbackloops geef en ik verbeter en veranker bescherming in elke fase van het klanttraject.

Door visie toe te voegen voor wat AI zou moeten doen en ik denk dat dat de juiste visie is, denk ik dat we de droom leven om er voorzichtig mee te zijn. Ik denk dat AI bijna een evolutiekracht is, ik denk dat het onomkeerbaar is en dat de weerstand nutteloos zal zijn, als je wilt. (Peter lacht) Maar ik denk dat ik nog steeds zal zeggen dat we, wat de kredietverlening betreft, nog steeds expertise op het gebied van risicobeheer moeten toevoegen aan de kredietverlening, waarvan sommige voortkomen uit ervaringen uit het verleden, omdat niet alle gegevens, niet alle cycli zijn doorleefd.

Peter: Juist.

Pankaj: In feite zijn we aan het veranderen op manieren waar feitelijk niemand ervaring voor heeft opgedaan, dus je moet een laag van ervaring aanbrengen, je moet een aanzienlijke hoeveelheid testen doen, omdat je anders irrationeel uitbundig kunt worden en een volume aan kredieten kunt creëren en dan ben ik bang voor zeer duistere verhalen die zelfs de houdbare lengte van de optie van AI in de weg zullen staan. Dat is de enige angst die ik heb, maar ik ben er zeker van dat er kracht schuilt onder de vleugels van AI.

Peter: Juist, juist. En dan is een van de goede dingen die we de afgelopen twaalf maanden hebben gehad, zullen we maar zeggen, dat nu, denk ik, iedereen zijn eigen pandemiemodellen heeft, juist, want de volgende pandemie zal uiteraard misschien niet precies hetzelfde zijn. , maar vóór deze periode had niemand echt een pandemiemodel dat accuraat was. Dus misschien neem ik aan dat je daar nu veel van in de modellen verwerkt.

Pankaj: Dat zijn we absoluut. We hadden dus het geluk enige ervaring op te doen met de situatie van 2008 en ik denk dat er een kunst in deze hele zaak zit. Ik denk dat modellen maar zoveel kunnen. Weet je, we hebben het opnieuw geleerd toen we al deze dingen aan het sorteren waren, dingen met credits, mensen zeiden dat alle modellen verkeerd zijn, maar ze kunnen heel handig zijn als je ze zorgvuldig gebruikt om bepaalde dingen mee te doen. Dus dat is waar we veel ervaring hebben die we eigenlijk over het tijdsbestek van 2008 heen hebben gelegd en we zeiden: dit is wat we zagen, waar de verschuivingen hebben plaatsgevonden in de prestaties van verschillende soorten cohorten uit een retrospectief... en dit is wat we hebben, in termen van testen, geprobeerd hoe mensen dan zullen reageren en vanaf nu de nieuwe kennis zullen ontwikkelen.

Peter: Juist, goed, oké. Voordat we op de vragen van het publiek ingaan, kunnen jullie ons misschien even kort vertellen wat er voor Scienaptic op de planning staat, en wat er voor jullie in het verschiet ligt.

Pankaj: Peter, ik denk dat we nog maar net begonnen zijn met onze missie. Dit jaar zal voor ons heel krachtig zijn om ervoor te zorgen dat onze toolkit feitelijk onderdeel wordt van een groot aantal kredietverstrekkers en om de kwaliteit van de beslissingen die zij nemen te gaan verbeteren. Hopelijk gaan we naar het volgende niveau voor een aantal van deze mensen en promoveren we ze op het hele AI-spectrum, weet je, in termen van het een stuk geavanceerder maken van hun besluitvormingskwaliteit. Ik denk dat het belangrijkste is dat ik graag zou willen doen, en ik weet nog niet zeker of ik het dit jaar of over 18 maanden of slechts vier maanden zal kunnen doen, maar het spannendste is dat ik vanaf nu verder moet gaan is nadenken over nieuwe producten.

Dit hele modelgedoe, ik heb een creditcard of ik heb een lening en ik zal een aanvraag indienen en ik zal ervoor worden afgewezen en dan zal ik een ander product aanvragen en kijken wat ik kan krijgen, dat oude model is niet het juiste model, het is niet klantvriendelijk en als je denkt dat het een beetje (onhoorbaar) is als je één kaart aanvraagt ​​en je wordt afgewezen, handel je meer vragen af ​​en die vragen vertellen je score feitelijk dat je een meer risicovolle klant bent. Dus naarmate u meer krediet aanvraagt ​​en wordt afgewezen, neemt de kans dat u nog meer wordt afgewezen voor andere producten toe, wat een probleem is, toch? Het is een zeer structureel probleem, dus we denken dat nu de tijd is gekomen voor de financiële dienstverleners om het juiste product voor de klant te ontwikkelen, afhankelijk van de juiste situatie, zodat ze de klant op het juiste moment kunnen betrekken en de klant kunnen laten groeien. , weet je, in de loop van de tijd in lijn met hoe hun levenscyclus feitelijk evolueert.

Peter: Juist, juist. Nou, dat is een belangrijk onderwerp voor een andere keer. Pankaj, het was echt fascinerend om jou bij de show te hebben. We hebben vragen en antwoorden voor het publiek. Als je hiernaar luistert via je podcast-app, beëindigen we deze sessie nu, maar je kunt de video bekijken en luisteren naar de vragen van het publiek in de showopmerkingen dat we een link zullen hebben op lendacademy.com. Dus hierbij heel erg bedankt Pankaj, en we gaan nu naar de vragen van het publiek. Oké, nogmaals bedankt.

Pankaj: Dank je.

Peter: Tot ziens.

Ik hoop dat je genoten hebt van die bijzondere live podcast met Scienaptic. Ik wil gewoon teruggaan en dit laatste stuk oefenen dat Pankaj zei. Ik denk dat hij het heel welsprekend zei door te zeggen dat het model niet klopt: je moet gaan solliciteren en er komt een onderzoek op je rapport terecht, en het is echt geen erg efficiënt model en we hebben hier ongeveer over gesproken. Ik weet dat Ken Lin van Credit Karma er een paar jaar geleden op de show over sprak, dit soort Autonomous Finance waarbij je leningaanbiedingen kunt laten verschijnen wanneer je ze nodig hebt en je weet dat je ervoor wordt goedgekeurd.

Ik heb het gevoel dat we daar nog maar net mee bezig zijn, we zijn er nog niet helemaal, maar ik zie dat Pankaj's visie werkelijkheid gaat worden. Ik denk echt dat we de komende, mogelijk twee jaar of zeker de komende drie tot vijf jaar, niet op zoek hoeven te gaan naar krediet en al deze vragen in ons kredietrapport hoeven te krijgen. We zullen daar een systeem kunnen hebben waarbij de leningaanbiedingen op een bepaalde manier naar ons toe komen.

Hoe dan ook, ik zal me afmelden. Ik waardeer het erg dat je luistert en ik zie je de volgende keer. Doei.