گذار از اعتبارسنجی ایستا به پویا

🔽مدیر توسعه کسب‌وکار شرکت خدمات انفورماتیک: #هوش_مصنوعی، کلید عبور از بن‌بست #وثیقه‌های_سنتی و تحقق #اقتصاد_مولد است.
 
🔽 #جعفرعبدی #مدیر_توسعه_کسب‌وکار #شرکت_خدمات_انفورماتیک در جریان بیست‌و‌نهمین نمایشگاه بین‌المللی #الکامپ و در پنل تخصصی ریسک‌نیوز با توجه به اقتصاد پرنوسان ایران، زمان را دشمن اصلی #اعتبارسنجی دانست و افزود: مدل‌های سنتی اعتبارسنجی که بر پایه بررسی وضعیت مالی #مشتری در یک نقطه زمانی مشخص استوارند، در برابر تلاطم‌های اقتصادی و #نرخ‌های_تورم، توانایی پیش‌بینی ریسک‌های آتی را ندارند.

🔽وی با نقد مدل‌های ایستا و تبیین ضرورت گذار به سمت اعتبارسنجی پویا بر پایه هوش مصنوعی و #یادگیری_ماشین، نقشه راهی برای اصلاح ساختار #وام‌دهی و عبور از چالش وثیقه‌های فیزیکی ترسیم کرد.

🔽جعفر عبدی با اشاره به آسیب‌پذیری مدل‌های فعلی بانکی، هشدار داد که اعتباردهی سنتی، با تغییر شرایط اقتصادی، اعتبار خود را از دست می‌دهد و تشریح کرد: بزرگترین مشکل اعتبارسنجی ایستا این است که در لحظه درخواست وام، شاید مشتری کم‌ریسک به نظر برسد؛ اما در شرایط متلاطم اقتصادی و نرخ تورم بالا، وضعیت مالی او در عرض چند ماه تغییر می‌کند. مدل‌های فعلی نمی‌توانند این تغییر رفتار و تغییر وضعیت را پیش‌بینی کنند، چرا که فقط به یک تصویر ثابت از درآمد و حساب بانکی متمرکز هستند.

🥌عبدی در پاسخ به این پرسش که آیا هوش مصنوعی می‌تواند این خلاء را پر کند، با نگاهی واقع‌گرایانه و فنی پاسخ داد. وی تأکید کرد که موفقیت در این حوزه، نه در داشتن پیچیده‌ترین الگوریتم‌ها، بلکه در کیفیت داده‌ها و استخراج ویژگی‌های صحیح نهفته است و افزود: همه دنیا از یادگیری ماشین برای اعتبارسنجی استفاده می‌کنند، اما سخت‌ترین بخش کار، داده است. در صنعت بانکداری، ما تنها با اعداد سروکار نداریم، بلکه باید از طریق مهندسی ویژگی، متغیرهای رفتاری را استخراج کنیم؛ به عنوان مثال میانگین گردش واقعی، مانده حساب در بازه‌های زمانی مختلف و حتی الگوهای تاخیر در بازپرداخت‌ها را بسنجیم.

وی تصریح کرد: اگر داده باکیفیت و مرتبط با حوزه تخصصی نداشته باشیم، بهترین الگوریتم‌ها نیز خروجی غلط خواهند داد.