Quantcast

Scenari/Gam

Prestiti, rating più accurati con intelligenza artificiale e machine learning

“Da un’analisi di McKinsey emerge che le banche che hanno applicato i nuovi modelli hanno registrato un aumento dei ricavi anche del 15% e un tasso di insolvenza più basso del 40%, con una migliore esperienza per il cliente, un tasso di approvazione più alto, costi di acquisizione del cliente più contenuti e meno insolvenze“. L’approfondimento a cura di Kevin Kruczynski, investment manager responsabile della ricerca per le azioni Usa e globali

Dal mutuo al prestitoserve un angelo mediatore

I nuovi approcci per l’attribuzione di un punteggio di credito basati sull’intelligenza artificiale e sul machine learning sono in grado di valutare in modo più accurato l’affidabilità di credito dei richiedenti rispetto ai metodi usati in precedenza. L’analisi di Kevin Kruczynski, investment manager responsabile della ricerca per le azioni Usa e globali.

"Fino a una generazione fa ottenere un prestito era un privilegio che veniva concesso a chi conosceva il direttore di una filiale bancaria, che era in grado di formulare una valutazione sul carattere e sulle circostanze finanziarie del richiedente prima di decidere se erogare il finanziamento. Col passare degli anni, questo tipo di rapporto in campo bancario è andato scomparendo, le reti delle filiali sono meno capillari mentre il credito è più diffuso e a disposizione di un maggior numero di persone. Tale trasformazione è stata facilitata, in particolare, dalle agenzie specializzate nelle referenze di credito che si avvalgono di modelli consolidati per monitorare l’attività di credito dei richiedenti al fine di valutarne l’affidabilità. Tipicamente, un rating di credito più alto apre opportunità di credito più numerose e convenienti.

Negli Stati Uniti, Fico nel 1989 lanciò un algoritmo per attribuire un rating di credito sulla base di cinque variabili che consentono di calcolare l’affidabilità di credito di una persona. Le banche hanno fissato delle soglie minime da non oltrepassare per poter accedere ai prodotti di credito di tipo prime. È un sistema consolidato e utilizzato dalla maggior parte degli istituti. Fino a poco tempo fa non c’era l’incentivo a cambiare e adottare nuove tecnologie. Il principale difetto di tale sistema è che alcuni richiedenti idonei a ottenere un prestito non superano la soglia fissata dalla banca per via della rigidità o degli errori del sistema. Si stima che l’80% degli americani non sia mai stato insolvente su un prodotto di credito, eppure col sistema attuale solamente il 49% ha accesso ai prestiti prime1. Di conseguenza, molti mutuatari che dispongono dei mezzi per ripagare il prestito vengono rifiutati dal circuito prime e sono costretti a rivolgersi ai prestiti subprime, a prezzi più alti. Anche le banche perdono così un’importante fonte di crescita e ricavo.

I nuovi approcci per l’attribuzione di un punteggio di credito basati sull’intelligenza artificiale e sul machine learning sono in grado di valutare in modo più accurato l’affidabilità di credito dei richiedenti. I modelli più recenti di AI esaminano oltre 1.500 data point, tra cui i dati relativi all’impronta digitale e ai social media. Queste tecnologie innovative si avvalgono inoltre di un’infrastruttura basata sul cloud più aggiornata e meno complessa, che nella maggior parte delle banche si può mantenere più facilmente e in modo più conveniente rispetto ai vecchi sistemi. Ciò semplifica il rispetto delle norme e aiuta a intercettare le frodi. Da un’analisi di McKinsey emerge che le banche che hanno applicato i nuovi modelli hanno registrato un aumento dei ricavi anche del 15% e un tasso di insolvenza più basso del 40%, con una migliore esperienza per il cliente, un tasso di approvazione più alto, costi di acquisizione del cliente più contenuti e meno insolvenze. Tali sviluppi hanno inoltre consentito l’ottimizzazione dei processi e dei flussi di lavoro.

Negli Stati Uniti soltanto ci sono più di 4.000 banche. Secondo noi, poche hanno le risorse per sviluppare sistemi che adottano tecnologie proprietarie all’avanguardia, e ancora meno sono in grado di attirare i migliori talenti della Silicon Valley. Stanno emergendo modelli di business interessanti. Tra questi, Upstart potrebbe diventare un operatore chiave nel settore, il suo approccio basato su piattaforma è vicino alla massa critica. L’azienda è stata costituita dieci anni fa da ex dipendenti di Google che volevano rivoluzionare il processo decisionale per la concessione dei prestiti, basandosi sulla premessa che l’applicazione della moderna scienza dei dati e delle ultime tecnologie consente di fare progressi. Il numero delle variabili dei loro algoritmi, in costante aumento, è oltre 1.500. Si crea così un circolo virtuoso: più aumenta il credito emesso usando Upstart, più accurato diventa l’algoritmo. I risultati finora sono stati positivi, le approvazioni sono aumentate e le perdite diminuite. Upstart non iscrive i prestiti in bilancio né assume rischio di credito, bensì collabora con le banche che vogliono concedere prestiti utilizzando la sua tecnologia. In questo momento la piattaforma comprende 30 banche e spera di superare quota 100 nel giro di un anno circa. Le prospettive di crescita sono notevoli, maggiore è il numero di prestiti approvati attraverso questa tecnologia, e maggiori i successi ottenuti, maggiore sarà anche la fiducia delle banche in tale sistema.“
 

Lascia il tuo commento

Condividi le tue opinioni su Economy

Caratteri rimanenti: 400

I più letti

Articolo successivo