Proses evaluasi kredit yang didukung AI Agenik: Sebuah Cetak Biru Strategis

Bhushan Joshi, Dr Manas Panda, Raja Basu

Temukan berita dan acara fintech teratas!

Berlangganan newsletter FinTech Weekly

Dibaca oleh eksekutif di JP Morgan, Coinbase, Blackrock, Klarna dan lainnya

Industri jasa keuangan sedang mengalami perubahan paradigma saat sistem AI generatif (GenAI) dan AI agenik mendefinisikan ulang alur proses bisnis - salah satunya adalah pengambilan keputusan kredit. Bank-bank kini mengadopsi sistem berbasis AI yang meningkatkan akurasi prediksi sekaligus mengotomatisasi alur kerja yang kompleks. Artikel ini mengeksplorasi bagaimana GenAI dan AI agenik dapat diterapkan secara strategis dalam proses evaluasi kredit untuk secara signifikan meningkatkan tingkat efisiensi dan otomatisasi, sambil menangani pertimbangan tata kelola, risiko, dan kepatuhan.

Keunggulan GenAI: Peningkatan Data Cerdas

Data adalah nyawa dari evaluasi kredit. Bank dan lembaga keuangan menilai dan mengevaluasi banyak elemen data menggunakan model logistik dan heuristik. Dengan hadirnya GenAI, proses ini melompat jauh, karena model GenAI menyediakan kemampuan untuk mengevaluasi data tidak terstruktur, menghasilkan wawasan berharga. Menghasilkan data sintetis untuk mensimulasikan skenario sebelumnya adalah perubahan kunci lainnya dalam proses evaluasi.

Model GenAI unggul dalam memparsing informasi tidak terstruktur dan mengubahnya menjadi data terstruktur. Kemampuan ini memungkinkan ekstraksi atribut kunci seperti konsistensi pendapatan, ketidakkonsistenan pembayaran, data pekerjaan, pengeluaran diskresioner, dan lain-lain yang dapat memberikan wawasan penting dalam evaluasi penjaminan.

Kemampuan pembuatan data sintetis adalah fitur yang ditawarkan model GenAI, yang dapat dimanfaatkan untuk pemodelan dan validasi yang kuat. Ini dapat membantu mengurangi kekurangan data dalam kasus ekstrem. Model AI dapat digunakan untuk mendefinisikan skenario ekstrem, menambahkan kriteria yang lebih bernuansa—seperti buffer likuiditas, volatilitas pendapatan, dan lain-lain—dan dapat divalidasi dengan data sintetis. Data ini yang melindungi privasi meningkatkan generalisasi model dan ketahanan terhadap risiko ekstrem.

Sistem GenAI multimodal dapat menandai ketidakkonsistenan—seperti ketidakcocokan antara pendapatan yang dilaporkan, catatan pajak, laporan bank, dan lain-lain—dengan membandingkan dan membedakan. Aktivitas manual yang memakan waktu ini dapat dipercepat dengan peningkatan kepatuhan, mendeteksi kekurangan, dan meningkatkan integritas data.

AI Agenik: Mengorkestrasi Alur Kerja Otonom

Sementara sistem GenAI multimodal memfasilitasi integritas data, membuat dan memvalidasi skenario ekstrem, AI agenik mengarahkan alur kerja secara otomatis.

AI agenik semakin maju dalam proses evaluasi dengan pengambilan keputusan otomatis untuk tugas-tugas diskret. Mesh AI agenik, yang terdiri dari beberapa agen ahli, mampu menjalankan beberapa tugas diskret secara bersamaan. Verifikasi identitas, pengambilan & validasi dokumen, evaluasi metrik, validasi data eksternal, pemeriksaan biro kredit, analisis psikometrik, dan lain-lain dapat dilakukan secara bersamaan oleh agen-agen khusus. Setiap agen beroperasi dengan tujuan yang ditetapkan, metrik keberhasilan, dan protokol eskalasi yang membuat proses lebih cepat dengan akurasi yang meningkat.

Mesh agenik ini menegakkan logika bisnis, memanggil model prediktif, dan mengarahkan aplikasi berdasarkan ambang kepercayaan secara otomatis, mengotomatisasi alur proses secara dinamis. Misalnya, keputusan dengan kepercayaan rendah atau anomali yang terdeteksi secara otomatis akan dieskalasikan ke manusia yang bertugas, dengan peringatan dikirim melalui sistem pesan untuk ditindaklanjuti. Secara bersamaan, sistem agenik dapat secara proaktif memantau aplikasi, mendeteksi kontradiksi, dan memulai mekanisme remediasi. Demikian pula, jika profil kredit pemohon masuk ke zona abu-abu, sistem dapat secara otomatis memicu tinjauan kedua atau meminta dokumen tambahan, atau melibatkan manusia dalam proses.

Contoh kasus: sebuah bank global besar baru-baru ini menerapkan proses otomatis penuh untuk manajemen kasus dari email pelanggan—mendaftar kasus, memanggil alur kerja, komunikasi dengan pelacakan status—mengurangi usaha dan waktu proses hingga setengah dari sebelumnya.

Selain itu, kemampuan NLP memungkinkan agen berkomunikasi secara langsung dengan pemohon, menjelaskan ambiguitas, mengumpulkan data yang hilang, dan merangkum langkah selanjutnya—dalam berbagai bahasa dan dengan pengenalan suara sesuai kebutuhan. Ini mengurangi gesekan dan meningkatkan tingkat penyelesaian, terutama untuk segmen pelanggan yang kurang terlayani dan ragu-ragu.

Arsitektur Hibrida: Menyeimbangkan Akurasi dan Explainability

Teknologi GenAI dan AI agenik merancang alur proses dan arsitektur—meningkatkan efisiensi sambil menyeimbangkan akurasi dan kejelasan hasil.
Arsitektur hibrida yang menggabungkan AI agenik dengan model GenAI meningkatkan kekuatan prediksi dengan data yang lebih kaya dan transparansi regulasi yang lebih baik. Menggabungkan agen AI juga meningkatkan ketahanan dan kemampuan eksekusi otomatis yang mulus.

Sementara GenAI dapat menghasilkan penjelasan kontrafaktual—skenario “bagaimana jika” yang menggambarkan bagaimana pemohon dapat meningkatkan kelayakan pinjaman mereka, sistem AI agenik dapat mengumpulkan data hasil, mengkurasi kasus ekstrem, dan memulai siklus pelatihan ulang. Proses pembelajaran mandiri adaptif ini dengan data yang lebih bersih dan skenario ekstrem yang masuk akal meningkatkan akurasi proses evaluasi kelayakan pinjaman pelanggan.

Ajakan bertindak: Membangun Sistem AI yang Terpercaya untuk Evaluasi yang Lebih Akurat

Menilai kelayakan pinjaman adalah proses kompleks yang mempengaruhi pengalaman pelanggan dan hubungan bisnis jangka panjang. Beberapa rekomendasi utama saat merancang ulang alur ini adalah a) Arsitektur human-in-the-loop untuk meningkatkan pengambilan keputusan secara keseluruhan dengan jejak dan kejelasan, b) Mengidentifikasi dan memetakan hasil keputusan ke fitur terkait untuk mengatasi masalah interpretabilitas dan temuan audit, c) Menerapkan pengaman AI yang bertanggung jawab, perlindungan operasional seperti kontrol akses berbasis peran, matriks eskalasi, dan lain-lain untuk meningkatkan ketahanan proses.

Kesimpulan

Proses pengambilan keputusan kredit berada di titik balik dengan GenAI & AI agenik yang mendefinisikan ulang alur proses bisnis—membuat ekosistem pemberian pinjaman lebih efisien dan tangguh. Lembaga keuangan yang berinvestasi dalam desain yang matang, tata kelola yang ketat, dan model data yang kuat untuk otomatisasi kasus-kasus berisiko tinggi akan memimpin era berikutnya dari penjaminan kredit yang cerdas.