具備代理智能的信用評估流程：一個戰略藍圖

Bhushan Joshi，Dr Manas Panda，Raja Basu

探索頂尖金融科技新聞與活動！

訂閱金融科技週刊的電子報

由摩根大通、Coinbase、貝萊德、Klarna 等高管閱讀

金融服務行業正經歷範式轉變，生成式人工智慧（GenAI）與代理式人工智慧系統正在重新定義業務流程——其中信貸決策就是一例。銀行正積極採用由人工智慧驅動的系統，以提升預測準確性，同時自動化複雜的工作流程。本文探討如何策略性部署GenAI與代理式AI於信貸評估流程中，顯著提升效率與自動化水平，同時兼顧治理、風險與合規考量。

GenAI的優勢：智能數據增強

數據是信貸評估的生命線。銀行與金融機構利用邏輯模型與啟發式模型來評估大量數據元素。隨著GenAI的出現，這一流程已大幅躍進，因為GenAI模型具備評估非結構化數據並產生有價值見解的能力。生成合成數據以提前模擬場景，也是評估流程中的一個重要變革。

GenAI模型擅長解析非結構化資訊，將其轉化為結構化數據。這一能力使得能提取關鍵屬性，如收入穩定性、還款不一致、就業資料、可自由支配支出等，從而在核保評估中提供關鍵洞察。

合成數據生成是GenAI模型提供的一項能力，可用於強化模型建構與驗證，幫助緩解邊緣案例中的數據稀疏問題。AI模型可用來定義邊緣場景，加入更細緻的標準——如流動性緩衝、收入波動等——並用合成數據進行驗證。這些保護隱私的數據增強了模型的泛化能力與對尾端風險的韌性。

多模態GenAI系統能夠標記不一致之處，例如申報收入與稅務記錄、銀行對帳單之間的差異，通過比對來識別。這些手動耗時的活動可以通過提升合規性、檢測漏洞與改善數據完整性來加快流程。

代理式AI：自主工作流程的協調者

雖然多模態GenAI系統促進數據完整性、創建與驗證極端場景，代理式AI則引導自主工作流程。

代理式AI進一步推進評估流程，實現離散任務的自主決策。由多個專家代理組成的代理網格，能同時執行多個離散任務。身份驗證、文件檢索與驗證、指標評估、外部數據驗證、信用局檢查、心理測量分析等，都可以由專門的代理同時完成。每個代理都具有明確的目標、成功指標與升級流程，使流程更快且更準確。

這種代理網格強化業務邏輯，調用預測模型，並根據信心閾值自動路由申請。例如，低信心決策或異常情況會自動升級給人工核保人員，並通過訊息系統發送警示以便採取行動。同時，代理系統可以主動監控申請，檢測矛盾點，並啟動修正機制。類似地，若申請人的信用狀況處於灰色區域，系統可自動觸發二次審查、請求額外文件或引入人工介入。

案例：一家大型國際銀行最近實現了從客戶電子郵件到案件管理的全自動流程——包括案件登記、工作流程調用、狀態追蹤與通訊——將處理時間縮短至原來的一半。

此外，NLP能力使代理能與申請人進行實時對話，澄清模糊點、收集缺失資料、總結下一步行動——支持多語言與語音交互，降低摩擦並提升完成率，特別是對於服務不足或猶豫的客戶群。

混合架構：平衡準確性與可解釋性

GenAI與代理式AI技術共同設計流程與架構——提升效率的同時，兼顧結果的準確性與可解釋性。
結合代理式AI與GenAI模型的混合架構，能以更豐富的數據提升預測能力，並增強監管透明度。結合AI代理還能提高韌性與自動化執行能力。

GenAI能生成反事實解釋——“假設”場景，展示申請人如何改善貸款資格，而代理系統則收集結果數據、策劃邊緣案例，並啟動再訓練循環。這種自適應自學流程，配合更乾淨的數據集與合理的邊緣場景，能提升客戶貸款資格評估的準確性。

行動呼籲：建立可信賴的AI系統以提升評估準確性

評估貸款資格是一個複雜的流程，影響客戶體驗與長期業務關係。在重新設計流程時，建議考慮：a) 引入人工在環架構，以提升決策的可追溯性與可解釋性；b) 正確識別並映射決策結果與相關特徵，以解決解釋性與審計問題；c) 實施負責任的AI守則與操作保障措施，如角色基礎存取控制、升級矩陣等，以增強流程韌性。

結論

信貸決策流程正處於轉折點，GenAI與代理式AI正在重新定義業務流程——使借貸生態系統更高效、更具韌性。投資於深思熟慮的設計、嚴格的治理與堅實的數據模型，來自動化高風險應用場景的金融機構，將引領下一個智能核保時代。