Effizienz ist das A und O im Bankwesen. Es ist erstaunlich und nicht auf positive Weise, dass der Einsatz von Kredittechnologien in Banken mangelhaft ist. Laut einem neuen Bericht von Cornerstone Advisors (im Auftrag von ZestAI) mit dem Titel “Erreichung hoher Leistung im Kreditwesen: Die Auswirkungen von KI auf die Kreditvergabe-Effizienz” haben nur 13% der Banken KI-Technologien in ihren Kredit- und Darlehensprozessen implementiert. Trotz des geringen Einsatzes von KI in der Kreditvergabe heute stehen große Veränderungen bevor. Mehr als die Hälfte der befragten Banken planen, in den nächsten drei Jahren 100.000 US-Dollar oder mehr in kreditmodellgetriebene maschinelle Lernmodelle zu investieren, wobei 12% planen, 500.000 US-Dollar oder mehr auszugeben.
AI-Getriebene Autobeschlüsse werden aufgrund des Bedarfs der Banken an Effizienz zunehmen, da die Effizienzgewinne für automatisierte Entscheidungen erheblich sind. Skeptiker weisen darauf hin, dass KI den Kreditgebern Herausforderungen wie Erklärbarkeit, Transparenz, Datenverfügbarkeit und -qualität sowie Modellvalidierung und Bias-Beseitigung bringen wird. Die Vorteile von KI-getriebener Kreditvergabe sind jedoch vielfältig, darunter eine verbesserte Kreditrisikobewertung und effizientere Inkasso- und Verlustminderung. Laut einer Studie von Visa waren Kreditgeber, die Entscheidungen automatisierten, in der Lage, etwa 50-60% des Antragsvolumens automatisch zu entscheiden und so eine stabilere Entscheidungsgeschwindigkeit und Kostensenkung zu erzielen, während sie ein stabiles Risikolevel beibehielten.
Künstliche Intelligenz wird nicht nur den Banken, sondern auch helfen, den Zugang von Minderheiten an Kleinunternehmer zu Kapital zu erweitern. Nach Angaben der Federal Reserve haben Black- und Hispanic-Unternehmen Schwierigkeiten, Kredite von traditionellen Quellen zu erhalten, da sie als höhere Kreditrisiken eingestuft werden. Diese Risiken werden teilweise durch niedrigeren Eigentumsreichtum, niedrigere Geschäftsumsätze und unzureichende Kreditgeschichten bestimmt. Eine Analyse von Uplinq ergab, dass die Erweiterung der Dateneingaben für die Bewertung von Kleinunternehmen aus geschützten Klassen – einschließlich Daten aus Buchhaltungssystemen, Zahlungs- und E-Commerce-Systemen, Kernbankplattformen und anderen Quellen – die Anzahl der guten (d.h. nicht verlustbringenden) angenommenen Kredite um 215% erhöhen könnte. Der Zugang von Kleinunternehmern zu erschwinglichen Krediten kann nicht allein durch regulatorische Änderungen gelöst werden, sondern wird verbessert, wenn die Kreditgeber – Banken, Fintech-Unternehmen und andere Nicht-Bankkreditgeber – eine gesteigerte Rentabilität durch den Einsatz von KI und erweiterten Datenquellen sehen.