贷款是在美国一个庞大的业务，直接和间接接触几乎所有地区的经济。With tens of millions of Americans holding loans worth trillions of dollars, any technology that can make even a small improvement in a company’s returns on the loans they hold, or that can improve their share of the market, would be worth a significant amount of money.
这就是为什么在场上都建立银行和初创公司都在不断寻找各种方法来创新 - 和人工智能可能会允许这一点。事实上，我们的AI机遇景观研究表明，提高了AI的风险投资的约15％，在银行业厂商是贷款解决方案。
从本质上讲，贷款是一个大数据问题，这使得它成为一种自然适合机器学习的业务。贷款的部分价值与贷款的个人或企业的信誉有关。你拥有的关于个人借款人的数据越多(以及相似的个人在过去是如何偿还债务的)，你就能更好地评估他们的信用价值。
因此贷款的价值是联系在一起的抵押物（汽车，家庭，商业，艺术作品等），未来通胀的可能水平的价值评估，以及对整体经济增长的预测。AI的承诺是，理论上它可以分析所有的这些数据源共同创造一个连贯的决定。
在Emerj，人工智能的研究和咨询公司，
我们的人工智能贷款概述
本文将着眼于在贷款业务中使用人工智能和机器学习的一些最新和最有趣的尝试。它不会关注人工智能在该领域的每一个单独的应用，但会给出一个主要应用的概述。具体地说,我们将讨论:
- 人工智能是如何被用来确定信用价值的，尤其是那些没有信用记录的人
- 如何使用人工智能来简化贷款流程
- 被如何使用AI，改善客户体验的借款人
它也是毫无价值的所有这些目标也互相影响。例如，你越能确定一个人的信用度，你就越容易简化内部流程。同样，流程越快、越少麻烦，对客户的吸引力就越大。
（有兴趣在一个更广阔的视野上超越贷款金融应用程序的读者可以探索我们的全部文章金融AI的应用。)
确定信用等级
大多数贷款的价值主要取决于个人或企业偿还贷款的可能性，因此确定个人违约的可能性对整个行业都至关重要。即使有完美的信息，它也可能是一项复杂的任务，而且信息往往是不完整的或错误的。个人和企业有时会撒谎。有几家公司正在使用人工智能进行风险评估。
尽管过去贷款机构只关注FICO评分和收入等少数指标，但企业已开始关注个人的整个生活，甚至他们庞大的数字足迹，以确定他们违约的可能性有多大。这被称为潜在借款人的“替代数据”。他们的想法是，额外的数据不仅能让人们更深入地了解那些拥有固定的FICO分数的人，而且对于那些没有传统信用记录的人来说，这些数据对确定他们的信用价值尤其有用。
Lenddo—数字足迹分析
Lenddo是一家初创公司，该公司积极使用先进的机器学习技术，通过梳理大量替代数据来预测个人的信用价值。该公司成立于2011年，专注于新兴市场，新兴市场中崛起的中产阶级往往缺乏传统的信用记录，甚至没有银行账户。他们声称有500万人通过他们的合作伙伴获得贷款，因为他们的系统能够评估他们的信用价值。
正如下面的视频所解释的那样，Lenddo会查看潜在申请者的整个数字足迹，通过让个人下载他们的应用程序来确定他们的信誉。他们声称，它会查看超过12,000个变量，包括社交媒体账户使用、互联网浏览、地理位置数据和其他智能手机信息。他们的机器学习算法将所有这些数据转换成信用评分，银行和其他贷款人可以使用。
Lenddo要求不要向贷款人这一个人数据，只有他们的分析，以保护个人隐私的最终结果。他们声称他们的系统也使他们的合作伙伴批准了50％多的应用。
最近，全球信用机构FICO宣布了a与Lenddo的主要合作伙伴使用他们的技术作为FICO在印度的新FICO评分服务的一部分。此外，今年早些时候Experian公司与Lenddo合作在印度尼西亚和越南使用他们的技术。
ZestFinance - 人工智能和搜索为基础的分析
ZestFinance是利用机器学习另一家公司来处理代替数据得到所谓的“瘦文件的借款人”的信息 - 那些没有或很少的信用记录。当他们在这段视频中解释，他们为公司提供的工具来使用数据源做承销。
其中最重要的一个最近的公告来自百度，中国领先的互联网搜索服务提供商的战略投资。ZestFinance将使用百度搜索数据开发信用评分为个人，给他们数据的巨量的大中国市场在传统的信用评分系统大多缺乏。
ZestFinance将能够利用百度的搜索，位置和支付数据的个人。ZestFinance能够帮助贷款人决定百度用户的信用 - 即使说，用户只有很少的信用记录。据ZestFinance，有一个半十亿人在中国没有信用记录。
在许多方面，这种做法有些型号的“个性化数据” AI的保险使用情况我们在Progressive这样的公司看到，他们收集个人司机的数据，以便更好地预测他们发生事故的风险。类似的方法也会被用来完善贷款的风险预测，这并不奇怪——我们预计这一趋势将持续到未来十年。
ZestFinance最近还完成了研究，福特汽车信贷公司。基于这项研究的成功，福特信贷正在制定计划，在他们的汽车融资中使用机器学习。
Equifax
它不仅是初创公司使用机器学习和一些替代来源，以更好地确定个人的信誉，但大的老牌为好。Equifax公司是三大信用局之一。彼得·梅纳德，在全球Equifax公司的分析高级副总裁，在接受采访时今年声称他们的新的“神经网络提高高达15％的模型的预测能力。”用它来回顾一下最近的决定，他们发现，被拒绝贷款可能已安全作出。
精简
寻找新的和更好的方法来确定个人的信用度是增加企业和赢得客户的一种方式。消除管理开销和拖延是一种最大化的利润额每个创建的贷款。多年来，银行和其他贷款人是使用计算机系统自动越来越多的贷款流程，但现在一些公司正试图完全自动化的过程。
完全自动化和人工智能决定了信誉度
利用人工智能来确定信用度和简化贷款流程的初创公司中最引人注目的一家是暴发户。其联合创始人中有两个是前顶部谷歌员工。戴夫以前是谷歌企业总裁和安娜M. Counselman导致Gmail的用户操作。
Upstart开始关注那些缺乏信用记录的年轻人。除了传统的FICO分数和信用年限，Upstart还考虑了教育、SAT分数、GPA、学习领域和工作经历，从而使用机器学习来预测个人的信用价值。
Upstart的一个主要目标是使用现代数据科学来自动化贷款过程。他们声称已经能够快速增加他们能够完全自动化的贷款额，到2017年9月，他们已经达到了40%的自动化。虽然其他公司也实现了部分数据录入、文书处理和基本信息核实的自动化，但大多数贷款申请在获得批准前仍需由人力保险公司进行审核。检查信息是否准确或贷款是否有意义的人。
Upstart是一家混合型贷款机构，它直接提供一些贷款，并为其他贷款机构提供贷款。今年，它也开始通过软件即服务向其他公司提供技术。
提高客户体验，寻找客户
本节将着眼于AI的只有贷款的具体用途，以吸引和吸引客户。显然，整个行业范围内，沿大银行采用一般的AI-动力工具比如聊天机器人，客户关系管理工具，以及广告分析。
Personetic - 贷款还款
Personetic是一家为各大银行(如加拿大皇家银行和联合银行)提供人工智能应用的认知银行公司。该公司最近发布了一款名为Personetics Act的应用程序，可以帮助个人省钱。
的视频在他们的主页上展示了Personetics Act是如何为客户服务的。
它们使用相同的基本技术，以帮助个人还清助学贷款更快。他们声称他们的系统使用机器学习来确定分析个人的理财习惯，以确定他们是否能负担得起更快速偿还他们的学生贷款。然后，系统会自动建议个人应该如何更贡献。
亚马逊 - 小企业贷款
鉴于主导作用亚马逊在网络零售股方面，它拥有的专有信息，什么产品都在其网站上，客户如何看待这些产品，使这些产品的企业的经济地位出售数额巨大，以及未来可能的需求这些产品。
亚马逊正在使用这些数据机器学习模型找到公司提供小企业贷款。本节目仅限邀请。亚马逊发现企业给予贷款，并使得应用程序非常简单。他们的数据的专有源可以可以提供亚马逊更好地了解一些具体的公司可能需要一个贷款和他们比其他传统的贷款信用相关。这是可能的亚马逊可以实现小企业可以用贷款，为他们提供一个小企业主甚至不前。
本节目仅限邀请。去年，亚马逊(Amazon)的放贷规模大致相当10亿美元小型企业使用它的市场。
总结人工智能在金融借贷中的应用思路及未来发展趋势
学习来分析贷款和信用评级的替代数据的使用机器的是要提出一些隐私，道德和法律关注。很多人可能会感到不舒服有机会获得所有关于他们的生活本敏感信息的公司。即使所有这些公司的行为道德，更多的数据，他们认为可以通过在数据泄露恶意黑客窃取的多。
使用“大数据”也存在企业有意或无意歧视群体的风险。例如，一个程序可能不会拒绝来自受保护的少数群体的应用程序，但它可能会拒绝那些刚好与这些群体高度相关的十几个数据标记的个人的应用程序。
尽管存在这些问题，但利用机器学习来处理替代数据以确定信誉度的做法可能会大幅增加。有数十亿人没有真实的信用记录，公司有一天可能会提供抵押贷款、产品付款计划、信用卡或其他贷款。这些工具的财务吸引力是显而易见的。我们有理由相信，你收集到的个人信息越多，你就越有可能预测他们的行为，包括他们偿还贷款的努力程度。
一个重要的提醒是，任何系统只有一样好，谁设置它的人。许多这些应用程序都是新的，且仅在适度经济增长的时间确实存在。这是很容易出现权约在顺境贷款维持良好;真正的考验，他们往往在经济低迷时期如何做的是。
Even if machine learning can accurately use an individual’s digital footprint (purchase history, app use, search history, social media activity, etc) to determine their creditworthiness, it doesn’t necessarily that machine learning systems will always yield better results than traditional credit measures (though even those traditional methods for credit analysis may be“白领自动化”唾手可得的成果)。
它可以设计一个程序来给你你想要的，而不是正确答案的答案。当我们和信用违约掉期市场的崩溃所看到的，如果激励机制是错误的，公司可以建立合理的探测理由给予不良贷款的批准印章。有可能一些公司可能有意或无意地使用新的机器学习方法发挥到了同样的错误。
人工智能公司可能只是创造一个貌似合理的借口，为那些风险较低的人提供贷款，而不是寻找更多低风险的人。一些创业公司的成功可能会导致其他不那么谨慎的公司进入这个市场。
Emerj贷款人
人工智能研究与咨询公司Emerj与大型贷款机构合作，评估人工智能在哪些方面能够推动其公司的价值。我们帮助贷款机构发现，它们是否能够利用人工智能来提高客户终身价值，为更多贷款申请人提供担保，拒绝传统承销方法可能无法捕捉的高风险申请人，并遵守监管规定。大型贷款机构的领导人使用AI景观机会开发成功的长期人工智能战略，让它们为在本行业占据数据主导地位铺平道路。联系我们了解更多。
标题图片来源:Money.HowStuffWorks
