Ticari Kredilerde Dijitalleşme ve Yapay Zeka Çözümleri
Yapay Zeka, BigData, Veri Madenciliği… Son zamanlarda bu kavramları artık hayatımızın her alanında fazlasıyla duymaya başladık. Bu yeni yaklaşımlar insanların yaptığı birçok işi insanlardan daha hızlı, daha hatasız ve daha ölçülebilir yapıyorlar. Artık tüm sektörler ve kurumlar bu teknolojilerin nimetlerinden yararlanmak ve verimliliklerini arttırmak için kıyasıya bir mücadelenin içine girmiş durumdalar. Başarabilenler yoluna devam edecek, başaramayanlar ise tarihin tozlu sayfalarına gömülmeye mahkum olacaklar.
Her sektörde oluğu gibi Kredi Risk Analizinde de bu teknolojiler artık ciddi şekilde kullanılmaya başlandı bile. Risk Analizi kredi süreçlerinin en hassas konusu diyebiliriz. Çünkü bir kredinin geri ödenme/ödenmeme ihtimalinin çok iyi tahminlenmesi o finans kurumu açısından hayati önem arz ediyor. Batık kredi sayısı arttıkça kurumun karı düşmekte ve eğer bu doğru yönetilemezse iflasa kadar götüren bir süreç yaşanabilmektedir. Bu neden risk analizinin çok iyi yapılası gerekmektedir.
Peki risk analizi nedir, nasıl yapılır? Risk analizi basit bir dille bir krediyi verirken krediyi kullanacak kişi ya da kurumun geri ödeme yapıp yapamayacağının tahminlenmesidir. Bunu yapabilmek için bugünlerde kişi yada kuruma ait her tür datadan faydalanılmakta. Peki 30 sene önce kredi nasıl veriliyordu? Aslında o zamanlar krediyi vermek için sağdan soldan çok fazla data toplamaya gerek bulunmuyordu. Nüfus çok kalabalık değildi, krediyi sadece büyük firmalar veya iyi iş adamları kullanıyordu. Bunların da ne durumda oldukları çevre tarafından zaten bilinmekteydi. Finans kurumu ya da banka kredinin geri dönüp dönmeyeceğini, duydukları ya da gördükleri bir takım durumlara göre tahmin edip ona göre bir karar veriyordu. Yani kişi ya da kurumun finansal durumu ve gücü az çok herkes tarafından bilinirdi.
Sonraları kredi kullanan müşteri segmenti büyümeye başladı. Finans kurumları daha küçük işletmelere ya da “düz vatandaşa” da kredi satmaya başladı. Bu durum ise olayı daha da karmaşıklaştırdı. Artan nüfus ile birlikte kullandırımı yapacak otorite kullandırım yapma kararını verecek yeterli bilgiye sahip değildi. Burada devreye yazılımlar girmeye başladı. Artık bugünlerde bir kredi kullandırım kararını vermek için bir çok çevresel ya da lokal veri tabanlarında kullandırımı yapacak kişi ya da kurum hakkında yüzlerce bilgi toplanıyor ve bu data, sistemler tarafından analiz edilerek kullandırım yapacak kişiye harika bir çıktı üretiyor. Bu çıktıya göre otorite daha sağlıklı karar veriyor ve kendi görüşünü de yazarak nihai kararı veriyor. Ancak buna rağmen batık kredi oranları işler karmaşıklaştıkça artmaya devam ediyor. Mevcut analizler de yetersiz kalmaya başladı. Çünkü kredi kullanacak kişi ya da kurumun şu anki mali analizi yapılabilse de kredi ödemesi gelecekte gerçekleşecek ve mevcut ensturmanlar geleceği tahminlemek konusunda oldukça zayıflar…
Peki gelecek nasıl tahminlenebilir? İşte tam da burada imdadımıza Yapay Zeka, BigData, Veri Madenciliği gibi teknolojiler yetişiyor. Kredi kullandıracak kişi ya da kurum için analizi tamamen Yapay Zekaya bırakacağımız günler oldukça yakın. Bu sayede kişisel suiistimaller ya da manuel hataların önüne geçilebilecekken çok daha hızlı (sadece birkaç saniye) karar verebilecek bir akla kavuşuyor olacağız. En önemlisi ise batık kredi oranları çok fazla düşecek. Bu da kurumlar için hem daha az iş gücü demek hem de kredilerde geri dönüşün artmasıyla karlılığın çok daha fazla noktalara ulaşması anlamına geliyor.
Tabi ki bunun için olmazsa olmaz BigData ve veri madenciliği. Çünkü her şeye başlamadan önce Yapay Zekamız sanki bir bebek gibi hiçbir karar veremeyecek durumda olacak. Yani öncelikle kredi için yaratılan bu Yapay Zekamızı eğitmemiz gerekiyor. Modellemeler ise ancak BigData ile mümkün olacak. İlk başlarda Yapay Zekamız yanlış kararlar verecek ancak data geldikçe kendi modelini geliştirecek ve yeterince data ile beslendiğinde bir insandan daha iyi risk analizi yaparken geleceği de tahminleyerek batık oranını minimumlara indirecektir.
YZ modelinin başarılı olması için olmazsa olmaz datadır. Modelinizi ne kadar çok data ile beslerseniz o kadar iyi ve kesin sonuç alırsınız. Bu nedenle firmalar artık müşterilerin her türlü datasını modele sokmaya gayret etmekte. Mesela artık müşterilerin sosyal medya networkleri, sosyal medyadaki iletişim durumu, mobil veri kullanımı ve cihaz verileri gibi telekomünikasyon verileri, kullandıkları telefon veya bilgisayar türü, aramalarının ayrıntıları gibi elde edebilecek her türlü bilgiyi modellerine sokup daha doğru sonucu almaktalar.
SAS, Global Association of Risk Porfessionals (GARP) ile yürüttüğü ve risk yöneticileri ile yaptığı ankete göre:
Risk yöneticilerinin %81’i şimdiden yapay zekanın faydalarını günlük iş süreçlerinde görmeye başladıklarını ve teknolojideki gelişmeleri yakından takip ederek bu alanda yatırım yapmaya devam edeceklerini belirttiler.
Yapay zekanın en çok kullanıldığı alanlar arasında ilk sırada manuel süreçlerin otomasyonu (%52) geldi. Bunu sırasıyla kredi derecelendirmesi (%45), veri temizleme ve iyileştirme (%43), model validasyonu (%35) ve model kalibrasyonu (%34) takip etti. %20 veya daha yüksek orana ulaşan yeni yapay zeka uygulamaları arasında yasal raporlama, kredi karar süreçleri, tahsilat ve kredi fiyatlama yer aldı.
Dünyada ise bunun örnekleriyle artık yavaş yavaş karşılaşmaya başladık. Bu konu özelinde özellikle Çin bankaları önemli adımlar atmış durumda. Örneğin WeBank geleneksel risk analizi yaklaşımındaki finansal verileri kullanırken aynı zamanda müşterilerin sosyal medya verilerini de kullanarak daha kesin sonuçlara ulaşabiliyor. Bu sayede temerrüt oranını % 0.7 seviyelerine çekebilmiş durumda.
Bir diğer çarpıcı örnek ise gene bir Çin bankası olan MyBank. MyBank KOBİ’ler için “310 model” i geliştirdi. Adından da anlaşılacağı gibi, 3–1–0 model, borçluların online kredi başvurularını üç dakika içinde tamamlamalarını, bir saniyede onay almalarını ve sıfır insan müdahalesi ile bunu gerçekleştirmekte. Eylül 2019 itibariyle bu yöntemle en az 20 milyon KOBİ’ye kredi verilmiştir. Haziran 2019 itibariyle, MYbank tarafından sağlanan her bir kredinin ortalama büyüklüğü, «çoğu yol kenarı satıcıları, kadın girişimciler ve küçük mağazalar ve KOBİ’ler» 10.000 RMB (1.400 USD) civarındaydı. Sonuç olarak, MYbank’ın KOBİ işletme kredileri için takipteki kredi (TGA) oranı % 1 düzeyindeydi. Çin Halk Bankası’na göre ise, 2018 sonu itibariyle Çin’de KOBİ kredileri için ortalama TGA tutarı % 3,16 idi. Bu yöntemi kullanarak hem hiç ulaşılamamış müşteri kitlesine ulaştılar hem de takibe düşen kredi oranlarını ülke ortalamasının çok altına düşürmüş oldular. Bir taşla iki kuş…
Tabi kredi risk analizinde Yapay Zeka teknolojisini kullanmanın faydaları kadar riskli görünen ve çözüm bekleyen bazı konuları da bulunmakta. Bahsettiğimiz gibi her şeyin başında önce Yapay Zekaya ilkel bir model veriyoruz ve onu BigData ile besliyoruz. Bu sayede YZ modeli kendi kendine mükemmelleştirmeye başlıyor. Bir süre sonra ise ortaya oldukça karmaşık modeller çıkmaya başlıyor. O kadar karmaşıklaşıyor ki bir insanın anlaması imkansızlaşıyor ve model kontrolden çıkabiliyor. Yasalar gereği ise bir kredi başvurusunun red yada onay sebebini müşteriye ve yasal otoriteye izah etmeniz gerekiyor. Yani YZ nin verdiği kararı taraflara nedenleriyle açıklamanız gerekmekte. Fakat modelin anlatılamayacak kadar karışıklaşması bunu açıklamayı zorlaştırabiliyor.
Bir diğer risk ise YZ’nin bir takım etik kuralları hiçe sayarak modeli geliştirmesi. Kurallar geleneksel yöntemde insan tarafından yazılırken etik kuralları gözetilmektedir. Mesela şu etnik gruba kredi verilmez ya da şu demografik yapıda insanlar risklidir gibi etik dışı kurallar insanlar tarafından yazılmamaktadır. YZ ile insanı ayıran önemli farklardan biri de budur. İnsanlar kuralları belirlerken insancıl hassasiyetleri göz önünde bulundururken YZ de bu mümkün olmayacaktır. Dolayısıyla YZ’nin geliştirdiği model bir süre sonra etik kurallarına hiçe sayan ve insanları olmaması gereken sınıflandırmalara ayıran bir kurallar bütününe dönüşebilmektedir.
Tüm bu risklere rağmen dünya artık YZ’nin büyüsüne çoktan kapılmış durumda. Riskleri iyi yönetilmiş bir şekilde bu teknolojiyi kullanmak ise artık fark yaratmanın ötesinde bir zorunluluk haline geldi. Buna ayak uyduran işletmeler daha da büyüyerek yoluna devam edebilecekken YZ’ye adım atmayan kurumlar şüphesiz yok olmaya mahkum olacaklardır. Risk analizinde YZ’yi kullanarak insan faktörünü daha az devreye sokacağız, süreçlerde daha az hata olacak ve kredi süreçleri saniyeler içinde tamamlanabilecek, dolandırıcılık ve suistimaller minimumlara inecek, geleneksek kredi süreci yüzünden ulaşılamayan büyük kitleye ulaşılacak ve en önemlisi temerrüt oranları minimumlara inmiş olacak. Bu yüzden YZ’nin kredi risk analizinde yarattığı fark önümüzdeki günlerde çok daha artacak gibi gözüküyor.
