40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 کمک هوش مصنوعی به بانک‌ها برای حفظ مشتریان وام گیرنده

کمک هوش مصنوعی به بانک‌ها برای حفظ مشتریان وام گیرنده

در راستای افزایش نرخ سود و سرمایه بانک‌ها اتفاق افتاد:

یک استارتاپ با نام Elula، فناوری هوش مصنوعی را به‌عنوان ابزاری برای کمک به بانک‌ها برای شناسایی وام‌گیرندگان وام مسکن در معرض خطر تأمین مالی مجدد مورد استفاده قرار داده است.

به گزارش هوشیو، در یک دفتر شیک با طرح باز در CBD سیدنی، حدود 30 مهندس فناوری هوش مصنوعی در حال ساخت نرم‌افزارهای پیشرفته هستند، تا به بانک‌ها کمک کنند مشتریان وام مسکن خود را حفظ نمایند.

این تیم تخصصی که برای استارتاپ Elula کار می‌کنند، یکی از بزرگ‌ترین ریسک‌های عملیاتی را که بانک‌ها در سال 2023 با آن مواجه خواهند شد، در نظر گرفته‌اند.

پاسخ وام‌دهندگان به اصطلاح «صخره وام مسکن» یک سؤال کلیدی در طی جلسات توجیهی اخیر نتایج سود برای تحلیلگران بانکی ایجاد کرده بود، زیرا رقابت شدیدی بر سر این موضوع در سراسر بخش فراگیر شده است. مشکلی که استارتاپ Elula به طور خاص برای حل آن ایجاد شده است.

Elula درحدود پنج سال پیش توسط دو مدیر سابق بانک مشترک‌المنافع به نام‌های جاش شیپمن و سارا راسل تأسیس شد، براساس فناوری هوش مصنوعی این دو و با کمکی که سیستم آنها به بانک‌ها در شناسایی مشتریان وام مسکن در معرض خطر بازپرداخت و پیشنهاد راه‌هایی برای وام‌دهندگان می‌کند، استارتاپ آنها به ابزاری قدرتمند برای بانک‌ها تبدیل خواهد شد.

با توسعه الگوریتم‌هایی که از مجموعه‌های کلان داده‌های تولید شده توسط فعالیت‌های بانکی و بازار املاک استفاده می‌کنند، کل شرکت حول همین موضوع واحد یعنی جلوگیری از تغییر مشتریان وام مسکن ساخته شده است.

شیپمن پیش از این رئیس عملیات اتوماسیون و رباتیک CBA بوده و راسل به مدت یک دهه مدیریت کل CBA را برعهده داشته است. مدیر اجرائی سابق CBA یان نارو، به Elula به‌عنوان یک مشاور استراتژیک کمک می‌کند و همچنین یک سرمایه‌گذار اولیه است (اگرچه CBA در‌حال‌حاضر مشتری Elula نیست.)

کمک هوش مصنوعی در حوزه بانکداری (2)

با این حال، یکی از بانک‌های بزرگ دیگر از فناوری Elula استفاده می‌کند و در حال مذاکره با یک دوم از چهار بانک بزرگ است.

در حال حاضر، 20 وام دهنده، از جمله AMP Bank و Suncorp، برخی اتحادیه‌های اعتباری و بانک‌های مشترک و تعداد انگشت‌شماری از وام‌دهندگان غیربانکی با این استارتاپ قرارداد امضاء کرده‌اند.

شیپمن گفت: «بانک‌هایی که می‌توانند تجارب شخصی همراه با تعامل فعال را ارائه دهند، برنده این بازار خواهند بود.»

استفاده از هوش مصنوعی برای حفظ مشتریان وام مسکن، آخرین کاربرد یادگیری ماشینی و فناوری‌های مرتبط توسط بانک‌های استرالیایی است. با استفاده از چت‌ربات‌های خدمات مشتری، پیروی از قوانین «مشتری خود را بشناسید(KYC)» و کاهش کلاهبرداری و کمک به بانک‌ها، می‌توانید بررسی کنید که چه محصولاتی را به مشتریانتان ارائه دهید و ارزش اعتباری مشتریان خود را ارزیابی کنید.

سیستم Elula چگونه کار می‌کند؟

سیستم Elula به بانک‌ها کمک می‌کند، تا با دریافت حدود 20000 مشخصه، که از ترکیبی از داده‌های مشتریان نگهداری‌شده توسط بانک ازجمله حساب‌های تراکنش به‌دست‌آمده، بتوانند شناسایی کنند که کدام یک از مشتریانشان بیشتر در معرض خطر تعویض قرار دارند. این سیستم همچنین از داده‌های اقتصاد کلان، از‌جمله اطلاعات مرتبط با رقابت بانکی و قیمت‌گذاری و بازار مسکن ملی استفاده می‌کند، ضمن آنکه از هیچ داده فردی که خارج از آنچه توسط فعالیت‌های بانکی با بانک ایجاد گردیده استفاده نمی‌کند.

یکی از محصولات به نام Sticky، مشتریانی را که به احتمال زیاد ظرف سه ماه، از طریق تأمین مالی مجدد با یک رقیب یا فروش دارایی‌شان از بین می‌روند، پیش‌بینی و سپس رتبه‌بندی می‌کند. البته کار به اینجا ختم نمی‌شود، بلکه بعد از پشت سر گذاشتن این فرایند به وام‌دهنده گفتگویی مناسب را برای متقاعد کردن مشتری به‌منظور ماندن پیشنهاد می‌کند.

محصول دیگری با نام Nudge، پیش‌بینی می‌کند که چه مشتریانی احتمالاً در یک دوره شش ماهه برای وام‌های جدید درخواست می‌دهند و به بانک اجازه می‌دهد تا به صورت فعال یک پیشنهاد اعتباری ارائه دهد. یادگیری ماشینی به بهبود مدل‌ها در‌طول زمان کمک می‌کند.

راسل می‌گوید: «فناوری هوش مصنوعی Elula و «هوش مصنوعی قابل توضیح» بهترین مکالمه بعدی را به کارکنان خط مقدم بانک ارائه می‌دهد، تا مشتریان فعلی خود را حفظ کرده و به بهترین نحو از آن‌ها حمایت نمایند.»

Elula می‌گوید که با بیش از یک میلیون وام مسکن استرالیایی که در سال 2022 مجدداً تأمین مالی می‌شوند، نرخ ریزش مشتریان به‌طرز قابل‌توجهی متفاوت است. برخی از وام‌دهندگان دارای نرخ تعویض زیر 5 درصد هستند، در حالی که برخی دیگر در اوج 24 درصد هستند.

Elula براساس تجربه خود با مشتریان فعلی ادعا می‌کند که نرخ ریزش را تا 60 درصد کاهش داده است.

این استارتاپ تخمین می‌زند که اگر فناوری آن توسط چهار گروه بزرگ به کار گرفته شود، می‌تواند سالانه بین 7500 تا 30000 وام بسته به اندازه بانک حفظ نماید، که این میزان نشان‌دهنده 2.25 تا 9 میلیارد دلار وام مسکن بوده. با توجه به اینکه وام‌های مسکن محصولات مالی با بازده بالایی هستند، این عدد نشانگر سود قابل‌توجهی برای بانک‌ها خواهد بود.

پل روبنشتاین، شریک مدیریت دفتر حقوقی آرنولد بلوخ لیبلر در سیدنی، به‌عنوان مشاور و سرمایه‌گذار اولیه در Elula، به نارو پیوست. PEXA پلتفرم انتقال آنلاین، در اوایل سال جاری 26.5 درصد از سهام را با مبلغی نامشخص تصاحب کرد.

شیپمن گفت که پذیرش اصولی هوش مصنوعی که حریم خصوصی مشتریان را حفظ می‌کند و استانداردهای حاکمیتی سختگیرانه را اتخاذ می‌نماید، هسته اصلی هدف و تفکر استراتژیک Elula است، تا اطمینان حاصل شود که می‌تواند از محدودیت‌های بسیار بالای بانک‌ها در مورد استقرار اخلاقی سیستم‌های هوش مصنوعی فراتر رود.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]