فرصت‌ها، تهدیدها و چالش‌های اعتبارسنجی
مقدمه:
فرآیند اعتبارسنجی پتانسیل بالقوه‌ای در کمک به رشد اقتصاد جهانی دارد و ابزاری ارزشمند برای بهبود امور مالی و نیز افزایش کارآیی محسوب می‌شود. صنایع، قانون‌گذاران و دولت‌ها در تلاش هستند تا بتوانند در کنار استفاده از مزیت‌ها و فرصت‌های اعتبارسنجی، چالش‌ها و تهدیدهای اعتبارسنجی را نیز به بهترین شکل ممکن مدیریت نمایند. اطمینان از اینکه تمام افراد بتوانند در ساخت یک جامعه پیشرفته کمک کنند و در برخورداری از مزایای فناوری‌های نوآورانه سهیم باشند، امری مهم تلقی می‌شود.
در ادامه به بررسی فرصت‌ها، تهدیدها وچالش‌هایی که فرآیند اعتبارسنجی دارد پرداخته خواهد شد.
الف) فرصت‌ها:
1- دسترسی و گستردگی امکانات مالی:
طبق اطلاعات بدست آمده از بانک جهانی، بیش از دو میلیارد نفر از بزرگسالان جمعیت جهان فاقد حساب بانکی پایه هستند. این در حالی است که بیش از دویست میلیون کسب و کار متوسط و کوچک موجود در بازارهای نوظهور نیز توانایی مالی کافی برای برخورداری از وثایق و تاریخچه اعتباری غنی، ندارند. علاوه بر این، سه میلیارد نفر از افراد موجود در دنیا قادر به اخذ انواع کارت‌های اعتباری نبوده و 91 درصد از افراد ساکن در کشورهای در حال توسعه نیز در تأمین مالی از موسسات مالی و اعتباری سنتی، با مشکل روبرو هستند. لازم به ذکر است فقدان و یا کمبود تاریخچه اعتباری، میلیون‌ها نفر از افرادی که قادر و مایل به دریافت و بازپرداخت اعتبار هستند را از برخورداری از خدمات مالی متنوع محروم نموده است.
ایجاد شرایطی مناسب برای جمع‌آوری و لحاظ اطلاعات متنوع و گسترده مربوط به متقاضی اعتباری، این شانس را به همراه دارد که افراد و یا مشاغل بیشتری بتوانند مورد ارزیابی واقع شده و خدمات اعتباری دریافت نمایند. به عنوان مثال، ممکن است یک متقاضی با تاریخچه اعتباری کوتاه‌مدت نتواند شرایط اخذ وام از یک موسسه مالی معتبر و سنتی را احراز کند؛ اما با بکارگیری الگوریتم‌های اعتبارسنجی و اطلاعات جایگزین دیگر، امکان اخذ وام از موسسه اعتباری دیگر از سوی همان مشتری و با همان سابقه اعتباری کوتاه‌مدت دور از ذهن نخواهد بود.
در مثالی دیگر: ارائه‌دهندگان فناوری‌های مالی همچون اعتبارسنجی، ممکن است برای دریافت اطلاعات وام‌گیرندگان بالقوه، از آنان بخواهند تا در فرآیند جمع‌آوری اطلاعات به آنها کمک نمایند. این اقدام می‌تواند از طریق نصب اپلیکیشنی خاص بر روی تلفن‌های همراه افراد وام‌گیرنده باشد که به ارائه‌دهندگان مالی اجازه می‌دهد به طیف گسترده و متنوعی از اطلاعات شخص دسترسی داشته باشند. اطلاعات ممکن است الگوی استفاده از تلفن همراه مانند تعداد و مدت زمان برقراری تماس‌ها، تعداد مخاطبین و یا انواع اپلیکیشن‌های دیگری باشد که بر روی موبایل فرد نصب شده و فعال است.
2- تنظیم خودکار فرآیندها:
استفاده از مدل‌های نوآورانه اعتبارسنجی می‌تواند به کاهش هزینه‌های عملیاتی و نیز هزینه‌های نظارتی و تصمیم‌گیری، کمک کند. متدهای جدید اعتبارسنجی، امکان تجزیه و تحلیل داده‌های گسترده را در مدت زمان اندک فراهم می‌کند. در نتیجه استفاده از مدل‌های اعتبارسنجی، حجم زیادی از داده‌ها با هزینه کمتر پردازش خواهند شد که همین امر امکان ارزیابی دقیق‌تر و سریع‌تر ریسک اعتباری ناشی از عملکرد افراد و مشاغل را به خوبی ایجاد می‌کند. استفاده از الگوهای اعتبارسنجی و به طور کلی دیجیتالی شدن در حوزه اعطای اعتبار، افزایش سطح کارآیی، دقت و سرعت را برای هر موسسه مالی و اعتباری به دنبال دارد.
3- شناخت عمیق‌تر مشتریان:
با گسترش انواع قابلیت‌ها و ابزارهای تحلیلی موجود در مدل‌ها و متدهای اعتبارسنجی که امکان پردازش طیف وسیعی از اطلاعات متقاضیان را فراهم آورده است، سازمان‌ها و نهادهای مالی و اعتباری و کارشناسان اعتباری می‌توانند به درک عمیق‌تر و درست‌تری از رفتار افراد دست پیدا کنند و ضریب خطای پایینی داشته باشند.
4- مدل‌های پیش‌بینی‌کننده بهتر، تصمیمات دقیق‌تر:
هرچه امتیاز اعتباری اختصاص داده شده به مشتری دقیق‌تر باشد، تصویر کامل‌تر و درست‌تری از قرض‌گیرنده در ذهن افراد و موسسات ایجاد می‌شود. استفاده از الگوریتم‌های نوآورانه موجب افزایش کیفیت ارزیابی ریسک اعتباری می‌شود و قرض‌دهندگان می‌توانند شاخص‌های مهم تصمیم‌گیری خود همچون نرخ بهره را براساس این الگوها به بهترین شکل ممکن تعدیل نمایند. همچنین از آنجا که دقت ارزیابی در مدل‌های اعتبارسنجی در مقایسه با ارزیابی سنتی بالاتر است، وام‌گیرندگان قادر خواهند بود تا از نرخ‌های بهره عادلانه‌تری بهره‌مند شوند. علاوه بر این، دقت بالاتر در مدل‌های جدید و الگوریتم‌های اعتبارسنجی، باعث می‌شود تا از اطلاعات مشتریان در زمان واقعی و به صورت بهینه استفاده شود و امکان استفاده از اطلاعات قدیمی به حداقل برسد. به عنوان مثال، استفاده از داده‌های معاملات آنلاین و اطلاعات تلفن همراه می‌تواند منبع اطلاعات به‌روزی برای ارزیابی ریسک اعتباری باشد.
ب) تهدیدها:
1- عدالت:
الگوریتم‌هایی که در میان منابع داده و اطلاعات به جستجو می‌پردازند، ممکن است اطلاعات شخصی دارای محدودیت‌های قانونی و اخلاقی (عوامل تبعیض‌آمیز مانند نژاد، جنسیت و مذهب) را نمایان کنند. علاوه بر این، الگوریتم‌های اعتبارسنجی ممکن است ترکیبی از اطلاعات جغرافیایی افراد و سایر موارد ترجیحات وی حتی قومیت را نیز ناخواسته نمایان سازند. از این رو توصیه می‌شود رعایت انصاف در گزارشات اعتبارسنجی در بستر اخلاق‌مداری و اصول حقوق بشر رعایت شده و حقوق اجتماعی در افشای اطلاعات شخصی به طور ویژه لحاظ گردد.
2- تفسیرپذیری:
استفاده از الگوریتم‌های پیچیده موجب عدم شفافیت خواهد شد و همین عدم شفافیت نگرانی‌هایی را به همراه دارد. وقتی الگوریتم‌های نوآورانه برای تخصیص امتیاز اعتباری به مشتریان و تصمیم‌گیری درخصوص اعطای اعتبار مورد استفاده قرار می‌گیرند، متقاعد کردن متقاضیان یا مشتریان، حسابرسان و ناظران در صورت به چالش کشیدن امتیاز و نتیجه تصمیم اعتباری، به دلیل پیچیده بودن الگوریتم و نبود شفافیت کافی، دشوار خواهد بود. اگر نقص تفسیرپذیری در الگوهای اعتبارسنجی رفع نشود ممکن است حتی به مشکلات بزرگتر در سطوح بالاتر منجر شود. تفسیر بسیاری از مدل‌هایی که در نتیجه استفاده از الگوریتم‌های ابتکاری ایجاد می‌شود، معمولاً دشوار است.
3- پاسخ‌دهی و مسئولیت‌پذیری:
بسیاری از الگوریتم‌های خلاقانه مورد استفاده در خدمات مالی، ممکن است در خارج از محدوده نظارتی اجرا شوند و یا کسانی که از این الگوریتم‌ها استفاده می‌کنند ممکن است با قوانین و مقررات اجرایی آن آشنا نباشند. با افزایش رویه استفاده از داده‌ها و همچنین استفاده از داده‌های زنجیره‌وار و طولانی، تعیین این که چه کسی مسئول پاسخگویی به صحت و کیفیت داده‌ها است، چالش‌برانگیز خواهد بود.
4- حریم خصوصی داده‌ها:
تاکنون عموم مردم نگرانی فزاینده‌ای درخصوص حریم خصوصی اطلاعات و لزوم شفافیت بیشتر در مورد چگونگی جمع‌آوری، پردازش و استفاده از داده‌ها از طرق مختلف (مجازی یا دیجیتال، تلفن همراه و یا سایر موارد مشابه) ابراز داشته‌اند. روند تصمیم‌گیری دیجیتال درخصوص اعطای اعتبار، در ارائه جزئیات درخصوص نحوه جمع‌آوری و استفاده از اطلاعات نارسایی دارد و همین امر باعث سردرگمی و نگرانی وام‌گیرندگان می‌شود. اکثر کشورهای در حال توسعه قوانین بسیار محدودکننده و مشروطی در استفاده از اطلاعات شخصی جهت فرآیند تصمیم‌گیری اعتباری دارند.
5- امنیت داده‌ها:
استفاده از داده‌های جایگزین برای اعتبارسنجی، نیازمند ذخیره‌سازی و دسترسی سریع به حجم گسترده‌ای از اطلاعات مصرف‌کنندگان (اشخاص حقیقی) و کسب و کارها است. از این رو، اتخاذ اقدامات امنیتی به منظور جلوگیری از سرقت اطلاعات هویتی با استفاده از منابع داده‌ای جدید و افزایش روابط ضرورت دارد. در سال 2017، سرقت اطلاعات هویتی مشتریان در مقیاس بزرگ رخ داد که در آن حجم زیادی از اطلاعات موجود در پایگاه داده شرکت اعتبارسنجی و رتبه‌بندی اعتباری اکوئیفکس (Equifax) به دلیل نقض سیستم‌های امنیتی این شرکت، ربوده شد.
6- عواقب ناخواسته یا غیرعمد:
برخی از انواع الگوریتم‌های اعتبارسنجی ممکن است به صورت غیرعمد نتایجی مغرضانه در پی داشته باشد و مشتریان را تحت تأثیر قرار دهد. به عنوان مثال، اگر محدودیت‌هایی در استفاده از داده‌ها برای توسعه مدل وجود داشته باشد، امکان انتخاب مغرضانه وجود خواهد داشت. اگر محدودیت‌هایی در استفاده از متدولوژی برای توسعه مدل وجود داشته باشد، امکان نمایش نتایج آماری مغرضانه وجود خواهد داشت. همچنین اگر داده‌های تاریخی مورد استفاده در الگوریتم‌های اعتبارسنجی نشانه‌ای از سوگیری‌های اجتماعی داشته باشد، الگوریتم مورد استفاده ممکن است جهت‌گیری‌های اجتماعی را در نتایج خود به صورت تقویت شده نمایش دهد مانند انواع جهت‌گیری‌ها و تعصبات نژادی مرسوم در اقصی‌نقاط دنیا.
پ) چالش‌ها:
1- پتانسیل تبعیض:
استفاده از منابع داده جایگزین و نیز الگوریتم‌های جدید، ممکن است موجب اتخاذ تصمیمات تبعیض‌آمیز ناخواسته علیه بخش‌های آسیب‌پذیر جوامع شود. به ویژه گروه‌های حامی مصرف‌کنندگان به این موضوع تأکید دارند که الگوریتم‌های یادگیری ماشین می‌توانند ترکیباتی از اطلاعات قرض‌گیرندگان را در اختیار قرار دهد که تا حدی از سوی چارچوب مقررات و قوانین عادلانه وام‌دهی منع شده‌اند.
2- حمایت از مصرف‌کننده (مشتری):
هر مصرف‌کننده یا مشتری دارای حقوقی مانند فراهم شدن امکان تجارت عادلانه، رقابت صحیح، دستیابی به اطلاعات دقیق بازار و محافظت در برابر انواع تبعیض‌های آسیب‌پذیر می‌باشد. نهادهای اعتبارسنجی باید رعایت حریم خصوصی داده‌ها را در روند طراحی و پردازش متدهای اعتبارسنجی لحاظ نمایند. ارزیابی‌هایی که با لحاظ محدودیت‌های حریم خصوصی انجام می‌گیرد، این اطمینان را ایجاد می‌کند که اطلاعات شخصی افراد به صورت غیرقانونی استفاده نمی‌شوند. کنترل‌کننده‌های انواع داده باید مکانیزم‌های لازم را جهت دسترسی و تصحیح اطلاعات برای مصرف‌کنندگان فراهم نمایند. در فرآیند اعتبارسنجی، جمع‌آوری و پردازش اطلاعات شخصی افراد به صورت قانونی بسیار حائز اهمیت است. در اعتبارسنجی، انواع تهدیدهای امنیتی باید به طور دقیق شناسایی و مدیریت شوند. نیاز به حفظ هر چه بیشتر حریم خصوصی و امنیت داده‌ها ممکن است چالش‌های زیرساختی ایجاد نماید.
3- حکمرانی مدل:
در کنار استفاده از کارشناسان اعتباری و اعتبارسنجی به منظور اتخاذ تصمیمات اعتباری، سایر عملکردهای کلیدی مانند مدیریت رسیک و نظارت داخلی باید برای کنترل و مدیریت استفاده از مدل‌ها در روش‌های اعتبارسنجی، لحاظ شود. کمبود منابع اطلاعاتی با توجه به مهارت‌ها و دانش موردنیاز، ممکن است شرکت‌های اعتبارسنجی و ناظران این حوزه را به چالش بکشد.
4- ناسازگاری (اختلاف) در تکامل در میان بازارها:
بلوغ و تکامل پیشرفت‌های تکنولوژیک، زیرساخت‌ها و دیدگاه‌های حقوقی و اخلاقی مربوط به روش‌های اعتبارسنجی، در میان بازارها، فرهنگ‌ها و مناطق متفاوت است و شرکت‌های اعتبارسنجی ممکن است هنوز براساس قضاوت‌های فردی کارشناسان اعتبارسنجی فعالیت نمایند. زیرساخت‌های مربوط به استعداد و داده‌ها برای اجرای رویکردهای نوآورانه، ممکن است هنوز هم در بسیاری از بازارها محدود باشد. دیدگاه‌های متفاوت درخصوص حریم خصوصی داده‌ها در میان کشورهای مختلف، عامل دیگری است که منجر به تفاوت نرخ نوآوری حوزه اعتبارسنجی و توسعه محصولات وخدمات مالی جدید شده است. در حال حاضر، نهادهای اعتبارسنجی تفاوت در بازارها و کشورها از لحاظ بکارگیری متدهای اعتبارسنجی را چالش‌برانگیز می‌دانند.
دیدگاهتان را بنویسید لغو پاسخ