Polski bank wykorzystuje sztuczną inteligencję do oceny ryzyka większości kredytów konsumenckich i sektora mśp, a także dla 30 proc. kredytów hipotecznych. AI wspiera także precyzyjną analizę kredytów korporacyjnych. Dzięki sztucznej inteligencji podmiot może bardziej precyzyjnie ocenić zdolność klienta do spłaty i zaoferować mu lepiej dopasowany produkt.
– Skuteczne zarządzanie ryzykiem jest kluczowym elementem utrzymania stabilności banków. Dzięki nowoczesnym technologiom wdrożyliśmy narzędzie do oceny ryzyka w chmurze, które pozwoliło nam zwiększyć siłę przetwarzania danych. Obecnie ponad 80 proc. decyzji kredytowych podejmowanych jest z wykorzystywaniem algorytmów machine learning. Na podstawie olbrzymiej ilości informacji pochodzących z różnych źródeł jesteśmy w stanie tworzyć coraz bardziej zaawansowane modele do oceny ryzyka, prognozowania różnych zjawisk i zachowań klienta. W efekcie udzielamy więcej kredytów przy kosztach ryzyka najniższych w sektorze – mówi Marek Łach, dyrektor pionu ryzyka kredytowego klienta rynku detalicznego w PKO Banku Polskim.
Dzięki zastosowaniu sztucznej inteligencji bank może tworzyć bardziej dokładne modele do oceny ryzyka, które biorą pod uwagę setki zmiennych, w tym nowe dane z zewnętrznych źródeł lub dostępne tylko dla określonej grupy klientów. Przy ocenie kredytowej wykorzystywane są także informacje o tym, jak klient zachowuje się w bankowości mobilnej i internetowej. Machine Learning, dzięki swojej dokładności, podnosi poziom akceptowalności wniosków kredytowych o 2 punkty proc. PKO Bank Polski wykorzystuje tę technologię także do precyzyjnej analizy kredytów korporacyjnych. Decyzje dotyczące 8,6 mld portfela tych kredytów podejmowane są przy użyciu precyzyjnej analizy transakcji zakupowych.
Szybszy proces przyznania kredytu
AI w ocenie ryzyka to nie tylko bardziej precyzyjna analiza wniosków kredytowych, ale także szybszy proces przyznania kredytu. W PKO Banku Polskim w przypadku najlepszych klientów, z dobrą historią spłat, decyzja o przyznaniu kolejnego finansowania podejmowana jest automatycznie i praktycznie bez żadnych formalności. Sztuczna inteligencja wspiera także procesy monitorowania terminowości spłat i pomaga dobierać właściwą formę kontaktu z klientem, który ma problem z regulowaniem zobowiązań.
Platforma ML Ops – fabryka modeli
W 2022 r. PKO Bank Polski wdrożył Platformę Zaawansowanej Analityki Danych ML Ops. To rozwiązanie oparte o technologię chmurową, które pozwala analitykom budować zaawansowane modele do oceny ryzyka. Stanowi tzw. fabrykę modeli, która pozwala analitykom banku wybrać i zastosować model najbardziej efektywny dla danego przypadku.
– Nasza platforma ML Ops to najbardziej innowacyjne rozwiązanie tego typu w polskim sektorze bankowym. Działa jak nowoczesna linia produkcyjna i pozwala tworzyć modele w skali masowej. Dzięki temu zespoły Data Science mogą je efektywnie budować i wdrażać, z minimalnym udziałem IT. Wykorzystanie platformy sprawiło, że znacząco wzrosła liczba modeli wykorzystywanych przy analizie kredytowej klientów. Cały czas rozwijamy to narzędzie i pracujemy nad zwiększeniem dostępnego zakresu danych. Bardzo obiecujące są również wyniki związane z poprawą jakości modeli uczonych z wykorzystaniem kart graficznych. W tym obszarze także chcemy wprowadzić kolejne, znaczące usprawnienia – mówi Bogumił Brela, dyrektor departamentu rozwoju platform inżynierii i analityki danych w PKO Banku Polskim.
