روایت مدیرعامل تکنوپی از چالش‌های اعتباردهی در ایران / چرا یک رتبه ثابت نمی‌تواند اعتبار افراد را تعیین کند؟

اقتصادآنلاین؛ بازار اعتباردهی در ایران هم‌زمان با افزایش نیاز مردم به اعتبار، با ریسک‌های بیشتری روبه‌رو شده است. تورم و کاهش قدرت خرید، تقاضا برای اعتبار را بالا برده و در مقابل، محدودیت منابع، هزینه بالای تأمین مالی و بی‌ثباتی درآمد خانوارها، سنجش توان بازپرداخت را دشوارتر کرده است.

در این شرایط، اعتبارسنجی اهمیت بیشتری پیدا می‌کند؛ اما مدل‌های سنتی که بخش زیادی از تصمیم خود را بر سابقه بانکی افراد بنا می‌کنند، همیشه نمی‌توانند وضعیت مالی امروز مشتری و توان بازپرداخت او را در آینده نشان دهند.

عظام کیانی‌نژاد، مدیرعامل تکنوپی، در گفت‌وگو با اقتصادآنلاین درباره چالش‌های بازار اعتبار، ضعف‌های مدل‌های سنتی اعتبارسنجی، نقش داده و هوش مصنوعی، وضعیت افرادی که سابقه اعتباری ندارند و مسیر تکنوپی برای توسعه اعتباردهی شخصی‌سازی‌شده صحبت کرده است. به گفته او، یک رتبه ثابت نمی‌تواند تصویر کاملی از ریسک یک مشتری ارائه دهد و تصمیم اعتباری باید با توجه به شرایط هر فرد گرفته شود.

بازار اعتبار بین افزایش تقاضا و بالا رفتن ریسک

بازار اعتباردهی در اقتصاد ایران امروز با چه چالش‌هایی روبه‌رو است؟ چرا مدل‌های سنتی دیگر به‌تنهایی پاسخگوی نیاز بازار نیستند؟

کیانی‌نژاد: بازار اعتباردهی ایران با یک دوگانگی جدی مواجه است. تورم و کاهش قدرت خرید، نیاز مردم به اعتبار را افزایش داده، اما محدودیت منابع، هزینه بالای تأمین مالی و بی‌ثباتی درآمد خانوار، ریسک اعتباردهی را هم بیشتر کرده است. در چنین بازاری، هر تصمیم اشتباه هزینه بالایی دارد.

مدل‌های سنتی عمدتاً بر اساس سابقه بانکی، یک رتبه ثابت به فرد می‌دهند. در نتیجه ممکن است فرد معتبری را به دلیل نداشتن سابقه رد کنند یا به فردی با گذشته مناسب، اما توان بازپرداخت فعلی ضعیف، اعتبار بدهند.

پیامد این وضعیت یا محدودشدن بیش از حد دسترسی مردم به اعتبار است یا افزایش ریسک نکول و کاهش کیفیت پرتفوی.

اعتبارسنجی نباید فقط گذشته مشتری را ببیند

اعتبارسنجی چه نقشی در توسعه اعتبار دارد و محدودیت مدل‌های فعلی چه اثری بر دسترسی افراد به اعتبار گذاشته است؟

کیانی‌نژاد: اعتبارسنجی باید عدم‌قطعیت درباره آینده را به یک برآورد قابل اتکا از احتمال بازپرداخت تبدیل کند. بر اساس این برآورد باید مشخص شود چه کسی، چه مبلغی، با چه دوره و چه هزینه‌ای اعتبار دریافت کند.

بخش مهمی از مدل‌های فعلی در عمل به گزارش عملکرد گذشته محدود شده‌اند و با فرض تکرار همان رفتار، درباره آینده تصمیم می‌گیرند. این مدل‌ها علاوه بر گذشته‌نگر بودن، نداشتن سابقه را هم عملاً معادل ریسک بالا می‌دانند. تغییرات فعلی درآمد و تعهدات فرد را دیر می‌بینند و تفاوت میان تمایل به بازپرداخت و توان بازپرداخت را هم به‌خوبی تشخیص نمی‌دهند.

نتیجه این وضعیت، ردشدن افراد معتبر، تعیین نادرست سقف اعتبار و تمرکز اعتبار در میان کسانی است که از قبل در نظام بانکی سابقه دارند.

سابقه گذشته یکی از ورودی‌های اعتبارسنجی است، اما اعتبارسنجی واقعی باید احتمال بازپرداخت آینده را با توجه به شرایط فعلی فرد برآورد کند.

اعتبارسنجی از یک رتبه ثابت فاصله می‌گیرد

در سال‌های اخیر اعتبارسنجی از بررسی صرف سابقه بانکی افراد به سمت استفاده از داده‌ها و متغیرهای متنوع‌تر حرکت کرده است. این تغییر چه اثری بر آینده تصمیم‌گیری اعتباری خواهد داشت؟

کیانی‌نژاد: این تحول باعث می‌شود اعتبارسنجی فقط گزارشی از گذشته نباشد و بتواند وضعیت فعلی و آینده مشتری را هم در نظر بگیرد.

در این حالت، تصمیم اعتباری فقط به «تأیید یا رد» محدود نمی‌شود. مبلغ اعتبار، دوره بازپرداخت، هزینه اعتبار و حتی نوع محصول می‌تواند متناسب با شرایط هر فرد تعیین شود.

آینده متعلق به مدل‌های ترکیبی است؛ مدل‌هایی که سابقه رسمی را در کنار داده‌های مکمل، رفتار بازپرداخت و شرایط اقتصادی قرار می‌دهند. نتیجه این کار، تصمیم دقیق‌تر، منعطف‌تر و شخصی‌تر است.

ریسک هر مشتری به مبلغ و شرایط اعتبار بستگی دارد

وقتی از اعتبارسنجی هوشمند صحبت می‌کنیم، چه تغییری در نگاه به ریسک و توان بازپرداخت افراد ایجاد می‌شود؟

کیانی‌نژاد: اعتبارسنجی هوشمند افراد را به دو گروه ثابت خوش‌حساب و بدحساب تقسیم نمی‌کند. ریسک یک احتمال متغیر است و به مبلغ اعتبار، دوره بازپرداخت، تعهدات فعلی و شرایط اقتصادی فرد بستگی دارد.

ممکن است یک مشتری برای اعتبار کوتاه‌مدت کم‌ریسک باشد، اما برای مبلغی بزرگ‌تر توان بازپرداخت کافی نداشته باشد. در این مدل، تمایل به بازپرداخت از توان بازپرداخت جدا می‌شود و هدف این است که اعتبار متناسب با هر مشتری تعیین شود، نه اینکه صرفاً یک حکم کلی درباره او صادر کنیم.

هوش مصنوعی می‌تواند تصمیم اعتباری را دقیق‌تر کند

هوش مصنوعی و تحلیل داده تا چه اندازه می‌توانند تصمیم‌گیری اعتباری را دقیق‌تر و متناسب‌تر کنند؟ مهم‌ترین تغییری که این فناوری‌ها ایجاد می‌کنند چیست؟

کیانی‌نژاد: هوش مصنوعی می‌تواند روابط پیچیده میان متغیرها را شناسایی کند، الگوهای تقلب را سریع‌تر تشخیص دهد و با ورود داده‌های جدید، برآورد ریسک را به‌روز کند.

مهم‌ترین تغییر، عبور از یک امتیاز ثابت به یک موتور تصمیم‌گیری مستمر است. این موتور علاوه بر احتمال نکول، می‌تواند مناسب‌ترین مبلغ، دوره و شرایط اعتبار را هم پیشنهاد دهد.

البته هوش مصنوعی جایگزین داده سالم و سیاست اعتباری نیست. مدل باید قابل توضیح و قابل پایش باشد و از نظر تبعیض و خطا هم مورد ارزیابی قرار بگیرد.

نداشتن سابقه اعتباری به معنای ریسک بالا نیست

یکی از مسائل مهم در اقتصاد ایران، افرادی هستند که سابقه اعتباری کافی ندارند. مدل‌های جدید اعتبارسنجی چگونه می‌توانند به حل این مسئله کمک کنند؟

کیانی‌نژاد: اصل مهم این است که نداشتن سابقه اعتباری به معنای داشتن سابقه بد نیست.

مدل‌های جدید می‌توانند با استفاده از داده‌های مکمل و ارزیابی رفتارهای مالی مرتبط، برای این افراد یک تصویر اولیه از ریسک ایجاد کنند. اعتبار هم می‌تواند با سقف محدود شروع شود و پس از هر بازپرداخت موفق افزایش پیدا کند.

به این ترتیب، فرد برای ساختن سابقه اعتباری مجبور نیست از قبل سابقه داشته باشد. این روش می‌تواند دسترسی به اعتبار را بیشتر کند، بدون اینکه استانداردهای کنترل ریسک کنار گذاشته شوند.

حریم خصوصی در اعتبارسنجی؛ داده بیشتر همیشه بهتر نیست

هرچه داده بیشتری وارد فرایند اعتبارسنجی شود، موضوعاتی مانند حریم خصوصی و مالکیت داده هم جدی‌تر می‌شود. صنعت اعتباردهی چگونه باید میان استفاده از داده و حفظ حقوق کاربران تعادل ایجاد کند؟

کیانی‌نژاد: دسترسی به داده نباید به معنای مجوز دائمی برای هر نوع استفاده باشد. فقط باید داده‌ای جمع‌آوری شود که ارتباط مشخصی با تصمیم اعتباری دارد. کاربر هم باید بداند چه داده‌ای، با چه هدفی و برای چه مدتی استفاده می‌شود.

رضایت آگاهانه، حداقل‌گرایی در جمع‌آوری اطلاعات، امنیت، امکان اصلاح داده‌ها و توضیح دلایل تصمیم اعتباری باید بخشی از طراحی محصول باشد.

در اعتبارسنجی، داده بیشتر الزاماً به معنای تصمیم بهتر نیست. داده مرتبط‌تر و حکمرانی مسئولانه اهمیت بیشتری دارد.

مدل‌های اعتبارسنجی باید با شرایط اقتصادی تغییر کنند

در شرایط تورمی و بی‌ثباتی اقتصادی، سنجش توان واقعی بازپرداخت افراد دشوارتر می‌شود. آیا مدل‌های اعتبارسنجی باید متناسب با شرایط اقتصادی ایران به‌طور مستمر بازنگری شوند؟

کیانی‌نژاد: قطعاً. در اقتصاد تورمی ممکن است درآمد اسمی افزایش پیدا کند، اما توان واقعی بازپرداخت کاهش یابد.

همچنین مدلی که در یک دوره باثبات عملکرد خوبی داشته، پس از یک شوک اقتصادی یا تغییر رفتار مصرف‌کننده می‌تواند دچار خطای جدی شود.

مدل‌ها باید به‌طور مستمر و بر اساس عملکرد واقعی پرتفوی بازتنظیم شوند. متغیرهایی مانند تعهدات جاری، نسبت قسط به توان پرداخت و تغییرات اقتصادی هم باید در تصمیم‌گیری لحاظ شوند.

آزمون تنش نیز ضروری است؛ چون هدف فقط پیش‌بینی شرایط عادی نیست و باید بتوان کنترل پرتفوی را در شرایط غیرعادی هم حفظ کرد.

افزایش اعتبار بدون بالا بردن ریسک نکول

توسعه اعتباردهی فقط به معنای افزایش حجم اعتبار نیست و کیفیت پرتفوی اعتباری هم اهمیت دارد. مدل‌های جدید چگونه می‌توانند بین افزایش دسترسی و کنترل ریسک نکول تعادل ایجاد کنند؟

کیانی‌نژاد: این تعادل با سخت‌گیری یکسان برای همه یا تسهیل یکسان برای همه ایجاد نمی‌شود؛ تصمیم باید متناسب با شرایط هر فرد باشد.

مشتری کم‌ریسک می‌تواند اعتبار بیشتر یا هزینه کمتری داشته باشد و مشتری ناشناخته با سقف محدودتری وارد چرخه شود. افزایش پلکانی اعتبار، پایش رفتار بازپرداخت و مداخله پیش از تبدیل تأخیر به نکول، امکان توسعه بازار را بدون کاهش کیفیت فراهم می‌کند.

همچنین منطقی نیست همه کاربران هزینه یکسانی بابت ریسک نکول بپردازند. هزینه ریسک نیز باید تا حد امکان متناسب با پروفایل هر مشتری باشد.

کاربران تکنوپی اعتبار را بیشتر برای مدیریت نقدینگی می‌خواهند

تکنوپی به‌عنوان یکی از بازیگران بازار اعتبار دیجیتال، در سال‌های فعالیت خود چه تغییراتی در رفتار اعتباری کاربران و نیاز آن‌ها به اعتبار مشاهده کرده است؟

کیانی‌نژاد: در تجربه تکنوپی، اعتبار از راه‌حلی صرفاً برای خریدهای ضروری یا گران‌قیمت، به ابزاری برای برنامه‌ریزی خرید و مدیریت جریان نقدی تبدیل شده است.

هم‌زمان، انتظار کاربران هم تغییر کرده است. آن‌ها فرایندی سریع، شفاف، کاملاً دیجیتال و قابل استفاده در شبکه‌ای متنوع می‌خواهند.

از طرف دیگر، بارها با کاربرانی مواجه شده‌ایم که سابقه بانکی کافی ندارند، اما نشانه‌ای از پرریسک بودن آن‌ها هم وجود ندارد. این تجربه نشان داد یک رتبه ثابت نمی‌تواند به‌تنهایی مبنای شناخت مشتری و تعیین شرایط مناسب اعتبار باشد.

تکنوپی به سمت اعتباردهی متناسب با هر مشتری می‌رود

تکنوپی برای بهبود تجربه دریافت اعتبار و مدیریت ریسک چه اولویت‌هایی دارد؟ آیا در این مسیر رویکردهای جدیدی را هم در نظر گرفته‌اید؟

کیانی‌نژاد: سه اولویت اصلی ما کاهش اصطکاک فرایند دریافت اعتبار، توسعه محصولات و محل‌های مصرف و مدیریت داده‌محور ریسک در کل چرخه اعتبار است.

در همین مسیر، روی رویکرد جدیدی کار کرده‌ایم که هدف آن حرکت از شرایط یکسان برای همه کاربران به سمت تصمیم‌گیری متناسب‌تر با ویژگی‌ها و ریسک هر فرد است. این رویکرد می‌تواند تجربه اعتباردهی شخصی‌تر و دقیق‌تری برای کاربران ایجاد کند و قرار است جزئیات آن در الکامپ ۱۴۰۵ ارائه شود.

اعتبار هر کاربر می‌تواند با رفتار مالی او تغییر کند

با توجه به این تغییرات، تکنوپی در مسیر آینده خود به سمت چه نوع تجربه‌ای در اعتباردهی حرکت می‌کند؟

کیانی‌نژاد: تکنوپی به سمت تجربه‌ای حرکت می‌کند که در آن اعتبار متناسب‌تر با شرایط و نیاز هر کاربر تعریف شود.

در این تجربه، کاربر یک رتبه ثابت نیست. رابطه اعتباری او با هر بازپرداخت و تغییر رفتار مالی می‌تواند تغییر کند و تکامل پیدا کند.

هدف ما این است که از یک تجربه یکسان برای همه به سمت تصمیم‌گیری شخصی‌تر و داده‌محورتر در اعتباردهی برویم. نقش تکنوپی هم ایجاد اتصال مؤثر میان منابع مالی، تصمیم اعتباری، مشتری و شبکه پذیرندگان خواهد بود.

الکامپ ۱۴۰۵؛ فرصتی برای معرفی مسیر آینده تکنوپی

تکنوپی قرار است در الکامپ ۱۴۰۵ حضور داشته باشد. آیا این حضور فقط به معرفی فعالیت‌های فعلی شرکت محدود می‌شود یا قرار است بخشی از مسیر آینده تکنوپی هم در این رویداد مطرح شود؟

کیانی‌نژاد: بله، الکامپ برای ما فقط فرصتی برای معرفی فعالیت‌های فعلی تکنوپی نیست و بخشی از مسیر آینده شرکت در حوزه اعتباردهی را هم دنبال می‌کند.

در این رویداد، درباره رویکردهای جدید تکنوپی برای ایجاد تجربه‌ای متناسب‌تر و هوشمندتر در اعتباردهی صحبت خواهیم کرد و جزئیات این رویکرد را در الکامپ ارائه می‌کنیم.

هدف ما حرکت به سمت مدلی است که در آن تصمیم اعتباری، متناسب‌تر با شرایط و رفتار هر کاربر شکل بگیرد.