Fintech

কীভাবে AI ঋণদান এবং ক্রেডিট সিদ্ধান্ত গ্রহণকে বদলে দিচ্ছে

ঋণদান সবসময় অসম্পূর্ণ তথ্যের ভিত্তিতে ঝুঁকি নির্ণয়ের উপর নির্ভরশীল ছিল, এবং কয়েক দশক ধরে সেই নির্ণয় স্থির ক্রেডিট ব্যুরো স্কোর, ম্যানুয়াল আন্ডাররাইটিং এবং ধীরে ধীরে পরিবর্তিত নিয়মের উপর নির্ভর করত। ২০২৬ সালে, চিত্রটি ভিন্ন দেখাচ্ছে। ব্যাংক, নন-ব্যাংক ঋণদাতা এবং ফিনটেক প্ল্যাটফর্মগুলি প্রথম আবেদন থেকে শুরু করে সংগ্রহ পর্যন্ত ক্রেডিট জীবনচক্রের প্রায় প্রতিটি পর্যায়ে কৃত্রিম বুদ্ধিমত্তা (AI) অন্তর্ভুক্ত করছে।

অর্থ কোথায় প্রবাহিত হচ্ছে তা দেখেই এই পরিবর্তন স্পষ্ট বোঝা যায়। ভারতীয় AI-নেটিভ ঋণদান প্ল্যাটফর্ম Rezolv তার AI-চালিত ঋণদান এবং সংগ্রহ প্রযুক্তি সম্প্রসারণের জন্য ২০২৬ সালের আগস্টে Norwest-এর নেতৃত্বে $12.5 million-এর একটি Series A রাউন্ড সম্পন্ন করেছে, অন্যদিকে ইউরোপীয় ব্যাংকগুলি মূল কার্যক্রমে AI সক্ষমতা তৈরি করতে অনেক বড় মাপের পুঁজি বিনিয়োগ করছে।

এই নিবন্ধে দেখা হয়েছে AI-চালিত ঋণদান এবং ক্রেডিট সিদ্ধান্ত গ্রহণ আসলে কী বোঝায়, কেন এই পরিবর্তন এখন ঘটছে, বাস্তব প্রতিষ্ঠানগুলিতে এটি কীভাবে কার্যকর হচ্ছে, এবং যন্ত্র-সহায়ক সিদ্ধান্তের চারপাশে পুনর্গঠিত হতে থাকা একটি ক্রেডিট বাজারে ঋণদাতা ও ঋণগ্রহীতা উভয়ের জন্য এর অর্থ কী।

ধারণা ব্যাখ্যা

AI-চালিত ক্রেডিট সিদ্ধান্ত গ্রহণ বলতে বোঝায় ঐতিহ্যবাহী স্কোরকার্ডের পাশাপাশি বা তার পরিবর্তে মেশিন লার্নিং মডেল ব্যবহার করে ঋণ দেওয়া হবে কিনা, কত পরিমাণে এবং কোন মূল্যে, তা মূল্যায়ন করা। শুধুমাত্র মুষ্টিমেয় কয়েকটি ব্যুরো ভেরিয়েবলের উপর নির্ভর করার পরিবর্তে, এই সিস্টেমগুলি লেনদেনের ইতিহাস, পরিশোধের আচরণ, নগদ প্রবাহের ধরন এবং অন্যান্য কাঠামোগত তথ্যের গুরুত্ব বিবেচনা করে পরিশোধ ক্ষমতার আরও বিস্তারিত চিত্র তৈরি করতে পারে।

এই প্রযুক্তি সমগ্র ঋণদান স্ট্যাকজুড়ে বিদ্যমান: আবেদন গ্রহণ ও নথি যাচাইকরণ, জালিয়াতি ও পরিচয় যাচাই, আন্ডাররাইটিং ও মূল্য নির্ধারণ, এবং বিতরণ-পরবর্তী নজরদারি ও সংগ্রহ। AI-নেটিভ ঋণদান প্ল্যাটফর্মগুলি লিগ্যাসি ঋণ উৎপত্তি সিস্টেমের উপর মেশিন লার্নিং জুড়ে দেওয়ার পরিবর্তে শুরু থেকেই এই স্ট্যাকের চারপাশে নির্মিত হয়, যা আংশিকভাবে ব্যাখ্যা করে কেন তহবিল নতুন, উদ্দেশ্য-নির্মিত প্ল্যাটফর্মগুলিতে কেন্দ্রীভূত হয়েছে।

এখন কেন এটি গুরুত্বপূর্ণ

যেসব বাজারে বিপুল সংখ্যক ঋণগ্রহীতার এখনও সীমিত বা কোনো ঐতিহ্যবাহী ক্রেডিট ফাইল নেই, সেখানে ক্রেডিটের চাহিদা বাড়ছে, এবং ম্যানুয়াল আন্ডাররাইটিং লাভজনকভাবে তাদের পরিষেবা দেওয়ার জন্য স্কেল করতে পারে না। একই সময়ে, ঋণদাতারা একইসঙ্গে ডিফল্টের হার এবং পরিচালন ব্যয় নিয়ন্ত্রণ করার চাপে রয়েছেন, যা ধীরগতির, কাগজ-নির্ভর যুগের জন্য তৈরি লিগ্যাসি প্রক্রিয়ায় করা কঠিন।

বিনিয়োগ কার্যক্রম এই বিষয়টিকে সমর্থন করে। ২০২৬ সালের আগস্ট মাসের সাপ্তাহিক ফিনটেক তহবিল তথ্য দেখায় যে পেমেন্ট এবং AI-কেন্দ্রিক চুক্তিগুলি মোট সংগৃহীত পুঁজির একটি উল্লেখযোগ্য অংশ চালিত করছে, এবং Cambridge Centre for Alternative Finance-এর গবেষণায় দেখা গেছে যে ফিনটেক প্রতিষ্ঠানগুলি প্রযুক্তি ও পণ্য বিভাগে ৮৬ শতাংশ উৎপাদনশীলতা বৃদ্ধির কথা জানিয়েছে, যা ঐতিহ্যবাহী আর্থিক প্রতিষ্ঠানগুলির জানানো ৬৮ শতাংশ বৃদ্ধির তুলনায় ১৮ পয়েন্ট এগিয়ে। ঋণদান এমন একটি ক্ষেত্র যেখানে এই উৎপাদনশীলতার ব্যবধান সবচেয়ে স্পষ্টভাবে প্রকাশ পায়।

AI কীভাবে এই ক্ষেত্রকে বদলে দিচ্ছে

আন্ডাররাইটিংয়ের দিক থেকে, AI মডেলগুলি বিকল্প তথ্যের উৎস প্রক্রিয়া করতে পারে এবং নির্দিষ্ট পর্যালোচনার ব্যবধানের পরিবর্তে ক্রমাগত ঝুঁকি মূল্যায়ন হালনাগাদ করতে পারে, যা ঋণদাতাদের এমন ঋণগ্রহীতাদের ঋণ দিতে সাহায্য করে যারা ঐতিহ্যবাহী শুধুমাত্র-ব্যুরো মডেলে অদৃশ্য থাকত। পরিচালনার দিক থেকে, নথি যাচাই স্বয়ংক্রিয় করতে, অসঙ্গতি চিহ্নিত করতে এবং আবেদন পরিচালনা করতে AI ব্যবহার করা হচ্ছে, যা আবেদন এবং সিদ্ধান্তের মধ্যবর্তী সময় কমিয়ে দেয়।

প্রতিষ্ঠিত ব্যাংকগুলি সবকিছু নিজেদের অভ্যন্তরে তৈরি করার পরিবর্তে অংশীদারিত্বের মাধ্যমে এই লক্ষ্য অনুসরণ করছে। ডাচ ব্যাংক ABN Amro কাস্টম AI সমাধান তৈরি করতে প্যারিস-ভিত্তিক Mistral AI-এর সাথে অংশীদারিত্ব করেছে, এবং Rabobank জানিয়েছে যে তারা তাদের AI সক্ষমতা তৈরি ও সম্প্রসারণের জন্য তিন বছরে €2 billion পর্যন্ত বিনিয়োগ করার পরিকল্পনা করছে। উভয় পদক্ষেপই ইঙ্গিত দেয় যে AI একটি পরীক্ষামূলক সংযোজনের পরিবর্তে ঋণদান সিদ্ধান্তের মূল অবকাঠামো হয়ে উঠছে।

বাস্তব বিশ্বের উদাহরণ

Rezolv-এর পদ্ধতি দেখায় কীভাবে AI-নেটিভ প্ল্যাটফর্মগুলি বিশেষভাবে অপর্যাপ্ত পরিষেবাপ্রাপ্ত ঋণদান অংশের জন্য তৈরি করা হচ্ছে, যেখানে AI ব্যবহার করে উৎপত্তি এবং ঋণ সংগ্রহ উভয়ই এমনভাবে পরিচালনা করা হয় যা ঐতিহ্যবাহী ঋণ ব্যবস্থাপনা সিস্টেমগুলি পরিচালনার জন্য ডিজাইন করা হয়নি। Norwest-এর নেতৃত্বাধীন Series A রাউন্ডটি বিশেষভাবে এই মডেলটি আরও সম্প্রসারণের জন্য সংগ্রহ করা হয়েছিল।

ঝুঁকি ব্যবস্থাপনার দিক থেকে, Visa-এর সাইবার নিরাপত্তা সংস্থা BioCatch-কে $2.4 billion-এ অধিগ্রহণ একটি সম্পর্কিত প্রবণতা প্রতিফলিত করে: যেহেতু AI ঋণদান সিদ্ধান্তকে দ্রুততর করছে, তাই AI-চালিত জালিয়াতি এবং প্রতারণা সনাক্তকরণকেও একই গতিতে এগোতে হবে, কারণ পরিচয় এবং আচরণগত ঝুঁকি যাচাই সমানভাবে উন্নত না হলে দ্রুততর ক্রেডিট সিদ্ধান্তগুলি AI-সক্ষম জালিয়াতির প্রচেষ্টার সুযোগ আরও বাড়িয়ে দেয়।

ব্যবহারিক আর্থিক পরামর্শ

ঋণগ্রহীতাদের জন্য, ব্যবহারিক তাৎপর্য হল যে এখন আর্থিক আচরণের একটি বিস্তৃত পরিসর ঋণদাতারা ঋণযোগ্যতা মূল্যায়নের ক্ষেত্রে বিবেচনা করছেন। ব্যাংক স্টেটমেন্ট পরিষ্কার রাখা, ধারাবাহিক আয়ের জমা বজায় রাখা এবং বিদ্যমান দায়বদ্ধতা সময়মতো পরিশোধ করা AI-চালিত আন্ডাররাইটিংয়ের অধীনে শুধুমাত্র-ব্যুরো-স্কোর মডেলের তুলনায় বেশি গুরুত্বপূর্ণ হতে পারে, কারণ এই সিস্টেমগুলি একটি একক মুহূর্তের চিত্রের পরিবর্তে সময়ের সাথে ধরন পড়ার জন্য তৈরি করা হয়েছে।

AI সরঞ্জাম মূল্যায়নকারী ঋণদাতা এবং ফিনটেক পরিচালকদের জন্য, বিদ্যমান ঋণ ব্যবস্থাপনা সিস্টেমে AI বৈশিষ্ট্য যোগ করা প্ল্যাটফর্ম এবং শুরু থেকেই AI-নেটিভভাবে তৈরি প্ল্যাটফর্মের মধ্যে পার্থক্য করা গুরুত্বপূর্ণ, কারণ এই দুটি বিকল্প ডেটা পরিচালনা, মডেল ড্রিফট নজরদারি এবং সংগ্রহ স্কেল করার ক্ষমতায় উল্লেখযোগ্যভাবে ভিন্ন। বিক্রেতাদের দাবি সবসময় প্রাসঙ্গিক ঋণগ্রহীতা অংশের কার্যক্ষমতার স্বাধীন প্রমাণের বিপরীতে যাচাই করা উচিত।

ভবিষ্যৎ দৃষ্টিভঙ্গি

এই গতিপথ ইঙ্গিত দেয় যে AI পাইলট প্রকল্প থেকে মূল ঋণদান অবকাঠামোর দিকে এগিয়ে যেতে থাকবে, বিশেষত বড় ব্যাংকগুলিতে যারা এখন বিচ্ছিন্ন প্রুফ-অফ-কনসেপ্ট পরিচালনার পরিবর্তে এই পরিবর্তনের জন্য বহু-বছরের, বহু-বিলিয়ন-ইউরো বাজেট বরাদ্দ করছে। ABN Amro এবং Mistral AI-এর মধ্যে গঠিত ধরনের ব্যাংক ও AI ল্যাবের মধ্যে অংশীদারিত্ব আরও সাধারণ হয়ে উঠবে বলে মনে হয়, কারণ প্রতিষ্ঠানগুলি এমন AI দক্ষতা খুঁজছে যা তারা দ্রুত নিজেদের অভ্যন্তরে তৈরি করতে পারবে না।

একই সময়ে, নিয়ন্ত্রক সংস্থা এবং ঝুঁকি দলগুলিকে এই মডেলগুলি কীভাবে সিদ্ধান্ত নেয় তার সাথে তাল মিলিয়ে চলতে হবে, বিশেষত ন্যায্যতা, ব্যাখ্যাযোগ্যতা এবং জালিয়াতির ঝুঁকির ক্ষেত্রে। AI-চালিত আন্ডাররাইটিংয়ের বৃদ্ধির সাথে AI-চালিত জালিয়াতি ও পরিচয় ঝুঁকির সংযোগ, যা BioCatch অধিগ্রহণের মতো চুক্তিতে দৃশ্যমান, ইঙ্গিত দেয় যে এই দুটি বিষয় পৃথক উদ্বেগ হিসেবে নয় বরং একসাথে বিকশিত ও নিয়ন্ত্রিত হতে থাকবে।

এর অর্থ ঋণগ্রহীতা এবং ঋণদাতাদের জন্য কী

ঋণগ্রহীতাদের জন্য, AI-চালিত ঋণদানের অর্থ হতে পারে দ্রুত সিদ্ধান্ত এবং যারা আগে কঠোর, শুধুমাত্র-ব্যুরো স্কোরিংয়ের কারণে বাদ পড়েছিলেন তাদের জন্য ক্রেডিটের সুযোগ। এর অর্থ এটাও হতে পারে যে ঋণদাতার মডেল আর্থিক আচরণের একটি বিস্তৃত সেট প্রতিফলিত করে, যা ধারাবাহিক পরিশোধ এবং স্থিতিশীল অ্যাকাউন্ট কার্যকলাপের মতো আর্থিক অভ্যাসগুলিকে আরও গুরুত্বপূর্ণ করে তোলে।

ঋণদাতাদের জন্য, হিসাব-নিকাশটি হল ঝুঁকি এবং সম্মতির বিপরীতে গতি এবং অন্তর্ভুক্তির মধ্যে ভারসাম্য বজায় রাখা। Rezolv-এর মতো AI-নেটিভ ঋণদাতা থেকে শুরু করে Rabobank এবং ABN Amro-এর মতো বড় ব্যাংক পর্যন্ত, যেসব প্রতিষ্ঠান দ্রুততম গতিতে এগোচ্ছে, তারা AI ক্রেডিট সিদ্ধান্ত গ্রহণকে বছরের পর বছর ধরে বিনিয়োগ করার মূল অবকাঠামো হিসেবে বিবেচনা করছে, চালু করার মতো একটি স্বল্পমেয়াদী বৈশিষ্ট্য হিসেবে নয়।