Fintech

அடுத்த தலைமுறை டிஜிட்டல் கடன் தளங்களுக்கு எந்த AI கருவிகள் ஆற்றல் அளிக்கின்றன?

கடன் வழங்குநர்கள் நவீனமயமாகும்போது, அண்டர்ரைட்டிங் மற்றும் மோசடி கண்டறிதல் முதல் வசூல் மற்றும் வாடிக்கையாளர் ஆதரவு வரை அனைத்தையும் உள்ளடக்கிய, டிஜிட்டல் கடன் வழங்குதலுக்காக குறிப்பாக கட்டமைக்கப்படும் AI கருவிகளின் வளர்ந்து வரும் தொகுப்பு உள்ளது. சமீபத்திய நிதி தொழில்நுட்ப நிதியுதவி நடவடிக்கை, மூலதனம், அதனால் கருவிகளும், எங்கு குவிகின்றன என்பதைக் காட்டுகிறது.

ஆகஸ்ட் 2026-ல் மட்டும், இந்திய AI-நேட்டிவ் கடன் தளமான Rezolv, தனது AI-தலைமையிலான கடன் வழங்குதல் மற்றும் வசூல் தொழில்நுட்பத்தை விரிவுபடுத்த $12.5 மில்லியன் திரட்டியது, AI-அடிப்படையிலான மோசடி கண்டறிதலை வலுப்படுத்த Visa இணைய பாதுகாப்பு நிறுவனமான BioCatch-ஐ $2.4 பில்லியனுக்கு கையகப்படுத்த ஒப்புக்கொண்டது, மற்றும் டச்சு வங்கியான ABN Amro தனிப்பயன் AI தீர்வுகளை உருவாக்க Mistral AI உடன் கூட்டாண்மை செய்தது, இது "AI கடன் கருவிகள்" என்ற பிரிவு எவ்வளவு பலதரப்பட்டதாக மாறியுள்ளது என்பதை விளக்குகிறது.

இன்று டிஜிட்டல் கடன் தளங்களை வடிவமைக்கும் AI கருவிகளின் முக்கிய பிரிவுகளையும், கடன் வழங்குநர்கள் அவற்றை ஏன் ஏற்றுக்கொள்கிறார்கள் என்பதையும், ஒன்றை மதிப்பீடு செய்யும்போது எதைப் பார்க்க வேண்டும் என்பதையும் இந்தக் கட்டுரை வரைபடமாக்குகிறது.

கருத்து விளக்கம்

"AI கடன் கருவிகள்" என்பது தனித்துவமான செயல்பாடுகளை உள்ளடக்கிய ஒரு பரந்த பிரிவாகும்: அண்டர்ரைட்டிங் மற்றும் கடன்-ஆபத்து மதிப்பெண்ணிடல் மாதிரிகள், அடையாள மற்றும் மோசடி கண்டறிதல் அமைப்புகள், ஆவணம் மற்றும் பணப்புழக்க பகுப்பாய்வு கருவிகள், மற்றும் தொடர்பை முன்னுரிமைப்படுத்தவும் திருப்பிச் செலுத்தும் திட்டங்களை தனிப்பயனாக்கவும் AI-ஐப் பயன்படுத்தும் வசூல் மற்றும் சேவை தளங்கள்.

Rezolv-ன் இணைந்த கடன் வழங்குதல் மற்றும் வசூல் தொழில்நுட்பம் போன்ற, இந்த கருவிகளில் சில AI-நேட்டிவ் கடன் வழங்குநர்களால் அவர்களின் சொந்த தளங்களுக்காக கட்டமைக்கப்படுகின்றன, அதேசமயம் மோசடி கண்டறிதலுக்கான BioCatch-ன் நடத்தை பயோமெட்ரிக்ஸ் போன்ற, மற்றவை சிறப்பு விற்பனையாளர்களால் வழங்கப்படுகின்றன, இவற்றை நிறுவப்பட்ட கடன் வழங்குநர்கள் தங்களுக்குள்ளேயே கட்டமைப்பதற்குப் பதிலாக தற்போதுள்ள அமைப்புகளில் ஒருங்கிணைக்கின்றனர்.

இது ஏன் இப்போது முக்கியம்

கைமுறை, விதி-அடிப்படையிலான செயல்முறைகள் லாபகரமாக விரிவடைவதில் சிரமப்படுவதால், குறிப்பாக போதுமான சேவை பெறாத கடன் வாங்குபவர் பிரிவுகளுக்கு, மற்றும் வேகமான, AI-அடிப்படையிலான கடன் முடிவுகளுடன் மோசடி ஆபத்தும் அதிகரித்து வருவதால், கடன் வழங்குநர்கள் இந்த கருவிகளை ஏற்றுக்கொள்கின்றனர். AI-இயக்கப்படும் ஏமாற்று மற்றும் மோசடி ஆபத்தை நிவர்த்தி செய்ய குறிப்பாக BioCatch-ஐ $2.4 பில்லியனுக்கு கையகப்படுத்த Visa எடுத்த முடிவு, கட்டண மற்றும் கடன் நிறுவனங்கள் இந்த சமரசத்தை எவ்வளவு தீவிரமாக நடத்துகின்றன என்பதை விளக்குகிறது.

தொழில்நுட்பம் மற்றும் தயாரிப்பு செயல்பாடுகளில் நிதி தொழில்நுட்ப நிறுவனங்கள் 86 சதவீத உற்பத்தித்திறன் ஆதாயங்களை புகாரளிப்பதைக் காட்டும், பாரம்பரிய நிறுவனங்கள் புகாரளித்த 68 சதவீதத்தை விட மிக முன்னிலையிலான, Cambridge Centre for Alternative Finance-ன் ஆராய்ச்சி, கடன் வழங்குநர்கள் காத்திருப்பதற்குப் பதிலாக இப்போது AI கருவி ஏற்றுக்கொள்ளலுக்கு ஏன் முன்னுரிமை அளிக்கின்றனர் என்பதற்கு அளவிடக்கூடிய உணர்வை அளிக்கிறது.

அழுத்தம் தொடர்ந்து அதிகரித்து வருகிறது: மேலும் கடன் வழங்குநர்கள் வேகமாக நகர AI-அடிப்படையிலான அண்டர்ரைட்டிங்கை ஏற்றுக்கொள்ளும்போது, இன்னும் கைமுறை செயல்முறைகளை சார்ந்திருக்கும் கடன் வழங்குநர்கள், தங்கள் போட்டியாளர்களுக்கு கிடைக்கும் அங்கீகார வேகம் மற்றும் ஆபத்து மதிப்பீட்டின் ஆழம் இரண்டிலும் பின்தங்கும் ஆபத்தில் உள்ளனர், இது தொழில் முழுவதும் ஏற்றுக்கொள்ளும் காலவரிசைகளை முன்னோக்கி தள்ளுகிறது.

இந்த துறையை AI எவ்வாறு மாற்றியமைக்கிறது

அண்டர்ரைட்டிங் கருவிகள், நிலையான ஸ்கோர்கார்டுகளிலிருந்து புதிய பரிவர்த்தனை மற்றும் திருப்பிச் செலுத்தும் தரவை தொடர்ந்து இணைக்கும் மாதிரிகளை நோக்கி நகர்கின்றன. மோசடி மற்றும் அடையாள கருவிகள், எளிய விதி சோதனைகளிலிருந்து, BioCatch சிறப்புத்துவம் பெற்றுள்ள, எளிய சோதனைகள் தவறவிடும் AI-உருவாக்கிய மோசடி முயற்சிகளைப் பிடிக்கக்கூடிய நடத்தை பயோமெட்ரிக்ஸ் மற்றும் முறை பகுப்பாய்வை நோக்கி மாறுகின்றன.

வசூல் மற்றும் சேவை கருவிகள், கடன் வாங்குபவரின் உண்மையான நிலைமையைப் பொருட்படுத்தாமல் ஒவ்வொரு தாமதமான கணக்கிற்கும் அதே வசூல் பணிப்பாய்வைப் பயன்படுத்துவதற்குப் பதிலாக, எந்த கணக்குகள் தவறுத் தொகைக்கான ஆபத்தில் உள்ளன என்பதை கணிக்கவும், அதற்கேற்ப தொடர்பையும் திருப்பிச் செலுத்தும் திட்டங்களையும் தனிப்பயனாக்கவும் இதேபோன்ற நுட்பங்களைப் பயன்படுத்துகின்றன.

வாடிக்கையாளர்-எதிர்கொள்ளும் கருவிகளும் மாறி வருகின்றன, வழக்கமான கடன் வாங்குபவர் கேள்விகளுக்கு பதிலளிக்கவும், ஆவண தேவைகள் மூலம் விண்ணப்பதாரர்களை வழிநடத்தவும், கடன் முடிவுகளை எளிய மொழியில் விளக்கவும் AI அதிகளவில் பயன்படுத்தப்படுகிறது, இது மீண்டும் மீண்டும் வரும் கேள்விகளுக்கான மனித ஆதரவு குழுக்களின் செயல்பாட்டு சுமையைக் குறைக்கிறது.

உலகளாவிய நிஜ-உலக உதாரணங்கள்

Rezolv, போதுமான சேவை பெறாத சந்தைகளுக்காக இணைந்த AI-தலைமையிலான கடன் வழங்குதல் மற்றும் வசூல் கருவிகளை கட்டமைக்கும் ஒரு விற்பனையாளரின் தெளிவான உதாரணமாகும், அந்த தொழில்நுட்பத்தை மேலும் விரிவுபடுத்த குறிப்பாக திரட்டப்பட்ட Norwest தலைமையிலான அதன் சீரிஸ் A சுற்றுடன்.

நிறுவப்பட்ட நிறுவனங்கள் தரப்பில், AI திறனை உருவாக்கவும் விரிவுபடுத்தவும் மூன்று ஆண்டுகளில் €2 பில்லியன் வரை ஒதுக்க Rabobank-ன் திட்டமும், Mistral AI உடனான ABN Amro-ன் கூட்டாண்மையும், பெரிய வங்கிகள் தயார்நிலை மென்பொருளை மட்டும் சார்ந்திருப்பதற்குப் பதிலாக, பெரிய அளவில் உள் AI கருவிகளை கட்டமைப்பதையோ அல்லது சிறப்பு AI நிறுவனங்களுடன் கூட்டாண்மை செய்வதையோ காட்டுகின்றன.

BioCatch-ஐ Visa $2.4 பில்லியனுக்கு கையகப்படுத்தியது இந்த பிரிவுகளின் சந்திப்பில் அமைந்துள்ளது, ஏனெனில் மோசடி மற்றும் அடையாள கருவிகள் ஒரு பொருத்தப்பட்ட பாதுகாப்பு அடுக்காக அல்லாமல், அவை பாதுகாக்கும் கடன் வழங்குதல் மற்றும் கட்டண உள்கட்டமைப்பிலிருந்து பிரிக்க முடியாதவையாக அதிகளவில் கருதப்படுகின்றன.

நடைமுறை நிதி குறிப்புகள்

AI கருவிகளை மதிப்பீடு செய்யும் கடன் வழங்குநர்கள், அது மெலிதான-கோப்பு அண்டர்ரைட்டிங்காக இருந்தாலும், மோசடி கண்டறிதலாக இருந்தாலும், அல்லது வசூல் திறனாக இருந்தாலும், முதலில் தங்கள் சொந்த சிக்கல் புள்ளிகளை வரைபடமாக்க வேண்டும், ஏனெனில் மிகவும் வலுவான AI கடன் கருவிகள் ஒரு அனைத்து-நோக்க தீர்வாக சந்தைப்படுத்தப்படுவதற்குப் பதிலாக, கடன் வாழ்க்கைச் சுழற்சியின் ஒரு குறிப்பிட்ட பகுதிக்காக கட்டமைக்கப்படும் போக்கைக் கொண்டுள்ளன.

மோசடி கண்டறிதலில் BioCatch போன்ற, அந்த குறிப்பிட்ட செயல்பாட்டில் சாதனை பதிவைக் கொண்ட ஒரு சிறப்பு விற்பனையாளரால் ஒரு கருவி வழங்கப்படுகிறதா, அல்லது Rezolv-ன் இணைந்த கடன் வழங்குதல் மற்றும் வசூல் சலுகை போன்ற, பரந்த தளத்தால் வழங்கப்படுகிறதா என்பதை சரிபார்ப்பது மதிப்புள்ளது, ஏனெனில் சரியான தேர்வு, ஒரு கடன் வழங்குநருக்கு ஒரு புள்ளி தீர்வு தேவையா அல்லது இன்னும் ஒருங்கிணைந்த தளம் தேவையா என்பதைப் பொறுத்தது.

வரையறுக்கப்பட்ட பொறியியல் வளங்களைக் கொண்ட சிறிய கடன் வழங்குநர்களும் நிதி தொழில்நுட்ப நிறுவனங்களும், மூல திறனுடன் சேர்த்து ஒருங்கிணைப்பு முயற்சியையும் நிறுத்து பார்க்க வேண்டும், ஏனெனில் தற்போதுள்ள அமைப்புகளுடன் ஒருங்கிணைப்பது கடினமான ஒரு மிகவும் திறமையான AI கருவி, எளிதான ஏற்றுக்கொள்ளலுக்காக கட்டமைக்கப்பட்ட சற்று எளிமையான கருவியை விட மதிப்பை வழங்க அதிக நேரம் எடுக்கலாம்.

எதிர்கால நோக்கு

BioCatch-ஐ Visa கையகப்படுத்தியது மற்றும் Mistral AI உடனான ABN Amro-ன் கூட்டாண்மையின் முறையைப் பின்பற்றி, பெரிய நிதி நிறுவனங்கள் ஒவ்வொரு கருவியையும் முதலிலிருந்து கட்டமைப்பதற்குப் பதிலாக சிறப்பு AI திறனுக்காக கையகப்படுத்த அல்லது கூட்டாண்மை செய்ய முயலும்போது, இந்த இடத்தில் தொடர்ச்சியான ஒருங்கிணைப்பு மற்றும் கூட்டாண்மை நடவடிக்கையை எதிர்பாருங்கள்.

அதே நேரத்தில், ஒரு தனி புள்ளி கருவிக்குப் பதிலாக இணைந்த தொழில்நுட்ப அடுக்கைச் சுற்றி கட்டமைக்கப்பட்ட Rezolv போன்ற AI-நேட்டிவ் கடன் வழங்குநர்கள், கடன் செயல்முறையின் ஒரு தனி படிநிலையை நிவர்த்தி செய்யும் தனி கருவிகளை விட, பல AI கடன் செயல்பாடுகளை ஒருங்கிணைக்கும் தளங்களிலிருந்து மிகவும் வலுவான வளர்ச்சி வரக்கூடும் என்பதைக் காட்டுகின்றன.

அடுத்த சில ஆண்டுகளில், ஒவ்வொன்றும் தங்கள் சொந்த ஒருங்கிணைப்பு மற்றும் பராமரிப்பு முயற்சி தேவைப்படும் தனி அமைப்புகளாக செயல்படுவதற்குப் பதிலாக, அண்டர்ரைட்டிங், மோசடி கண்டறிதல், மற்றும் வசூல் கருவிகள் அதிகளவில் அதே அடிப்படை தரவையும் மாதிரிகளையும் பகிர்ந்துகொள்ளும் நிலையில், இங்கு விவரிக்கப்பட்ட கருவி பிரிவுகள் மேலும் மங்கலாகக்கூடும்.

ஏற்றுக்கொள்வதற்கு முன் ஒரு AI கடன் கருவியை எவ்வாறு மதிப்பீடு செய்வது

ஒரு AI கடன் கருவியை ஏற்றுக்கொள்வதற்கு முன், அது எந்த குறிப்பிட்ட முடிவு அல்லது செயல்முறையை மேம்படுத்துகிறது, அதற்கு என்ன தரவு தேவை, மற்றும் அதன் செயல்திறன் எவ்வாறு அளவிடப்படுகிறது என்று கேளுங்கள், ஏனெனில் "AI-இயக்கப்படும்" செயல்பாடு பற்றிய தெளிவற்ற கூற்றுகள், உங்கள் குறிப்பிட்ட கடன் வாங்குபவர் மக்கள்தொகைக்குப் பொருந்தும் சான்றுகளுக்கு மாற்றாக இருக்க முடியாது.

கருவி தொடர்ச்சியான கண்காணிப்பையும் மறுபயிற்சியையும் எவ்வாறு கையாள்கிறது, இணக்க நோக்கங்களுக்காக அது விளக்கத்தன்மையை எவ்வாறு ஆதரிக்கிறது, மற்றும் அது மாறுபடும் பொருளாதார நிலைமைகள் மூலம் சோதிக்கப்பட்டுள்ளதா என்று கேட்பதும் மதிப்புள்ளது, ஏனெனில் ஒரு சூழலில் நன்றாக செயல்படும் ஒரு கருவி, மற்றொன்றில் நன்றாக செயல்படும் என்று தானாக நிரூபிக்கப்படுவதில்லை.