Fintech

கடன் வழங்குதல் மற்றும் கடன் முடிவெடுத்தலை AI எவ்வாறு மாற்றியமைக்கிறது

கடன் வழங்குதல் எப்போதும் குறைபாடுள்ள தகவல்களைக் கொண்டு ஆபத்தை மதிப்பிடுவதைச் சார்ந்திருந்துள்ளது, மேலும் பல தசாப்தங்களாக அந்த மதிப்பீடு நிலையான கடன் பணியக மதிப்பெண்கள், கைமுறை அண்டர்ரைட்டிங், மற்றும் மெதுவாக மாறும் விதிகளை நம்பியிருந்தது. 2026-ல், அந்த சித்திரம் வேறுபட்டதாகத் தெரிகிறது. வங்கிகள், வங்கி அல்லாத கடன் வழங்குநர்கள், மற்றும் நிதி தொழில்நுட்ப தளங்கள் முதல் விண்ணப்பம் முதல் வசூல் வரை, கடன் வாழ்க்கைச் சுழற்சியின் கிட்டத்தட்ட ஒவ்வொரு கட்டத்திலும் செயற்கை நுண்ணறிவை (AI) இணைத்து வருகின்றன.

பணம் எங்கு பாய்கிறது என்பதில் இந்த மாற்றம் தெரிகிறது. இந்திய AI-நேட்டிவ் கடன் தளமான Rezolv, தனது AI-தலைமையிலான கடன் வழங்குதல் மற்றும் வசூல் தொழில்நுட்பத்தை விரிவுபடுத்த, Norwest தலைமையில் $12.5 மில்லியன் சீரிஸ் A சுற்றை ஆகஸ்ட் 2026-ல் முடித்தது, அதே நேரத்தில் ஐரோப்பிய வங்கிகள் தங்கள் முக்கிய செயல்பாடுகளில் AI திறனை உருவாக்க மிகப் பெரிய அளவில் மூலதனத்தை ஒதுக்கி வருகின்றன.

AI-அடிப்படையிலான கடன் வழங்குதல் மற்றும் கடன் முடிவெடுத்தல் உண்மையில் என்ன அர்த்தம், ஏன் இந்த மாற்றம் இப்போது நடக்கிறது, உண்மையான நிறுவனங்களில் இது எவ்வாறு வெளிப்படுகிறது, மற்றும் இயந்திர-உதவியுடன் கூடிய முடிவுகளைச் சுற்றி மறுகட்டமைக்கப்படும் கடன் சந்தையில் செல்லும் கடன் வழங்குநர்கள் மற்றும் கடன் வாங்குபவர்கள் இருவருக்கும் இது என்ன அர்த்தம் என்பதை இந்தக் கட்டுரை ஆராய்கிறது.

கருத்து விளக்கம்

AI-அடிப்படையிலான கடன் முடிவெடுத்தல் என்பது, பாரம்பரிய ஸ்கோர்கார்டுகளுடன் சேர்ந்து அல்லது அவற்றுக்குப் பதிலாக, கடன் வழங்க வேண்டுமா, எவ்வளவு, மற்றும் என்ன விலையில் என்பதை மதிப்பிட இயந்திரக் கற்றல் மாதிரிகளைப் பயன்படுத்துவதைக் குறிக்கிறது. ஒரு சில பணியக மாறிகளை மட்டும் சார்ந்திருப்பதற்குப் பதிலாக, இந்த அமைப்புகள் பரிவர்த்தனை வரலாறுகள், திருப்பிச் செலுத்தும் நடத்தை, பணப்புழக்க முறைகள், மற்றும் பிற கட்டமைக்கப்பட்ட தரவுகளை எடைபோட்டு, திருப்பிச் செலுத்தும் திறனைப் பற்றிய இன்னும் விரிவான சித்திரத்தை உருவாக்க முடியும்.

இந்த தொழில்நுட்பம் கடன் வழங்கல் அடுக்கு முழுவதும் பரவியுள்ளது: விண்ணப்ப ஏற்பு மற்றும் ஆவண சரிபார்ப்பு, மோசடி மற்றும் அடையாள சோதனைகள், அண்டர்ரைட்டிங் மற்றும் விலை நிர்ணயம், மற்றும் கடன் வழங்கிய பிறகான கண்காணிப்பு மற்றும் வசூல். பழைய கடன் தோற்றுவிப்பு அமைப்புகளில் இயந்திரக் கற்றலை பொருத்துவதற்குப் பதிலாக, AI-நேட்டிவ் கடன் தளங்கள் இந்த அடுக்கைச் சுற்றி அடிப்படையிலிருந்தே கட்டமைக்கப்படுகின்றன, இதனால்தான் நிதியுதவி புதிய, குறிப்பிட்ட நோக்கத்திற்காக கட்டமைக்கப்பட்ட தளங்களில் குவிந்துள்ளது.

இது ஏன் இப்போது முக்கியம்

ஏராளமான கடன் வாங்குபவர்களுக்கு இன்னும் மெலிதான அல்லது எந்த பாரம்பரிய கடன் கோப்பும் இல்லாத சந்தைகளில் கடன் தேவை வளர்ந்து வருகிறது, மேலும் கைமுறை அண்டர்ரைட்டிங் அவர்களுக்கு லாபகரமாக சேவை செய்யும் அளவுக்கு விரிவடைய முடியாது. அதே நேரத்தில், கடன் வழங்குநர்கள் தவறுத் தொகை விகிதங்களையும் இயக்கச் செலவுகளையும் ஒரே நேரத்தில் கட்டுப்படுத்த வேண்டிய அழுத்தத்தில் உள்ளனர், இது மெதுவான, காகித-கனமான யுகத்திற்காக கட்டமைக்கப்பட்ட பழைய செயல்முறைகளுடன் செய்வது கடினம்.

முதலீட்டு நடவடிக்கை இதை உறுதிப்படுத்துகிறது. ஆகஸ்ட் 2026-ன் வாராந்திர நிதி தொழில்நுட்ப நிதியுதவி தரவு, மொத்த திரட்டப்பட்ட மூலதனத்தில் கணிசமான பங்கை பணம் செலுத்துதல் மற்றும் AI-மையப்படுத்தப்பட்ட ஒப்பந்தங்கள் இயக்குவதைக் காட்டுகிறது, மேலும் Cambridge Centre for Alternative Finance-ன் ஆராய்ச்சி, தொழில்நுட்பம் மற்றும் தயாரிப்பு செயல்பாடுகளில் நிதி தொழில்நுட்ப நிறுவனங்கள் 86 சதவீத உற்பத்தித்திறன் ஆதாயத்தைப் புகாரளிப்பதைக் கண்டறிந்தது, இது பாரம்பரிய நிதி நிறுவனங்கள் புகாரளித்த 68 சதவீத ஆதாயத்தை விட 18-புள்ளி முன்னிலையாகும். அந்த உற்பத்தித்திறன் இடைவெளி தெரியும் மிகத் தெளிவான இடங்களில் கடன் வழங்குதலும் ஒன்று.

இந்த துறையை AI எவ்வாறு மாற்றியமைக்கிறது

அண்டர்ரைட்டிங் தரப்பில், AI மாதிரிகள் மாற்று தரவு ஆதாரங்களை செயலாக்கி, நிர்ணயிக்கப்பட்ட மறுஆய்வு இடைவெளிகளுக்குப் பதிலாக ஆபத்து மதிப்பீடுகளை தொடர்ந்து புதுப்பிக்க முடியும், இது பாரம்பரிய பணியக-மட்டும் மாதிரிக்கு தெரியாத கடன் வாங்குபவர்களுக்கு கடன் வழங்க கடன் வழங்குநர்களுக்கு உதவுகிறது. செயல்பாட்டு தரப்பில், ஆவண சோதனைகளை தானியங்குபடுத்த, முரண்பாடுகளைக் குறிக்க, மற்றும் விண்ணப்பங்களை வழிநடத்த AI பயன்படுத்தப்படுகிறது, இது விண்ணப்பத்திற்கும் முடிவுக்கும் இடையிலான நேரத்தைக் குறைக்கிறது.

நிறுவப்பட்ட வங்கிகள் அனைத்தையும் தங்களுக்குள்ளேயே கட்டமைப்பதற்குப் பதிலாக கூட்டாண்மைகள் மூலம் இதைத் தொடர்ந்து செயல்படுத்துகின்றன. டச்சு வங்கியான ABN Amro, தனிப்பயன் AI தீர்வுகளை உருவாக்க பாரிஸ்-தலைமையிலான Mistral AI உடன் கூட்டாண்மை செய்துள்ளது, மேலும் Rabobank தனது AI திறன்களை உருவாக்கவும் விரிவுபடுத்தவும் மூன்று ஆண்டுகளில் €2 பில்லியன் வரை ஒதுக்க திட்டமிட்டுள்ளதாகக் கூறியுள்ளது. இரண்டு நகர்வுகளும் AI ஒரு பரிசோதனை கூடுதலாக அல்லாமல் கடன் முடிவுகளுக்கான முக்கிய உள்கட்டமைப்பாக மாறி வருவதைக் காட்டுகின்றன.

உலகளாவிய நிஜ-உலக உதாரணங்கள்

Rezolv-ன் அணுகுமுறை, போதுமான சேவை பெறாத கடன் பிரிவுகளுக்காக குறிப்பாக AI-நேட்டிவ் தளங்கள் எவ்வாறு கட்டமைக்கப்படுகின்றன என்பதை விளக்குகிறது, பாரம்பரிய கடன் மேலாண்மை அமைப்புகள் கையாள வடிவமைக்கப்படாத வகையில் தோற்றுவித்தல் மற்றும் கடன் வசூல் இரண்டையும் நிர்வகிக்க AI-ஐப் பயன்படுத்துகிறது. Norwest தலைமையிலான சீரிஸ் A சுற்று, இந்த மாதிரியை மேலும் விரிவுபடுத்த குறிப்பாக திரட்டப்பட்டது.

ஆபத்து-மேலாண்மை தரப்பில், Visa நிறுவனம் இணைய பாதுகாப்பு நிறுவனமான BioCatch-ஐ $2.4 பில்லியனுக்கு கையகப்படுத்தியது ஒரு தொடர்புடைய போக்கை பிரதிபலிக்கிறது: AI கடன் முடிவுகளை வேகமாக்கும்போது, AI-அடிப்படையிலான மோசடி மற்றும் ஏமாற்று கண்டறிதலும் அதே வேகத்தில் செல்ல வேண்டும், ஏனெனில் அடையாள மற்றும் நடத்தை ஆபத்து சோதனைகள் சமமான அளவு அதிநவீனமாக இல்லையென்றால், வேகமான கடன் முடிவுகள் AI-இயக்கப்படும் மோசடி முயற்சிகளுக்கான வாய்ப்பை விரிவுபடுத்துகின்றன.

நடைமுறை நிதி குறிப்புகள்

கடன் வாங்குபவர்களுக்கு, நடைமுறை தாக்கம் என்னவென்றால், கடன் வழங்குநர்கள் கடன் தகுதியை மதிப்பிடும் விதத்தில் இப்போது பரந்த அளவிலான நிதி நடத்தை உள்ளீடாகிறது. வங்கி அறிக்கைகளை தூய்மையாக வைத்திருப்பது, சீரான வருமான வைப்புகளை பராமரிப்பது, மற்றும் தற்போதுள்ள கடமைகளை சரியான நேரத்தில் திருப்பிச் செலுத்துவது, பணியக-மதிப்பெண்-மட்டும் மாதிரிகளின் கீழ் இருந்ததை விட AI-அடிப்படையிலான அண்டர்ரைட்டிங்கின் கீழ் அதிக முக்கியத்துவம் பெறலாம், ஏனெனில் இந்த அமைப்புகள் ஒரு தனி நேர-புள்ளியை விட காலப்போக்கில் முறைகளைப் படிக்க கட்டமைக்கப்பட்டுள்ளன.

AI கருவிகளை மதிப்பீடு செய்யும் கடன் வழங்குநர்கள் மற்றும் நிதி தொழில்நுட்ப இயக்குநர்களுக்கு, தற்போதுள்ள கடன் மேலாண்மை அமைப்பில் AI அம்சங்களைச் சேர்க்கும் தளங்களுக்கும் தொடக்கத்திலிருந்தே AI-நேட்டிவ்வாக கட்டமைக்கப்பட்டவற்றுக்கும் இடையே வேறுபடுத்திப் பார்ப்பது மதிப்புள்ளது, ஏனெனில் மாற்று தரவை எவ்வளவு நன்றாக கையாள்கின்றன, மாதிரி விலகலைக் கண்காணிக்கின்றன, மற்றும் வசூலை விரிவுபடுத்துகின்றன என்பதில் இரண்டும் கணிசமாக வேறுபடுகின்றன. விற்பனையாளர் கூற்றுகள் எப்போதும் தொடர்புடைய கடன் வாங்குபவர் பிரிவுகளில் செயல்திறனின் சுயாதீன சான்றுகளுக்கு எதிராக சரிபார்க்கப்பட வேண்டும்.

எதிர்கால நோக்கு

தனிமைப்படுத்தப்பட்ட கருத்து சான்றுகளை இயக்குவதற்குப் பதிலாக இப்போது இந்த மாற்றத்திற்கு பல-ஆண்டு, பல-பில்லியன்-யூரோ பட்ஜெட்டுகளை ஒதுக்கும் பெரிய வங்கிகளில் குறிப்பாக, AI முன்னோட்டத் திட்டங்களிலிருந்து முக்கிய கடன் உள்கட்டமைப்பை நோக்கி தொடர்ந்து நகரும் என்று வளர்ச்சியின் திசை தெரிவிக்கிறது. ABN Amro Mistral AI உடன் உருவாக்கியுள்ள வகையிலான வங்கிகள் மற்றும் AI ஆய்வகங்களுக்கு இடையிலான கூட்டாண்மைகள், நிறுவனங்கள் விரைவாக தங்களுக்குள்ளேயே கட்டமைக்க முடியாத AI நிபுணத்துவத்தைத் தேடும்போது மிகவும் பொதுவானதாக மாறக்கூடும்.

அதே நேரத்தில், ஒழுங்குமுறையாளர்களும் ஆபத்து குழுக்களும், குறிப்பாக நேர்மை, விளக்கத்தன்மை, மற்றும் மோசடி வெளிப்பாடு தொடர்பாக, இந்த மாதிரிகள் எவ்வாறு முடிவுகளை எடுக்கின்றன என்பதோடு ஒத்திசைந்து செல்ல வேண்டும். BioCatch கையகப்படுத்துதல் போன்ற ஒப்பந்தங்களில் தெரியும் AI-அடிப்படையிலான அண்டர்ரைட்டிங் வளர்ச்சியும் AI-அடிப்படையிலான மோசடி மற்றும் அடையாள ஆபத்தும் இணைந்திருப்பது, இந்த இரண்டும் தனித்தனி கவலைகளாக அல்லாமல் தொடர்ந்து ஒன்றாக உருவாக்கப்பட்டு ஒழுங்குமுறைப்படுத்தப்படும் என்பதைக் காட்டுகிறது.

இது கடன் வாங்குபவர்கள் மற்றும் கடன் வழங்குநர்களுக்கு என்ன அர்த்தம்

கடன் வாங்குபவர்களுக்கு, AI-அடிப்படையிலான கடன் வழங்குதல் என்பது வேகமான முடிவுகளையும், கடினமான, பணியக-மட்டும் மதிப்பெண்ணிடலால் முன்பு விலக்கப்பட்டவர்களுக்கு கடன் அணுகலையும் குறிக்கலாம். இது கடன் வழங்குநரின் மாதிரி பரந்த அளவிலான நிதி நடத்தைகளை பிரதிபலிப்பதையும் குறிக்கலாம், இது சீரான திருப்பிச் செலுத்துதல் மற்றும் நிலையான கணக்கு செயல்பாடு போன்ற நிதி பழக்கங்களை மேலும் முக்கியத்துவம் வாய்ந்ததாக ஆக்குகிறது.

கடன் வழங்குநர்களுக்கு, கணக்கீடு என்பது வேகத்தையும் உள்ளடக்கத்தையும் ஆபத்து மற்றும் இணக்கத்திற்கு எதிராக சமநிலைப்படுத்துவதாகும். Rezolv போன்ற AI-நேட்டிவ் கடன் வழங்குநர்கள் முதல் Rabobank மற்றும் ABN Amro போன்ற பெரிய வங்கிகள் வரை, மிக வேகமாக நகரும் நிறுவனங்கள், AI கடன் முடிவெடுத்தலை ஆண்டுகளாக முதலீடு செய்ய வேண்டிய முக்கிய உள்கட்டமைப்பாகக் கருதுகின்றனவே தவிர, இயக்கிவிடக்கூடிய குறுகிய கால அம்சமாக அல்ல.