Клиенты нейросети

Почему в кредитовании до сих пор не произошло технологического сдвига, что мешает использовать нейросети и машинное обучение для оценки заемщиков и стоит ли инвестировать в подобные финтех-продукты, рассказывает основатель и управляющий партнер международной инвестиционной компании Digital Horizon Алан Ваксман

Кредитование — самый консервативный сегмент банкинга. Несмотря на то что мы уже давно получаем зарплату на счета в необанках, бесплатно отправляем друг другу денежные переводы и оплачиваем покупки в мессенджерах, базовые кредитные продукты большинства банков остаются такими же, как и 20 лет назад. Европейские и американские банки охотнее выдают ипотеку под небольшой процент, чем потребительские кредиты или кредиты для бизнеса, на которых могли бы заработать больше.Но когда технологиям удастся прорвать оборону устаревших скоринговых моделей, мы увидим огромный сдвиг на финансовом рынке. Для этого нужно преодолеть лишь несколько препятствий.Застрявшие в прошломГлавная проблема кредитования — банки и кредитные организации не умеют заранее собирать и правильно использовать данные о потребителях. Абсолютное большинство скоринговых моделей крупных банков используют те же параметры для оценки потенциального заемщика, что и в конце XX века. Они все еще рассчитаны на тех, кто подолгу работает на большие корпорации и имеет регулярную, растущую со временем зарплату.Однако мир изменился: миллионы людей трудятся в небольших компаниях, а самые востребованные специалисты часто выбирают проектный формат работы.Представим, что в банк пришла женщина-архитектор — назовем ее Анна. У нее есть крупные контракты, заключенные через Fiverr или другую платформу для фрилансеров. Пять месяцев она живет в Лондоне, четыре — в Италии, еще три — в Москве. Компьютер скажет Анне однозначно «нет». Она не сможет взять кредит — например, на обучение детей, а банк упустит шанс хорошо заработать.Конечно, сегодня есть инновационные бизнесы, которые строят альтернативные модели кредитования. В первую очередь это сервисы Buy Now Pay Later («умные рассрочки»), а также цифровой факторинг, где кредиторы видят всю цепочку поставок и минимизируют свои риски. Но это капля в море.Технологии ищут плечоЧтобы в сегменте кредитования произошел заметный технологический сдвиг, финтех-компаниям нужен доступ к достаточно большому кредитному плечу — от $100 млн, а также право «сжечь» часть этих средств во время обучения новых моделей.Сегодня нейросети и технологии машинного обучения с легкостью могут находить паттерны в массиве данных, определять статистический вес отдельных факторов и корреляцию — например, как наличие собаки влияет на вероятность задержки платежа ее владельцем. Более того, нейросети могут автоматически адаптировать кредитную модель в зависимости от изменения параметров. Проблема лишь в том, что их нужно тренировать, а значит, часть кредитных средств буквально сгорят на первом этапе развития продукта.Перспектива потерять часть денег не нравится ни кредиторам, ни инвесторам стартапов. Но именно сжигание средств для обучения кредитной модели — секрет успеха таких компаний, как многомиллиардный Upstart, недавно вышедший на IPO.Куда инвестироватьВенчурные инвесторы видят большой потенциал в развитии кредитных технологий. С одной стороны, на развивающихся рынках, особенно в Юго-Восточной Азии, сильно вырос спрос на кредиты, с другой — у кредитных продуктов очень устойчивая юнит-экономика, понятно, сколько можно заработать на каждом клиенте. Не случайно «Тинькофф» (один из немногих европейских цифровых банков, которым удалось стать прибыльными) был построен именно вокруг кредитных карт.В качестве наиболее перспективных для инвестиций можно выделить три направления:Провайдеры, которые упрощают подачу заявок на кредит и улучшают клиентский опыт. Большинство таких компаний работают с ипотекой, потому что это очень сложный процесс с точки зрения сбора и обработки документов, наличия разных ограничений. Автоматизированные решения для подачи и анализа заявок предлагают, например, Oper, ezbob или Blend.Компании, работающие с потребителями из растущих недообслуженных сегментов, таких как фрилансеры или малый и средний бизнес (МСБ). Банки просто игнорируют эту аудиторию — получить большой кредит, если ты работаешь в собственном стартапе, практически невозможно. А такие финтехи, наоборот, рады помочь. Например, Kabbage предлагает малому и среднему бизнесу средства для пополнения оборотного капитала и кредиты. Решение об одобрении заявки принимается почти мгновенно.

Встраиваемые кредиты. Такие продукты появляются в сферах, где есть очень хорошее понимание риска и много пользователей. В этом случае главная экспертиза — использование альтернативных источников данных и правильная расстановка весов для разных факторов. Например, британская компания Iwoca сотрудничает с необанками и различными платформами для МСБ, чтобы предоставлять альтернативные кредиты в нужном месте и в нужное время. Партнеры делятся с Iwoca актуальными транзакционными и другими данными, которые используются алгоритмами для формирования предодобренных предложений. Клиенты могут выбрать подходящий вариант и оформить кредит от Iwoca, не покидая партнерскую платформу.

Вложения в кредитные технологии требуют от инвесторов определенной смелости и пересмотра привычных убеждений. Пора признать, что кредитная модель — это технология, и средства, которые нужно сжечь для ее обучения, — не кредитные потери, а необходимые инвестиции на начальных стадиях. Как без расходов на маркетинг невозможно привлечь в новый продукт массовых клиентов, так и без затрат на обучение модели нельзя создать хороший кредитный продукт.Мнение редакции может не совпадать с точкой зрения автора