KI könnte die Zukunft der Bankkreditvergabe radikal verändern – und wer für Kredite zugelassen wird

Da KI jede Ecke der Geschäftswelt infiltriert, Banken experimentieren mit der Technologie für die Kreditvergabe. Dieses Experiment hat die Aufmerksamkeit von Wissenschaftlern erregt. Harvard-Forscher führte eine Fallstudie durch auf einem in Kalifornien ansässigen Startup, Zest AI, das ein Maschinenlernmodell verwendet, um das Kreditrisiko von Banken als Alternative zu herkömmlichen Maßnahmen (z. B. Kreditscores ) zu bewerten. Zest wird von mehr als 180 Banken und Kreditgenossenschaften verwendet, von großen Institutionen wie Freddie Mac bis zu kleinen lokalen Institutionen in den USA. Zu seinen Konkurrenten mit ähnlichen Diensten gehören Pagaya Technologies, Chetu, Kreditgeber-Toolkit, und Informiert.IQ, unter anderem.

Zest AI erlangte Anklang, weil „es nachweisen konnte, dass sein Kreditrisikomodell genauere Bewertungen des Kreditrisikos liefert als Standardkredite.“ „Scores, die von Ratingagenturen wie Equifax, Experian und TransUnion verfügbar sind“, schreiben David Scharfstein und Ryan Gilland von Harvard in ihrem Bericht Ihre Fallstudie wurde zwar vor der Veröffentlichung von einem Vertreter von Zest AI überprüft und genehmigt, sie wurde jedoch nicht vom Unternehmen finanziert.

Kreditgenossenschaften und Banken, die Zest-KI nutzen, verzeichneten einen Anstieg der Kreditgenehmigungen um 25 % bei gleichbleibendem Risiko

„Sie sagen also nicht nur „Ja“ zu mehr Leuten, sondern Sie gehen das gleiche Risiko ein, können aber „Ja“ zu mehr Ihrer Kunden und Mitglieder sagen“, sagte Mike de Vere, CEO von Zest AI, Anfang des Jahres gegenüber Quartz.

Denn während Kredit-Scores ein körniges, pixeliges Bild eines Kreditnehmers liefern, liefern KI-Modelle ein hochauflösendes 3D-Video. DeVere sagte, Zest verwende „Hunderte von Variablen“, um über die Kreditgenehmigung zu entscheiden, während ein Kredit-Score ein „stumpfes Instrument ist, das normalerweise 15 bis 20 Variablen enthält“. Beispielsweise verwendet das Modell Stellvertreter für das Verhältnis von Schulden zu Einkommen, einem Faktor in herkömmlichen Bewertungsmodellen, der das Geschlecht nicht berücksichtigt Es kommt zu Lohnunterschieden und führt zu geringeren Kreditgenehmigungen für Frauen. Dies ist auf Muster zurückzuführen, beispielsweise wenn jemand während eines Zeitraums eine verspätete Zahlung per Kreditkarte erhält jedes Jahr die Feiertage, aber zu keiner anderen Zeit.

„Während das Zest-KI-Modell eine signifikante Anzahl von Bewerbern als risikoarm kategorisierte, während das Standardmodell sie als risikoreich kategorisierte, ist dies der Fall Es gab auch Fälle, in denen das Zest-KI-Modell Kreditnehmer als risikoreich kategorisierte, während das Standardmodell sie als risikoarm kategorisierte Der wirtschaftliche Gewinn durch die Anwendung des Zest-KI-Modells ergab sich sowohl aus der Erweiterung des Pools berechtigter Kreditnehmer als auch aus der Abweisung risikoreicher Antragsteller, die möglicherweise dazu verpflichtet wären andernfalls wurden sie genehmigt, sind aber in Verzug geraten.“ – David S. Scharfstein und Ryan Gilland für die Harvard Business School Case Collection

Mit der Umsetzung seines Modells zeigt Zest auch, wie KI den Zugang zu Privat-, Auto-, Eigenheim- und Kleinunternehmenskrediten für People of Color erweitern kann. Kreditgeber, die Zest AI nutzen, verzeichneten einen Anstieg der Kreditgenehmigungen um 49 % für Latinos, 41 % für schwarze Antragsteller, 40 % für Frauen, 36 % für ältere Antragsteller und 31 % für Antragsteller aus dem asiatisch-amerikanischen pazifischen Inselraum.

Diese Auswirkungen sind insbesondere bei einigen Institutionen ausgeprägter. Beispielsweise verzeichnete die Verity Credit Union im Bundesstaat Washington einen erheblichen Anstieg bei den Kreditgenehmigungen für Schwarze Amerikaner (177%), Menschen über 62 Jahre alt (271%) und AAPIs (375%).

Correction: A previous version of this article said Harvard conducted a study on Zest AI showing that it increased loan approvals by 25%. Harvard did not conduct an independent analysis; it reported on numbers shared to them by Zest AI.