مدیرعامل دیجی‌پی با بیان اینکه درحال حرکت به‌سمت شناسایی مشتریان و بررسی اعتبار کاربران با استفاده از هوش مصنوعی و ابزار LMM هستیم، گفت: امیدمان این است که با تحلیل دیتاهای جایگزین دیتای سنتی کاربران، به پرداخت تسهیلات در زمان کوتاه‌تر به افراد بیشتر کمک کنیم.
هومن امینی می‌گوید: «فرض کنید یک کاربر برای خرید آنلاین وارد صفحه خرید شده و در مرحله آخر سفارشش را ثبت نکرده، چراکه حساب بانکی‌اش خالی بوده است. ما می‌خواهیم او را متقاعد کنیم که می‌تواند با استفاده از اعتبار، خریدش را کامل کند و بعدا پرداخت کند.»
او ادامه داد: «اینجا از یک طرف با منابع محدود بانک‌ها مواجهیم که به‌صورت کلاسیک در شرایط عادی هم حاضر نیستند منابعشان را به‌راحتی در اختیار مردم قرار بدهند، چه رسد به اینکه ما می‌خواهیم به آنها بگوییم این منابع و تسهیلات را به‌صورت آنلاین پرداخت کن. از طرف دیگر ما می‌خواهیم این منابع را در اختیار مردم قرار بدهیم که با خریدشان به توسعه تجارت در کشور کمک می‌کنند.»
مدیرعامل دیجی‌پی افزود: «قدم نخست برای ما این است که مشتری را بشناسیم و در اینجا از ماشین لرنینگ برای احراز هویت کاربر استفاده می‌کنیم. قدم دوم شناسایی ریسک یا اعتبار آن کاربر است. به‌صورت سنتی این فرایند دستی صورت می‌گیرد و اینجا هوش مصنوعی به این فرایند سرعت می‌دهد. حال هوش مصنوعی اگر بخواهد با تکیه بر داده‌هایی که در نظام بانکی وجود دارد کاربر را تحلیل و احراز اهلیت کند، طبق فرایندهای سنتی باید به وام‌هایی که کاربر در گذشته گرفته، استناد کند.»
امینی توضیح داد: «بیش از ۹۰ درصد آدم‌ها در ایران در این دسته قرار می‌گیرند که یا وام نگرفته‌اند یا وام‌های تکلیفی گرفته‌اند. اینجا ما با یک خلاء داده در اعتبارسنجی کاربر روبه‌رو هستیم و هوش مصنوعی باید به ما کمک کند این آدم را بهتر بشناسیم و بفهمیم آیا دارای شرایط اعطای تسهیلات هست یا نه. در واقع مدیریت ریسک درست روی کاربر انجام دهیم.»
او با بیان اینکه برای این کار باید به داده‌هایی رجوع کنیم که لزوما داده‌های کلاسیک بانکی نیستند، گفت: «آلترناتیو دیتا سورس‌ها در اینجا اهمیت زیادی پیدا کرده‌اند و در پلتفرم‌های تجارت الکترونیک این دیتاها معنادارتر هستند، به‌طوری‌که با شناسایی نکات مهم اطلاعات جایگزین، فرایندهای جدید امتیازدهی را شکل می‌دهیم.»
مدیرعامل دیجی‌پی در ادامه اظهار کرد: «مرحله نهایی، اعطای تسهیلات به کاربر است که خیلی وقت‌ها به‌نظر فرایند کلاسیکی می‌آید، اما اینجا هم با شرایط متفاوتی از ارائه‌دهندگان منابع مالی روبه‌رو هستیم؛ باید بررسی کنیم کدامیک از منابع بانکی ما در دسترس هستند، قیمت تمام‌شده پول چه‌قدر است و چه‌قدر با سرعت می‌توانیم منابع مالی را به دریافت‌کننده اعتبارات منتقل کنیم.»
امینی افزود: «با قراردادن همه این موارد در کنار هم، باید بگویم هوش مصنوعی جنبه‌ای فراتر از یک سرویس لاکچری و جذاب برای مقاله‌ها دارد. در دنیای چند سال اخیر، بحث LLMها یا Large Language Models پیش آمده است؛ با همه حرف‌های قشنگ درباره هوش مصنوعی، وقتی به فرصت‌هایمان در منابع دیتا برای اعطای تسهیلات نگاه می‌کنیم، باز هم خیلی دستمان بسته است. همین الان در لندتک‌ها دیتا سورس‌های موجود چالش اصلی هستند. ما چه‌قدر به منابع جایگزین اطلاعات سنتی دسترسی داریم؟ تحلیل بسیاری از این دیتا‌سورس‌های جدید کار ساده‌ای نیست. LLMها برای تنوع‌بخشی به منابع داده و معنادار کردن این اطلاعات و اینکه مطمئن شویم تسهیلات در اختیار آدم مطمئنی قرار گرفته است، به ما کمک می‌کنند.»
مدیرعامل دیجی‌پی تأکید کرد: «ما باید مطمئن شویم که با LLMها، به نگاه غیر قضاوتی‌تری رسیده‌ایم. ما در حال حرکت به سمت شناسایی مشتریان و بررسی اعتبار کاربران با استفاده از هوش مصنوعی و ابزار LLM هستیم و امیدمان این است که با تحلیل دیتاهای جایگزینِ دیتای سنتی کاربران با کمک هوش مصنوعی، به پرداخت تسهیلات در زمان کوتاه‌تر به افراد بیشتر با ریسک نکول پایین کمک کنیم.»
