كيف يغيّر الذكاء الاصطناعي والتعلم الآلي عملية إنشاء القروض: وجهة نظر المُقرِض

تبدو معظم المقالات عن الذكاء الاصطناعي في الإقراض وكأنها كُتبت لبنوك تملك فرق اكتتاب كبيرة وعلماء بيانات. لكن بالنسبة لكثير من المقرضين، الواقع هو مجرد عدد قليل من مسؤولي القروض، وحاسوب محمول مشترك، وجدول البيانات الوحيد الذي لا يفهمه بالكامل سوى شخص واحد.

إذن، ما الذي يغيّره الذكاء الاصطناعي وتعلّم الآلة فعليًا في إنشاء القروض؟ الإجابة الصادقة: أقل مما تعد به العناوين الرئيسية. أكبر المكاسب تأتي من أتمتة الخطوات المتكررة القائمة على القواعد حتى لا يفوتك أي شيء، ومن استخدام الذكاء الاصطناعي للإشارة إلى المستندات المشبوهة أو المقترضين مرتفعي المخاطر ليقوم شخص بمراجعتها مرة أخرى.

أما كل ما عدا ذلك؟ فغالبًا ليس سوى أتمتة لسير العمل مُقدَّمة في ثوب «الذكاء الاصطناعي»، أو ادعاءات سترغب في اختبارها قبل الوثوق بها.

هذا الأمر مهم فعلًا. الأتمتة تتبع القواعد نفسها في كل مرة، ويمكنك أن ترى بالضبط لماذا فعلت ما فعلته. أما الذكاء الاصطناعي، فيتخذ قرارات بدرجة معينة من الثقة — وقد يكون مخطئًا، وأحيانًا لن تكتشف ذلك حتى تظهر مشكلة. إذا تعاملت مع الأتمتة والذكاء الاصطناعي بطريقتين مختلفتين، يمكنك تسريع عملية إنشاء القروض دون أن تفقد السيطرة. وإذا لم تفعل، فقد توافق على قروض لا تستطيع تفسيرها لاحقًا.

تتعمق هذه المقالة في الموضع الذي يناسب الذكاء الاصطناعي فعلًا في عملية إنشاء القروض لديك، وما الذي يجب إبقاؤه تحت مراجعة بشرية، وكيف يمكنك إدخال أيٍّ من ذلك دون أن ينتهي بك الأمر إلى نظام منفصل آخر بجانب ملفات Excel.

إذا كنت تفضّل رؤية ذلك عمليًا، يمكنك تجربته على lendbox.io واستيراد قروضك من Excel أو CSV — دون بطاقة، ودون رسوم إعداد.

أين يناسب الذكاء الاصطناعي في عملية إنشاء القروض

تغطي عملية إنشاء القروض المرحلة الممتدة من لحظة طلب المقترض للمال حتى مغادرة الأموال حسابك. الأتمتة تُبقي الأمور تتحرك بالترتيب، بينما يتدخل الذكاء الاصطناعي في القرارات التقديرية. ومعرفة الفرق بينهما تساعدك على تحديد المواضع التي تحتاج إلى إبقاء شخصٍ فيها ضمن الحلقة.

من استلام الطلب حتى صرف القرض

سواء كنت تدير فرعًا واحدًا أو خمسة فروع، يبقى المسار نفسه تقريبًا: استلام الطلب، التحقق من هوية المقترض، جمع المستندات، فحص القدرة على السداد، تحديد الشروط، منح الموافقة، توقيع الاتفاقية، ثم إرسال الأموال.

نظام إنشاء القروض (LOS) هو البرنامج الذي ينقل الملف عبر كل تلك الخطوات. لكن بصراحة، يوزّع معظم صغار المقرضين هذه المهمة بين نموذج ورقي، ومحادثة WhatsApp، وجدول بيانات، وربما قالب Word.

التكلفة الحقيقية ليست في السرعة، بل في الفجوات. مثل قسيمة راتب مفقودة لم ينتبه إليها أحد، أو موظف يمنح 18 شهرًا بينما تنص منتجاتك على 12.

الأتمتة والذكاء الاصطناعي وتعلّم الآلة: الفرق العملي

يستخدم الناس كلمات «الأتمتة» و«الذكاء الاصطناعي» و«تعلّم الآلة» وكأنها مترادفة. لكنها ليست كذلك، ومعرفة الفرق بينها تخبرك بمدى ثقتك في النتائج.

• الأتمتة - ما الذي تفعله فعلًا: تتبع القواعد التي تحددها. تُنشئ جدول سداد، وتطبّق رسومًا، وتحوّل الملف إلى الموافق التالي.

  • هل يمكنك تتبّع النتيجة؟ نعم. المدخل نفسه يعطي الناتج نفسه في كل مرة.

• الذكاء الاصطناعي (AI) - ما الذي يفعله فعلًا: يُصدر تقييمًا أو تصنيفًا من الأنماط، مثل «تبدو هذه الهوية معدّلة».

  • هل يمكنك تتبّع النتيجة؟ جزئيًا. ترى التنبيه والتبرير المقدم، لا المنطق الكامل.

• تعلّم الآلة (ML) - ما الذي يفعله فعلًا: الطريقة التي تقف خلف معظم أنظمة الذكاء الاصطناعي. نموذج مدرَّب على بيانات سابقة للتنبؤ بشيء ما، مثل احتمال التأخر في السداد.

  • هل يمكنك تتبّع النتيجة؟ الأقل بين الثلاثة من حيث إمكانية التتبّع. تعتمد الدقة على البيانات التي تعلّم منها.

تقع أتمتة العمليات الروبوتية والمعالجة المباشرة في طرف الأتمتة. المعالجة المباشرة تعني أن الملف يمكن أن ينتقل من الطلب إلى الموافقة دون أن يلمسه أي شخص. هذا مناسب للقروض الصغيرة والمضمونة وللمقترضين المتكررين. أما المقترضون لأول مرة من أصحاب الدخل غير النظامي؟ فالأمر ليس كذلك.

أنظمة إنشاء القروض ودورة الإقراض الأوسع

إنشاء القرض ليس سوى الثلث الأول من المهمة. بعد ذلك يأتي صرف القرض، تتبّع السداد، والمتأخرات، والغرامات، والتحصيل، والمحاسبة.

إذا كانت منصة الإقراض الرقمية لديك تتعامل مع إنشاء القروض فقط، فستحصل على موافقات سريعة لكن مع صداع في إدخال البيانات. وإذا لم يتحول القرض المعتمد تلقائيًا إلى جدول سداد، وقيود محاسبية، وسجل للمقترض، فأنت ببساطة نقلت العمل اليدوي إلى مرحلة لاحقة.

تحسين موثوقية استقبال الطلبات ومراجعة المستندات

معظم أخطاء منح القروض ليست قرارات سيئة، بل أخطاء في استقبال البيانات. ربما حقل فارغ، أو رقم نُسخ خطأً من قسيمة الراتب، أو بطاقة هوية لم يدققها أحد فعلًا. يساعد الذكاء الاصطناعي هنا أكثر من أي مكان آخر: في قراءة المستندات ووضع علامة على التي لا تبدو سليمة. وفي الوقت نفسه، تمنع النماذج الرقمية المنظمة بهدوء نصف المشكلة قبل أن تبدأ.

الطلبات الرقمية وبيانات الطلبات المنظمة

أرخص طريقة لتحسين عملية الموافقة على القروض؟ ليست حتى الذكاء الاصطناعي. فقط اجعل المقترضين يتقدمون عبر نموذج لا يُرسل حتى تكتمل جميع الحقول والمستندات المطلوبة.

تعني بيانات الطلبات المنظمة أن كل متقدم يعطيك المعلومات نفسها بالصيغة نفسها: جهة العمل، وصافي الراتب، والمُعالون، وأقرب الأقارب، والغرض. وعندما تكون متسقة، يمكنك مقارنة الملفات، ورصد القيم الشاذة، وإعداد تقارير فعلية عن مسار الطلبات.

إذا كان كل شيء نصًا حرًا على ورق، فلن تستطيع فعل أيٍّ من ذلك. في Lendbox، يمكنك ضبط حقول الطلب ومتطلبات المستندات بحيث يتوافق النموذج مع منتجك، لا العكس.

معالجة المستندات والتعرف الضوئي على الحروف (OCR) والتحقق من الهوية

يحوّل التعرف الضوئي على الحروف (OCR) صورة المستند إلى نص يمكن لنظامك قراءته. وعند إضافة التعلم الآلي، يمكنه استخراج قيم محددة: سطر الراتب في قسيمة الراتب، والرصيد الختامي في كشف الحساب البنكي، والرقم في بطاقة الهوية الوطنية.

ويحقق هذا مردودًا حقيقيًا مع سجلات المعاملات. فقراءة كشوف حساب بنكية لستة أشهر بالعين تستغرق من الموظف عشرين دقيقة وتعطيك متوسطًا «جيدًا بما يكفي». أما عند استخراجها بشكل صحيح، فيمكنك رؤية تقلب الدخل، وأقساط القروض الأخرى، والأيام التي يبقى فيها الحساب فارغًا.

التحقق من الهوية، وفحوصات «اعرف عميلك» (KYC)، وفحوصات مكافحة غسل الأموال (AML) منفصلة عن استخراج البيانات من المستندات. لا تفترض أن أداة واحدة تفعل كل شيء، وتحقق مما تتوقعه جهتك الرقابية فعلًا.

يجب أن يكتفي كشف الاحتيال بالتنبيه، لا أن يحل محل المراجعة البشرية

يقارن كشف الاحتيال المدعوم بالذكاء الاصطناعي الصور المرفوعة بأنماط التلاعب: خطوط غريبة، وحقول معدّلة، وقوالب مُعاد استخدامها، وبيانات وصفية غريبة.

إنه بارع في كشف التزوير الواضح وحتى بعض الحالات الدقيقة التي قد يفوتها موظفوك. لكنه أيضًا يصدر إنذارات خاطئة، وسيفوته حتمًا تزوير متقن للغاية.

تعامل مع كل إنذار بصفته سببًا للتدقيق أكثر، لا رفضًا تلقائيًا. وسجّل ما وجدته ولماذا قررت المضي قدمًا رغم ذلك. هذه الملاحظة قيمتها أكبر من الإنذار نفسه إذا تساءل أحدهم عن القرض بعد ستة أشهر.

استخدام إشارات مخاطر أفضل دون التخلي عن قرار الائتمان

درجة المخاطر مجرد مدخل، وليست القرار بحد ذاته. إذا استخدمت التعلم الآلي على النحو الصحيح، يمنحك رأيًا ثانيًا متسقًا في كل ملف ويخبرك أي الملفات يستحق نظرة أقرب. وإذا استخدمته بتكاسل، يتحول إلى رقم لا يستطيع أحد تفسيره لمقترض مرفوض.

التقييم الائتماني، والجدارة الائتمانية، وملفات المخاطر

يعتمد التقييم الائتماني التقليدي—بما في ذلك درجات FICO حيث تكون مكاتب الائتمان ناضجة— على تاريخ السداد الموثق. في الأسواق التي يملك فيها كثير من المقترضين ملفات ائتمانية ضعيفة أو لا يملكون ملفات لدى المكاتب، يفقد هذا النموذج فعاليته بسرعة.

تعمل درجة مخاطر الائتمان بالذكاء الاصطناعي بشكل مختلف. فهي تزن تاريخ المقترض معك، وسلوك السداد، واستقرار الدخل، ونسبة القرض إلى قيمة الضمان، وأداء المقترضين المماثلين في الماضي. الناتج هو درجة بالإضافة إلى ملف مخاطر يوضح العوامل التي جعلتها أعلى أو أقل.

الملف هو الجزء المفيد. فدرجة 62 لا تعني شيئًا. أما عبارة «62، مدفوعة بتأخرين في السداد في الدورة الماضية وبنسبة دين إلى الدخل تتجاوز سقف منتجك» فتخبرك بما ينبغي أن تسأل عنه المقترض.

التحليلات التنبؤية في الاكتتاب الائتماني

تعني التحليلات التنبؤية في الاكتتاب استخدام الأنماط المستخلصة من قروضك المغلقة لتقدير سلوك القرض الجديد. وتجد خوارزميات التعلم الآلي مجموعات عوامل مرتبطة بالمتأخرات، بعضها قد لا تتوقعه أبدًا.

لكن ثمة حدّان بصراحة. أولًا، لا يعرف النموذج سوى المقترضين الذين وافقت عليهم، ولا يعرف شيئًا عن الذين رفضتهم. ثانيًا، إذا كانت محفظتك صغيرة، تكون الأنماط ضعيفة.

استخدمه لفرز الطلبات. الملفات النظيفة ذات الدرجات الجيدة تتحرك بسرعة. والملفات الحدّية تذهب إلى موظف بشري مرفقًا بها ملف المخاطر.

متى تحتاج البيانات البديلة واتخاذ القرار الآلي إلى عناية إضافية

تعني البيانات البديلة إشارات خارج التاريخ الائتماني: تدفقات الأموال عبر الهاتف المحمول، وشحن الرصيد، ومدفوعات المرافق، وسلوك الجهاز. ويمكن أن يوسّع هذا فعلًا فرص الوصول للمقترضين الذين ليس لديهم سجل لدى مكاتب الائتمان.

لكنه قد يرسّخ أيضًا تحيزًا قد لا تلحظه من لوحة المعلومات. ويثير أسئلة حول الموافقة: ما الذي يُسمح لك بجمعه ومعالجته.

اتخاذ القرار الائتماني الآلي دون تدخل بشري مقبول للقروض الصغيرة المتكررة ذات السجل النظيف. أما للمقترضين لأول مرة، أو المبالغ الأكبر، أو أي شيء يتضمن ضمانًا، فأبقِ شخصًا مسؤولًا عن الموافقة. يمكن أن ينجح التسعير الديناميكي والشروط المخصصة، لكن يجب أن تكون القواعد قواعدك أنت ومكتوبة، لا مجرد ما يخرجه النموذج.

ضوابط تُبقي الإقراض الذكي خاضعًا للمساءلة

كل ميزة ذكاء اصطناعي تضيفها تخلق سؤالًا ستواجهه عاجلًا أم آجلًا: لماذا رفضت هذا المقترض، أو وافقت على ذلك القرض؟ الضوابط أدناه تساعدك على الإجابة. إنها ليست مبهرة، لكنها بصراحة ما يقف بينك وبين محادثة محرجة.

قابلية التفسير، والإقراض العادل، والتصعيد البشري

يعني الذكاء الاصطناعي القابل للتفسير أن النظام يعرض لماذا جاءت الدرجة كما جاءت، وليس الرقم فحسب. إذا لم تستطع الأداة إخبارك بالسبب، فلا يمكنك استخدامها لاتخاذ قرارات ائتمانية.

ضع قواعد التصعيد قبل أن تفعّل أي شيء. وحدد أي نطاقات الدرجات تمضي تلقائيًا، وأيها يذهب إلى مدير، ومن يعتمد القرار إذا أردت تجاوز ذلك. ودوّنها في مكان ستعود إليه فعلًا.

الإقراض العادل مسؤوليتك أنت، لا مسؤولية النموذج. راجع حالات الرفض بين الحين والآخر وابحث عن أنماط —حسب المنطقة أو الجنس أو الوظيفة— لا معنى تجاريًا لها.

سجلات التدقيق وحماية البيانات وضوابط الوصول

يسجل سجل التدقيق من الذي غيّر ماذا ومتى. إنه أكثر الضوابط قيمةً على الإطلاق في أعمال الإقراض، ولا تستطيع جداول البيانات ببساطة أن تفعله.

تريده أن يغطي الموافقات، وتعديلات مدة القرض، وتوزيع المدفوعات، وإعفاء الغرامات، وأي تجاوز لتنبيه مخاطر.

إلى جانب ذلك:

• التحكم في الوصول القائم على الأدوار—بحيث لا يرى مسؤول القروض سوى فرعه والمقترضين التابعين له، وليس المحفظة كاملة.
• التشفير أثناء النقل والتخزين، كتوقع أساسي من أي مزوّد
• النسخ الاحتياطي في أكثر من موقع، مع اختبارها عبر الاستعادة الفعلية بين الحين والآخر

تختلف قواعد خصوصية البيانات من سوق إلى آخر. تؤثر اللائحة العامة لحماية البيانات (GDPR) في طريقة بناء المزوّدين لأنظمتهم، لكن التزاماتك الخاصة بشأن البيانات والموافقة تُحدد محلياً.

مراقبة الامتثال مسؤولية المُقرِض

تساعد فحوصات الامتثال الآلية. فهي تنبّه إلى المستندات الناقصة، وتجاوز حدود المنتج، والملفات التي تخطّت خطوة اعتماد.

لا يوجد برنامج يجعلك ممتثلاً. اللوائح المالية تنطبق عليك أنت، المُقرِض المرخّص. ولا يمكن لأي مزوّد — بما في ذلك Lendbox — أن يتحمل ذلك نيابة عنك.

ما يمنحك إياه البرنامج الجيد هو الأدلة: سجلات كاملة، وقرارات قابلة للتتبع، وتقارير يمكنك إصدارها عند الطلب دون أسبوع من التنقيب.

توسيع الذكاء إلى ما بعد الموافقة ليشمل إدارة المحفظة

قرار منح القرض ليس سوى لحظة واحدة. يستمر القرض لأشهر، وهناك تُفقد الأموال فعلياً. إذا طبّقت التعرف على الأنماط نفسه على السداد، وأداء الموظفين، والتواصل مع المقترضين، فستكتشف المشكلات قبل أسابيع مما كان سيكشفه تقرير نهاية الشهر.

إشارات الإنذار المبكر للتعثر في السداد

معظم حالات التعثر لا تفاجئك فجأة. يدفع المقترض متأخراً ثلاثة أيام، ثم ثمانية، ثم ربما يرسل جزءاً فقط من المستحق.

وبحلول الوقت الذي يتخلف فيه عن دفع دفعة بالكامل، تكون قد رأيت النمط لدورتين بالفعل.

يراقب نظام الإنذار المبكر هذا الانحراف. فهو ينبّه إلى الخطر بينما لا يزال القرض قابلاً للاسترداد.

الإشارات التي يجب مراقبتها:

• السداد يأتي متأخراً في كل دورة، حتى لو كان لا يزال ضمن المهلة من الناحية الفنية
• دفعات جزئية من مقترض كان يسدد المبلغ كاملاً
• مكالمات أو رسائل تبقى دون رد
• حصول المقترض على قرض ثانٍ من جهة أخرى، إذا كان لديك رؤية لذلك
• ضمانة يتعذر فجأة التحقق منها في العنوان المذكور

لا تحتاج إلى تعلم آلة متطور لأي من هذا. فقط سجّل البيانات بشكل متسق، واجعل شيئاً يفحصها كل يوم.

مراقبة المخاطر عبر السداد والفروع

المراقبة المستمرة تحدّث وضع محفظتك مع ورود المعاملات، وليس فقط عندما يُعدّ شخص تقريراً.

راقب ثلاثة جوانب. المحفظة المعرضة للخطر (PAR) — وهي حصة محفظتك ذات المدفوعات المتأخرة. وشرائح التقادم عند 30 و60 و90 يوماً، حتى تتمكن من معرفة أين تتراكم المتأخرات. ثم الأرقام نفسها حسب الفرع وحسب الموظف.

قد تكون رؤية أداء الموظف مزعجة، لكنها ضرورية. إذا كانت محفظة أحد الموظفين تتدهور أسرع من البقية، فعادة ما تكون علامة على عادة تقييم تحتاج إلى تصحيح — وليست مجرد سوق صعبة.

التواصل مع المقترضين دون فقدان العلاقة الإنسانية

تساعد التذكيرات الآلية قبل تاريخ الاستحقاق على تقليل النسيان الحقيقي — وهو جزء كبير من متأخراتك. الرسائل النصية، وواتساب، والبريد الإلكتروني، أو أي وسيلة تعمل؛ استخدم القناة التي يتابعها مقترضوك فعلاً.

تستطيع روبوتات الدردشة ومعالجة اللغة الطبيعية (NLP) تولي الأمور المتكررة: الرصيد، وتاريخ الاستحقاق التالي، وطلبات كشف الحساب. أحياناً تؤدي بوابة المقترض المهمة نفسها، مع مخاطرة أقل بإجابة غريبة.

لكن أبقِ المحادثات الصعبة مع أشخاص حقيقيين. لا أحد يريد إعادة هيكلة قرض مع روبوت، والمقترض المتعثر الذي يعتقد أنه يتحدث إلى آلة سيتوقف على الأرجح عن الرد.

كيف تتبنى الذكاء الاصطناعي دون إنشاء نظام منفصل آخر

إليك خطأ شائعاً: تشتري أداة إنشاء قروض ذكية، لكنها تبقى بجانب جدول البيانات القديم ونظام المحاسبة، فتنتهي بإعادة إدخال كل شيء مرتين. الترتيب مهم. عالج القرارات التي تكلّفك وقتاً، وأثبت أن البيانات نظيفة، ثم أصرّ على أن تتصل أداتك فعلياً بما يحدث بعد الموافقة.

ابدأ بالقرارات والاستثناءات التي تكلّفك وقتاً

اقضِ أسبوعاً في تتبع أين تتعطل الملفات فعلياً. ليس فقط ما يبدو بطيئاً — بل ما ينتظر فعلاً.

عادةً، يكون الأمر ملاحقة مستند ناقص، أو انتظار توقيع، أو إعادة حساب جدول سداد بعد تعديل المدة، أو تواصل الموظف مع المكتب الرئيسي لتأكيد حد معين.

قم بأتمتة تلك الأمور. إنشاء الجدول الزمني تلقائيًا، وخطوات موافقة قابلة للتخصيص، وقوائم تحقق من المستندات تمنع الإرسال. هذه مجرد أتمتة عادية وليست ذكاءً اصطناعيًا، وستوفر ساعات أكثر من أي نموذج مخاطر.

ثم اذكر استثناءاتك — الملفات التي تحتاج دائمًا إلى عنصر بشري. المقترضون لأول مرة الذين يتجاوزون حدًا معينًا، وأي شيء يتضمن ضمانات، وعمليات إعادة الهيكلة، وقروض الأطراف ذات الصلة. يجب أن تظل هذه يدوية بحسب التصميم.

اختبر جودة البيانات وملكية سير العمل وقابلية التدقيق

قبل أن تثق بأي ميزة ذكاء اصطناعي، جرّبها على ملفات تعرف نتيجتها مسبقًا. أدخل إليها قروضًا مغلقة — الجيدة والسيئة — وانظر ما إذا كانت المؤشرات تطابق الواقع.

اطرح ثلاثة أسئلة على أي مزوّد:

1. من يملك سير العمل؟ هل يمكنك تغيير خطوات الموافقة وقواعد المنتج بنفسك، أم يتعين عليك فتح تذكرة دعم؟
2. هل كل إجراء قابل للتتبع؟ الموافقات والتعديلات والتجاوزات والإعفاءات من الغرامات، مع المستخدم والطابع الزمني.
3. ماذا يحدث عندما يخطئ النموذج؟ كيف تتجاوزه، وهل يسجل النظام هذا التجاوز؟

إذا لم يستطع العرض التجريبي أن يُريك سجل التدقيق، فحسنًا، ها هي إجابتك.

اختر منصة تربط بين إنشاء القروض والمحاسبة والتحصيل

عندما تُبقي إنشاء القروض في نظام ودفاترك في نظام آخر، تمتد أعمال نهاية الشهر لأيام. ألن يكون الأمر أسهل لو أن القرض المعتمد ينشئ الجدول الزمني والقيد المحاسبي وسجل المقترض دفعة واحدة؟

يعمل Lendbox بهذه الطريقة. فهو يتولى طلبات المقترضين عبر الإنترنت ويتيح لك إعداد سير عمل الموافقات بالطريقة التي تحتاجها.

يوجد ذكاء اصطناعي لاكتشاف تزوير المستندات ولتقييم مخاطر الائتمان. كما تحصل على محاسبة القيد المزدوج مع قيود محاسبية تلقائية، بالإضافة إلى سجلات تدقيق كاملة — على الويب وAndroid وiOS.

الترحيل سهل للغاية: فقط استورد ملفات Excel أو CSV. إذا أرسلت ملفك، فسيقوم الفريق بإعداد كل شيء لك.

أيًا كان ما ستختاره في النهاية، اختر الحل الذي يغطي دورة الحياة الكاملة. العروض التوضيحية جميلة، لكنها لا تدير أعمالك.