Фото: перший заступник голови НБУ Катерина Рожкова (bank.gov.ua) Автор: Олександр Білоус
Питання ідентифікації і контролю ризиків під час кредитування населення залишаються актуальним для банків. Використання штучного інтелекту (ШІ) може пришвидшити ці процеси та поліпшити їх якість.
Про це заявила перший заступник голови НБУ Катерина Рожкова, повідомляє РБК-Україна з посиланням на прес-службу НБУ.
“Досвід розвинутих країн доводить ефективність використання фінустановами ШІ не лише для скорингу та організації роботи колцентрів, а й під час укладання договорів з клієнтами та перевірки документів, що безумовно підвищує якість і точність складних процесів. Крім того, це потужний інструмент для моделювання майбутніх потреб клієнтів”, – сказала вона.
Відновлення кредитування
Як зазначила Рожкова, роздрібне кредитування в Україні триває навіть в умовах повномасштабної війни, але рівень проникнення (співвідношення наданих позик до ВВП) історично досить низький порівняно з європейськими країнами – близько 3% порівняно з 25%, наприклад, у Польщі.
За її словами, беззаставне споживче кредитування зазвичай найпершим відновлюється після кризи, на сьогодні цей напрям є в нашій країні флагманським, підживлюючи конкуренцію банків і небанківських фінустанов та розвиток технологічних рішень.
Фінустанови в режимі реального часу пристосовуються до змін у структурі економіки: високий рівень безробіття, зміна рівня доходів у секторах, велика кількість ВПО, мобілізація клієнтів тощо, додала вона.
Крім того, директор Департаменту фінансової стабільності НБУ Первін Дадашова повідомила, що рушієм пожвавлення роздрібного кредитування є зростання реальних доходів населення та певне поліпшення споживчих настроїв порівняно з низьким рівнем на початку повномасштабної війни.
“Про кредитний бум поки що не йдеться. Для “розігріву” ринку банкам доводиться докладати значних зусиль, розширювати коло клієнтів, зокрема й за рахунок категорій, кредитування яких було на паузі з початку повномасштабної війни”, – сказала вона.
Скоринг – це інструмент для визначення клієнтів, які повернуть кредит, потенційних шахраїв тощо. Результати моделювання дозволяють оцінити ризики неповернення кредитів і водночас не відмовляти тим, хто потенційно поверне гроші.
