Новый отчет PYMNTS Intelligence и Thredd описывает переход в кредитном скоринге от оценки заемщика к анализу конкретных транзакций. Традиционные модели опираются на исторические данные, такие как просрочки платежей или объем долга, которые не учитывают контекст каждой отдельной покупки.
Использование искусственного интеллекта позволяет кредиторам интегрировать данные о транзакциях и денежных потоках в реальном времени. Вместо присвоения клиенту фиксированного рейтинга риска системы теперь могут одновременно оценивать заемщика, характер покупки и текущее финансовое состояние для принятия решения.
Такой подход позволяет динамически менять сроки погашения, графики выплат и условия кредитования в зависимости от конкретной операции. Например, для одной покупки клиенту могут предложить рассрочку, а для другой — возобновляемую кредитную линию, вместо использования единых условий для всех операций.
Отчет указывает, что новая архитектура помогает выявлять платежеспособных клиентов, которых ранее отсеивали стандартные системы оценки. Фокусируясь на способности заемщика покрыть конкретное обязательство, а не на общих исторических данных, кредиторы могут точнее оценивать риски и расширять доступ к финансированию.
