Pada 14 November 2024, Financial Stability Board, badan di Basel yang mengoordinasikan regulator keuangan di 24 yurisdiksi, menerbitkan tinjauan tentang bagaimana AI sebenarnya digunakan dalam keuangan. Perusahaan memusatkannya pada operasional internal dan kepatuhan regulasi. Penggunaan yang menghasilkan pendapatan masih terbatas. Keputusan pemberian pinjaman adalah penghasil pendapatan, dan itulah bagian dari bank di mana AI sebagian besar belum diterapkan, karena alasan yang terletak di bawah model, bukan di dalamnya, yaitu pada apa yang platform pinjaman digital catat mengenai pinjaman yang sudah dilayaninya.
Tingkat kegagalan sudah terdokumentasi. Studi MIT tahun 2025 tentang alat AI perusahaan khusus menemukan bahwa 60% organisasi mengevaluasinya, 20% menjalankan uji coba, dan 5% mencapai tahap produksi. Outlook Perbankan dan Pasar Modal Deloitte tahun 2026 menyebutkan hambatan di dalam bank disebabkan oleh fondasi data yang terfragmentasi, sistem inti yang menua, dan tata kelola yang dibangun untuk jenis model yang berbeda. Tidak satu pun dari temuan ini berkaitan dengan matematika.
Apa yang dibutuhkan model kredit tidaklah misterius: sejumlah besar hasil berlabel, dalam perincian yang halus, dari peminjam yang benar-benar dilayani oleh pemberi pinjaman. Kartu skor konvensional membaca beberapa lusin variabel, sebagian besar berasal dari berkas biro kredit, yang merupakan ringkasan riwayat pembayaran peminjam yang disusun dan dijual oleh biro kepada pemberi pinjaman. Model pembelajaran mesin dapat membaca ribuan variabel, dan variabel yang memberikan nilai prediktif cenderung bersifat perilaku, yang diambil dari cara peminjam membayar, bukan dari apa yang diringkas oleh biro tentang mereka. Pemberi pinjaman yang dibangun di sekitar model sejak awal mengumpulkan riwayat tersebut dengan setiap pinjaman yang mereka berikan, dan efeknya terus bertambah. Bank yang telah memberikan pinjaman selama tiga puluh tahun menyimpan jauh lebih banyak riwayat peminjam daripada siapa pun, dan biasanya tidak dapat menggunakannya karena cara penyimpanannya: cuplikan saldo bulanan, bukan peristiwa; sistem inti yang dimigrasikan dua kali di mana alasan penjadwalan ulang hanya tersimpan dalam komentar teks bebas; serta laporan biro yang dibuang setelah keputusan dibuat.
Platform pinjaman digital Anda adalah set pelatihan
Model belajar dari apa yang terjadi, pada tingkat perincian saat data tersebut direkam. Ambil contoh pinjaman pribadi sebesar USD 15.000 selama 36 bulan. Jika dicatat dengan baik, pinjaman tersebut akan menyisakan 36 cicilan terjadwal, masing-masing dengan tanggal jatuh tempo, tanggal diterima, jumlah, dan saluran pembayaran, ditambah dua pembayaran parsial, biaya yang dibebaskan manajer cabang pada bulan kesembilan, penjadwalan ulang pada bulan keempat belas beserta alasannya, jumlah hari keterlambatan di setiap titik, dan pemulihan yang terjadi 20 bulan setelah pinjaman dihapuskan. Jika dicatat seperti cara banyak sistem inti mencatatnya, pinjaman yang sama hanya menyisakan satu baris: ditutup, lunas. Hanya versi pertama yang dapat mengajarkan sesuatu kepada model.
Ini adalah manajemen akun pinjaman yang menjalankan fungsi ganda. Penjadwalan pembayaran, akrual bunga, perhitungan biaya, penjadwalan ulang, dan aktivitas penagihan semuanya menghasilkan peristiwa, dan peristiwa tersebut adalah label tempat model dilatih. Institusi yang menyimpannya di tingkat peristiwa, dengan kode alasan yang terlampir, akhirnya memiliki kumpulan data yang tidak dapat dijual oleh vendor mana pun, karena data tersebut mendeskripsikan peminjam mereka sendiri di bawah kebijakan mereka sendiri.
Catat keputusan saat Anda membuatnya
Hampir setiap rezim kredit konsumen mengharuskan pemberi pinjaman untuk memberi tahu pemohon yang ditolak alasannya, dengan ketentuan yang cukup spesifik untuk ditindaklanjuti. Di AS, ini berbentuk pemberitahuan tindakan merugikan yang menetapkan alasan utama. Di Eropa, ini diatur melalui aturan perlindungan data yang mengatur keputusan yang dibuat dengan cara otomatis. Regulator di seluruh Asia dan Teluk telah mengeluarkan versi mereka sendiri, dan pengawas di mana pun telah menyatakan dalam beberapa bentuk bahwa model yang tidak dapat dijelaskan oleh siapa pun tidak memenuhi kewajiban tersebut.
Memenuhinya adalah masalah mempertahankan beberapa bidang data saat keputusan sedang dibuat. Pengambilan keputusan kredit otomatis harus menyimpan, pada catatan aplikasi, versi model yang memberikan skor, nilai fitur saat stempel waktu tersebut, laporan biro dan waktu pengambilannya, skor, kode alasan yang diberi peringkat, aturan kebijakan yang dipicu, dan intervensi manusia apa pun dengan justifikasi yang dinyatakan. Institusi yang memperlakukan ini sebagai masalah analitik, yang diekspor ke gudang data dan disusun kembali oleh tim data tiga bulan kemudian, tidak dapat menjawab pertanyaan tentang satu pemohon dari bulan Februari tanpa memulai sebuah proyek.
Catatan yang sama melakukan pekerjaan prudensial. Ekspektasi risiko model di seluruh rezim pengawasan utama bermuara pada tiga hal: pengembangan yang terdokumentasi, validasi independen oleh seseorang yang tidak membangun model tersebut, dan pemantauan berkelanjutan setelah model aktif. Ketiganya memerlukan keputusan produksi yang dicatat dengan input yang dilihatnya, bukan sekadar buku catatan pengembangan dan dek ringkasan. Pemberi pinjaman yang beroperasi di beberapa pasar mendapatkan lebih banyak manfaat dari ini daripada pemberi pinjaman pasar tunggal, karena satu catatan keputusan menjawab kewajiban lokal mana pun yang berlaku.
Intervensi adalah data paling berharga yang Anda miliki
Penjamin emisi tetap terlibat selama bertahun-tahun setelah model pertama aktif, yang menjadikan intervensi sebagai peristiwa berulang yang layak untuk ditangkap dengan benar: apa yang dikatakan model, apa yang dilakukan penjamin emisi sebagai gantinya, alasan yang mereka berikan, dan bagaimana kinerja pinjaman tersebut setelahnya. Jika hanya dijalankan melalui email dan catatan kasus, penilaian tersebut tidak pernah menjadi data pelatihan, dan model kedua akan dibangun di atas riwayat tipis yang sama dengan yang pertama.
Mulailah dari tempat di mana keuntungan sudah terbukti
Ekstraksi dokumen memberikan hasil dengan cepat karena dilakukan bersamaan dengan pekerjaan yang masih manual: laporan mutasi, slip gaji, dan izin usaha yang diurai ke dalam bidang terstruktur pada aplikasi pinjaman daring, dengan pendapatan yang diverifikasi dari narasi transaksi, bukan diketik dua kali. Penagihan dan pemulihan adalah kasus jangka pendek lainnya, yaitu memberi peringkat pada akun berdasarkan respons yang diprediksi dan mengatur waktu kontak, alih-alih menjalankan satu irama pengingat di seluruh buku pinjaman. Keduanya menghasilkan penghematan dalam satu kuartal, dan keduanya menghasilkan data berlabel yang akan dibutuhkan model penjaminan di kemudian hari: dokumen mana yang terurai dengan bersih, dorongan mana yang mendahului pembayaran, peminjam mana yang menjawab pada upaya kedua. Kewajiban perlakuan yang adil mencakup cara pemberi pinjaman menangani peminjam yang menunggak serta cara memutuskan aplikasi, sehingga keputusan perlakuan tersebut perlu dicatat dengan ketentuan yang sama seperti penolakan.
Produksi berarti Anda dapat mengubah model pada hari Selasa
Model dalam produksi memerlukan irama pelatihan ulang, model champion dan challenger yang berjalan berdampingan, serta mode bayangan di mana versi baru memberikan skor pada aplikasi langsung tanpa mengambil keputusan, sehingga kedua output dapat dibandingkan dengan hasil nyata. Menerapkan versi baru seharusnya hanya berupa perubahan konfigurasi. Jika memerlukan siklus rilis pada sistem inti, model tersebut akan menua di tempat dan akurasinya menurun seiring dengan pasar tempat model itu dilatih.
Latensi juga menjadi bagian dari pembahasan ini. Pengambilan keputusan secara real-time memerlukan fitur yang dihitung dari saldo saat ini, sehingga pemberi pinjaman yang menilai pemohon berdasarkan data batch tadi malam sama saja dengan menyetujui limit terhadap uang yang sudah dibelanjakan.
Pertanyaan yang muncul nantinya akan tertuju pada satu pemohon di satu hari tertentu: apa yang dilihat model, versi mana yang memberikan skor, alasan apa yang dicantumkan dalam pemberitahuan, siapa yang melakukan penggantian (override) dan mengapa. Semua itu tidak dapat direkonstruksi dua tahun kemudian jika tidak ada catatan yang dibuat saat pinjaman tersebut sedang diproses.
