来源：Automotive News  作者：JOHN HUETTER

美国东南部一家信用社，在使用Zest AI技术后，车辆贷款的即时审批率从10%提高到了75%。

像这样采用人工智能的贷款机构，可以为汽车经销商及其客户提供很大一部分车辆贷款的自动、即时审批，有效改进过去缓慢而过时的人工流程，通过大数据处理，还可能具有相比人类银行家和传统审批更好的判断力，做到以最低的风险批准尽可能多的贷款，为消费者带来福音。

1

AI自动审批的逐步使用

在今年9月的美国金融服务协会网络研讨会上，来自All In信用合作社的销售和贷款高级副总裁托德·皮普尔斯（Todd Peeples）说：“通过Zest AI,我们能够自动审批的内容多了很多。”因此，他的信用社也计划将这种自动化扩展到所有的贷款类别。

All in信用社与Zest AI的合作，也是金融服务领域人工智能与自动审批相结合的代表性例子。得益于对经销商及其客户产生的积极影响，这一举措正在成为业内的一大发展趋势，其他金融机构和科技公司也不甘落后，展开了竞争。例如，人工智能提供商Scienaptic AI已宣布与多家信用社建立一系列合作关系，将为多种类的贷款申请进行自动化升级，包括汽车贷款。该公司表示，其技术可以将汽车贷款审批通过率提高20%至40%，并将审批速度提高60%至80%。

Scienaptic AI合伙人，副总裁凯瑟琳•博恩斯蒂尔（Kathryn Bonesteel）在一封电子邮件中写道:对于我们合作的每个信用社来说，汽车贷款占到其投资组合的一半以上。反过来，也有许多客户来我们这里寻求人工智能自动化，专门增加他们的汽车业务。她还表示，Scienaptic AI的60多家客户包括次级汽车经销商，这些客户大都对AI的的使用及其风险有十足的把握和信心。

来自另一家信用社CU Direct的首席技术官达伦·洛伦茨（Darren Lorentz）预测，未来将会有更先进的AI信用模型。不过他也指出，一家信用社哪怕只是利用AI处理掉一些原本就简单的、无需花费时间计算的贷款申请，也能将即时审批率提高到55%至60%。

因为在过去，哪怕是这种简单的无需动脑的贷款申请，也不得不经过繁冗的人工流程。“所以，这仍旧是一个巨大的飞跃。”洛伦茨说：“这能够把工作人员解放出来，有更多时间来检查其余较为复杂的贷款。”两者相结合，便能够为整个贷款计划带来极大的便利。

2

100%的全自动审批？

那么AI自动化是否能够处理所有的贷款申请？

洛伦茨说，有一些信用社全部使用AI自动审批，但事实上，可能并不是所有领域都适用。

皮普尔斯说All In公司可以做到对所有申请自动化处理，只不过目前他们选择循序渐进，仍将一些不太明确的申请留给员工。因为，客户的期望已经改变。过去，等待贷款结果至少需要几天甚至更久，现在，借款人希望得到“即时”的答复，至少是几个小时之内。

这也有利于提高使用率和一致性。他说，这一过程的自动化意味着24*7服务。哪怕不是工作日，借款人也可以在线申请并得到迅速回复。另外，All In有很多分公司，采用大数据的统一标准，能够避免一位借款人在一个分公司被拒绝，却在另一个分公司获批的尴尬状况。

博恩斯蒂尔则确信，100%的自动审批完全有可能实现，这只是时间问题。她自信的表示，他们可以对高达100%的贷款进行自动审批，同时确保审批结果的合理性。

她也给出了解释，我们生活在一个节奏越来越快的高效社会，如果不能迅速给出回复，你的忠诚度和信用度立马会被怀疑。这就是为什么贷款自动化越来越重要。

3

AI模型

Zest为自动审批AI建立了一个模型，根据旧的贷款审批模式来预测未来的贷款。Zest AI首席执行官麦克·德维尔（Mike de Vere）在接受《汽车新闻》采访时表示，他们的技术将信用风险分析从评估几十个数据点改为评估数百个数据点。也可以通过用AI来处理过去的贷款，来进行检验。

Zest AI产品负责人尼迪·潘迪（Nidhi Panday）在网络研讨会上表示，公司还会提供软件来监控事后的贷款组合，允许贷款机构人工二次检查。最大的帮助出现在中等信用等级，对于贷款机构来说，最高信用等级和最低信用等级都很好处理。但是在中间等级中，准确率比传统评分提高了70%。

AI帮助All In信用社处理了他们极有可能做出错误决定的审批，降低了风险。例如，有一些申请材料乍一看没问题，后来却被证明是不良贷款。

潘迪说，其实只需要信用局的数据就可以做到，Zest的大多数模型都是这样的。德维尔也说，仅国家信用评分就能准确预测借款人的行为。

不过事实上，人工智能显示，大多数国家的信用评分其实也不见得那么可靠，几乎比抛硬币好不到哪去。在风险不变的情况下，Zest模型的贷款批准率平均增加了15%。这也减少了30%的冲销。

皮普尔斯补充说到，在就资信状况做出决定后，信用社还必须检查其中一些变量。例如，即使AI认为申请人的风险在可接受范围之内，贷款与价值比率(loan-to-value ratio)等指标仍是一个考虑因素。

图源:wabe.org

4

擂台上的斗士

我们都知道，我们所处于的真实社会有一些偏见和错误存在，因此，AI在比对和收集旧案例的时候，难免会遇到偏颇审批结果。例如，银行有意或无意地拒绝少数族裔借款人的贷款，其比率高于拥有相同信用的白人申请者。

潘迪说，Zest通过一种被称为“对抗性去除偏见”的技术来避免这个问题。

她把它比喻为一个擂台上的两个斗士。其中一个人寻求准确性，不知道申请人的种族。另一个知道，并观察AI是否会被一些旧数据的偏颇结果误导。于是第二个模型会警告说：“我看到这个案例的结果和人种问题有很高的关联性。你记好了，回去要修改你的算法。”

她们重复了很多次，直到出现一个公平和准确的模型。因此，一家信用社发现女性的贷款审批通过率增加了26%，白人以外的借款人贷款审批通过率则增加了25%。

Zest的模型完全符合规定，而且可以胸有成竹的向监管机构说明介绍。消费者金融保护局和货币监理署都对其文件表示了赞扬。

博恩斯蒂尔也在介绍自己公司AI模型的时候提到，它经过了仔细的校准和测试，以确保完全消除人类偏见，并在文字和精神上遵守公平借贷规范。

5

信任

Zest AI的政策和沟通副总裁布鲁斯•乌宾(Bruce Upbin)在一封电子邮件中写道，自动贷款比例为个位数的银行通常乐意接受30-35%的自动贷款。那些已经有50-60%自动审批能力的人也很乐意将比率逐步提高到65%-75%。他预计，由于竞争和时间压力，间接汽车贷款机构会有更高的自动审批利率。

2020年，Cornerstone Advisors管理顾问公司对69家金融机构的调查发现，很多资产超过10亿美元的金融公司，AI使用率也不到所有贷款的40%。在10亿美元以下的贷款机构中，37%没有使用AI技术。

但是，即使是在使用AI技术的金融公司，Cornerstone发现30%的公司在使用AI处理完成后，还会再次人工检查其中75%到100%的审核结果。

皮普尔斯认为，这可能是信任问题，毕竟它还在初始发展阶段。All In信用社的工作人员在看到AI批准他们以前不会通过的贷款时，也会忍不住想：这真的对吗？你确定这个可以通过？

不过他们最终会坚定自己的信念——我们选择了AI，那么，我们也选择相信它的判断。至少现在看来，一切都进展的不错，不是吗？