Trong bài về vốn tôi có viết: khúc giữa bị bỏ trống vì chi phí thẩm định gần như không phụ thuộc vào số tiền cho vay. Đọc sổ sách, xuống xem cơ sở, đánh giá người điều hành — làm cho khoản năm trăm triệu tốn công gần bằng khoản năm mươi tỉ, trong khi phần thu về thì tỉ lệ thuận với số tiền.
Nên bên cho vay có hai lối thoát: đòi tài sản thế chấp, hoặc tính lãi rất cao.
Bây giờ có một lối thứ ba, và nó đang được thử ở nhiều nơi: làm cho việc hiểu một doanh nghiệp nhỏ rẻ đi.
Đây là chỗ mà công nghệ thật sự đổi được cục diện, chứ không phải chuyện nói cho vui. Nhưng nó đi kèm một cái bẫy mà ít người nói tới.
Việc cụ thể mà máy làm được
Không phải "ứng dụng AI trong ngân hàng" chung chung. Là ba việc rất xác định:
Đọc và chuẩn hoá sổ sách lộn xộn. Hộ kinh doanh ghi tay, ghi trên điện thoại, ghi trong sổ chợ. Trước đây muốn dùng được thì phải có người ngồi nhập lại — và chính khoản công đó khiến khoản vay nhỏ không bõ.
Ghép các mảnh dữ liệu rời. Dòng tiền qua tài khoản, hoá đơn điện tử, lịch sử nộp thuế, đơn hàng trên các nền tảng, thanh toán không tiền mặt của khách. Gộp lại, chúng mô tả sức khoẻ của một cơ sở chính xác hơn nhiều so với một mảnh giấy chứng nhận quyền sử dụng đất.
Phát hiện bất thường. Doanh thu tăng mà tiền vào không tăng, một khách chiếm quá nửa doanh thu, dòng tiền chỉ đẹp vào đúng tháng làm hồ sơ.
Ba việc này trước đây cần nhiều ngày công của người có chuyên môn. Nếu chi phí hiểu một hộ giảm mười lần thì khoản vay nhỏ mới có lãi để cho vay — và đó là điều kiện cần để khúc giữa được lấp.
Và cái bẫy: mô hình học từ quá khứ
Đây là phần cần nói thẳng.
Một mô hình chấm điểm được huấn luyện trên dữ liệu của những người đã từng được vay và đã trả. Nó học rất giỏi mẫu hình của nhóm đó.
Nhưng nhóm đó là ai? Là những người trước đây có tài sản thế chấp, có sổ sách chính quy, ở thành thị, và có quan hệ với ngân hàng.
Nghĩa là mô hình dễ học được rằng "người giống nhóm đã từng được vay thì đáng cho vay" — và tự động chấm thấp những người chưa từng có cơ hội để chứng minh mình.
Đây không phải lỗi kỹ thuật. Nó là hệ quả logic của việc học từ dữ liệu quá khứ. Và nó nguy hiểm hơn cách làm cũ ở một điểm: nó trông khách quan. Một cán bộ tín dụng từ chối thì còn giải thích được và còn tranh luận được. Một điểm số thì không ai cãi, vì "máy tính ra".
Ba thứ phân biệt cách làm tử tế
Giải thích được vì sao trượt. Không phải một con số, mà là những yếu tố đã kéo điểm xuống. Người vay cần biết để sửa — đúng điều mà bài về tín dụng đã nói: người vay không biết hồ sơ của chính mình.
Có đường kháng nghị tới người thật. Trường hợp nào cũng có ngoại lệ, và một hệ thống không có cửa cho ngoại lệ sẽ loại nhầm đúng những người đáng được vay nhất.
Đo lại theo nhóm. Nếu một nhóm — theo vùng, theo ngành, theo giới — bị chấm thấp một cách hệ thống, phải phát hiện được điều đó. Không đo thì không biết, và không biết thì cứ tưởng là khách quan.
Phần dành cho người đi vay
Có một điều rất thực tế mà chủ cơ sở nhỏ nên biết: cách chấm điểm mới thưởng cho thứ mà cách cũ không thưởng.
Trước đây, có nhà để cắm là đủ. Bây giờ, thứ được nhìn là dấu vết: dòng tiền qua tài khoản đều đặn, hoá đơn đầy đủ, doanh thu khớp với chứng từ, lịch sử thanh toán đúng hạn với nhà cung cấp.
Điều đó có nghĩa là những việc trước đây bị coi là phiền — chính danh hoá, xuất hoá đơn, chuyển khoản thay vì tiền mặt — nay là hồ sơ tín dụng đang được xây.
Và như đã nói ở bài về vốn: phần lớn hồ sơ bị từ chối không phải vì kinh doanh kém mà vì không mô tả được kinh doanh của mình. Bây giờ thì việc mô tả đó có thể tự sinh ra từ hoạt động hằng ngày — nếu hoạt động ấy để lại dấu vết.
Điểm quan trọng: dấu vết cần thời gian. Bắt đầu ghi từ hôm nay thì một năm nữa mới có thứ để nhìn.
Phần AI không chạm tới
Nó không đặt cược bằng tiền thật. Cho vay là nghề chịu rủi ro, và người chịu rủi ro phải là một tổ chức có vốn và có trách nhiệm pháp lý. Mô hình chỉ xếp hạng khả năng; nó không gánh khoản mất.
Nó không biết chuyện chưa từng xảy ra. Một cú sốc chưa có trong dữ liệu — dịch bệnh, thay đổi chính sách, một thị trường xuất khẩu đóng cửa — là chỗ mọi mô hình đều mù. Và đó lại đúng là lúc quyết định cho vay khó nhất.
Nó không nhìn thấy người. Có những thứ mà một người xuống tận nơi nhận ra trong mười phút: xưởng gọn hay bừa, thợ có gắn bó không, chủ có nắm được số liệu của chính mình không. Những thứ đó không có trong dữ liệu nào.
Nói cách khác: máy làm cho việc hiểu rẻ đi, còn việc quyết định thì vẫn phải có người chịu trách nhiệm. Đúng như đã thấy ở nghề giám định, nghề kiểm toán và nghề thẩm định.
Và cái tên
Đây là lĩnh vực mà toàn bộ vấn đề là niềm tin: người vay có tin mình được xét công bằng không, và bên cho vay có tin người vay không.
Khi việc dựng một hệ thống chấm điểm, một ứng dụng vay, một trang so sánh — trở thành việc ai cũng làm được trong vài tuần, thì khâu thực thi hết là lợi thế.
Cái còn lại là một địa chỉ mà người ta nhớ và dám gõ vào khi đang cần tiền — thứ mà trong tài chính luôn quý hơn mọi tính năng.
AiNganHang.com ghép đúng hai chữ đang đứng ở tâm của thay đổi này, ngắn, đọc lên là hiểu, và không lệ thuộc vào nền tảng nào.
Tên miền nhắc trong bài: AiNganHang.com
