画像:Caitanya Surpur
m従業員のローンをakeし、引受プロセスは簡単です。給与クリームは収入の証明を提供し、Aadhaarの番号は人格の結果をチェックし、その人の信用局には過去の行動に関する情報が含まれています。行う必要があるのは、アルゴリズムのセットを介して実行することだけで、決定は1分で返されます。
局のデータを含めること、個人の証拠、収入の検証は、過去10年間に大きな融資の拡大をもたらしました。インド準備銀行(RBI)によると、個人ローンポートフォリオは、2011年の6 91 177ループループから59.52,299ルーペに59.52,299のRABに年間16.4%増加しました。
クレジットソリューションのAIプラットフォームに基づいて、ScienapticのJoyDip Guptaが「この可能性がリリースされました。現在、貸し手は小さな都市や自営業の人々のための伝統的な水収集ゾーンを超えています。」自営業者。そのクレジット担当者は、収入を評価した後、野菜、リック、労働者、労働者、ローンのサプライヤーと時間を過ごします。
債権者への質問は今半分です。まず、これはテクノロジーを使用してスケールでどのように行うことができますか?第二に、追加のデータポイントを使用すると、許容レベルで維持されるリスクを維持できます。リスクの一部は重要です。なぜなら、これらのローンの多くは、銀行から借りる非境界の金融会社とフィンテックを通じて実施されており、収益性を高めるには銀行プールの伝統的なゾーンを超えて行く必要があるからです。
インドの貸し手はモデルで話すための詳細を扱っていますが、彼らは科学AIなどの企業を使用しています。これは、25,000ループの総コストで1か月あたり2,000万人のローン申請を処理します。

Scienapticも機能する米国市場は、プロセスの仕組みに関するいくつかのヒントを提供しています。自動車ローンの申請は、クレジットポイントの考慮から始まりますが、破産申請のチェック、債務の収入の比率、複数の債権者へのローンの使用などにすぐに切り替えます。キャッシュフローの分析は、貸し手が詳細に開始されたことです。銀行報告書には、平均残高、平均流入と流出、毎月の流出、トランザクションの総数などがチェックされます。 「これらのモデルにより、そうでなければローンにアクセスできない顧客を承認することができます」と、Scienaptic AIのマーケティングディレクターであるChandan Pal氏は言います。
ここでは、インドのアカウントアグリゲーター(AA)のフレームが影響を受け始めています。借り手が同意するとすぐに、債権者は銀行のデータと投資データにアクセスできます。 Sahamatiのデータによると、同意要求である業界チームは、Sahamati AgitatorsのSahamatiである1億7900万の同意要求を行っています。 「流れに基づいて融資することで、債権者が取引の強度を見るとすぐに、人や中小企業が支払う能力のアイデアを得ることができます」と、業界の専門家であるFirosis Anam氏は言います。自己スタディにとって、そして中小企業にとっては、これは引き受ける好ましい方法になりました。
また読む:インディアゴールドのゼプトゴールドローンに精通してください
さらに、債権者は現在、信用局の記録、および企業省のデータにアクセスできます。次に、ビジネスの健康の明確な指標を提供するGSTアプリケーションがあります。一部の州では、電力計が制御されています。消費量の突然の減少は赤旗になります。一部の州の地球記録もデジタル化されており、これらのデータも考慮されています。
グプタは、たとえば、100,000ルピーに従って、少量の無担保ローンの場合、数秒以内に決定が下されると言います。 100,000〜300,000ルピーのローンの場合、これには数時間かかる場合があります。店舗の修理など、小規模企業向けのローンを取得するには、2日から3日間の時間がかかります。
これはまだインドでは一般的なものではありませんが、米国などの市場では、借り手ファイルには、古いローンの年齢とそのサービスレポート、およびローンリクエストの数も含まれています。これにより、債権者がアカウントを設定し、ローンを払拭するかどうかを決定するのに役立ちます。 「今では、信用履歴が限られているかどうかにかかわらず、参加者を特定することができますが、強力な返済の機会を示しています。これは、追加のリスクを負うことなく、より多くのメンバーに「はい」と言う新しい機会を開きました」
また読む:Edelweiss Alternatives:信用力を押す
ポートフォリオがどのように作るかについての初期のアイデアを受け取った債権者にとって、クレジットの質を維持するための鍵です。借り手が他のローンのデフォルトを開始した場合、または債権者へのローンをさらに要求したり、銀行口座の預金を減らし始めた場合、これはすべて、将来のローンの支払いを逃した可能性を示している可能性があります。これらの数値はポートフォリオレベルで管理されており、債権者にクレジットの質が送信される場所を予備的に検討し、必要に応じて早期に介入できるようにします。このような手順は、たとえば、インドでのマイクロファイナンスの貸し出しが重要になり、そこでは早期の警告が支払いが遅くなります。
貸し手は、大規模な言語モデルも機能するモデルの明確化に取り組んでいます。たとえば、工場の写真は、債権者が毎月生成された各場所の流動性を評価できるようにすることができます。または、降水量に関する衛星データにより、特定の文化が特定の年に不十分な収量に苦しむかどうかを示すことができ、農業への貸付を増やすか減少させることができます。これらのモデルの多くはまだ初期段階にありますが、マスターの従来のデータソースを使用した債権者の作業の後、これはインドでの融資の次の国境になる可能性があります。
(このストーリーは、2025年5月14日にForbes Indiaに掲載されています。アーカイブをご覧ください。ここをクリックしてください。)