فرقی نمی‌کند تعیین کشور محبوب شما برای سفر و غذایی که دوست دارید پس از رسیدن به آن جا میل کنید باشد، یا مارک کفش یا عطر مورد علاقه شما هنگام خرید اینترنتی. غول‌های فناوری چینی فرمولی سرّی دارند که می‌تواند «تجربه خرید» شما را بهبود ببخشند.
برخی از این شرکت‌ها از این تخصص بهره می‌برند تا سهم بیشتری را از بازار خدمات مالی مشتریان در دست بگیرند، بازاری که همیشه پشتوانه مردم در خریدهای ناگهانی یا تهیه کالاهای گران قیمتی بوده که می‌خواهند اکنون خریداری کرده و بعدا هزینه آن را بپردازند.
مدل هوش مصنوعی گروه Ant (وابسته به هلدینگ Alibaba، غول تجارت الکترونیک چین) که اخیرا اولین عرضه گسترده سهام آن توسط سازمان‌های تنظیم مقررات چین متوقف شد، انبوهی از داده‌ها را از رفتار مشتری استخراج می‌کند تا میزان ریسک وام دهندگان را اندازه بگیرد و از این طریق، به صورت خودکار امتیاز اعتباری میلیون‌ها کاربر را معین می‌کند. علی‌بابا مالک ساوت چاینا مورنینگ پست (South China Morning Post) است.
پیش از اپیدمی، Ant موجب تسهیل حدود ۱٫۷ تریلیون یوان (۲۵۸.۴ میلیارد دلار آمریکا) وام مشتری با بازه زمانی متوسط ۳۰ روزه و نرخ تاخیر در پرداخت حدودا ۱ تا ۲ درصدی (که می‌تواند با نرخ متوسط تاخیر در چهار بانک بزرگ چین رقابت کند) شد.
نرخ تاخیر در پرداخت به معنای درصد وام‌هایی است که با وجود گذشتن از موعد مقرر هنوز بازپرداخت نشده‌اند، و نشانگر کیفیت سبد سهام وامهای شرکت وام دهنده است.
اگر مسائل مربوط به سازمان‌های تنظیم مقررات را کنار بگذاریم، عرضه اولیه سهام Ant پس از آن متوقف شد که سازمان‌های نظارتی بخش مالی چین قوانینی را پیش‌نویس کردند که به نام «ثبات»، بازار رو به رشد وامهای خرد را در دومین اقتصاد بزرگ جهان محدود می‌کند. شکی نیست که فناوری و به خصوص هوش مصنوعی در حال ایجاد زلزله در صنعت خدمات مالی هست.
هلدینگ Lexin Fintech، پلتفرم چینی خدمات مالی مشتریان، می‌گوید با استفاده از یک مدل کنترل ریسک شامل ۱۵۹۰۰ ورودی متغیر، می‌تواند نرخ تاخیر در پرداخت را کمتر از ۲ درصد نگه دارد.
هدف ساخت تصویری هرچه دقیق‌تر از نمایه اعتباری کاربران با استفاده از دامنه گسترده‌ای از داده‌های آنلاین است (برخلاف شیوه رایج تهیه نمایه اعتباری که توسط بانک‌های سنتی انجام می‌شود).
همچنین، Lexin یک مرکز خرید آنلاین به نام Fenqile (به معنای اقساط خوب) را نیز اداره می‌کند که انواع مختلفی از محصولات ، از تلفن همراه و رایانه گرفته تا میان‌وعده‌ها و لوازم آرایشی عرضه می‌کند. همه این محصولات را می‌توان با وامهای خرد تهیه کرد.
مدل Lexin در مواردی خاصی، مثلا هنگامی که یک کاربر از همان شبکه وای فای استفاده کند که پیش از این یک مشتری کلاه بردار با آن متصل شده باشد، یا زمانی که کاربری بدون خواندن توضیحات یک محصول گران قیمت یا مقایسه آن با مدل‌های مشابه آن را خریداری کند، هشدار خواهد داد.
نمای بیرونی مقر گروه Ant در میدان Time واقع در Causeway Bay. سال ۲۰۲۰
همچنین، ورودی‌های آنلاین شامل عادت‌های کاربر در خرید از پلتفرم‌های تجارت الکترونیک نیز می‌شوند. برای مثال، اگر کاربری از Fenqile یک گوشی هواوی یا آیفون خریداری کند، احتمالا به عنوان فردی با قدرت خرید نسبتا بالا شناخته خواهد شد. اصلا نشانه خوبی نیست که فردی ساعت ۲ بامداد کالایی را به صورت قسطی خریداری کند.
جی ژیائو ونجی (Jay Xiao Wenjie) مسئول اجرایی ارشد Lexin می‌گوید: «کسب و کار وام‌دهی خرد به معنای قرض دادن مقدار کمی پول به دفعات بسیار زیاد است، به همین دلیل است که سیستم اعتبار دستی سنتی این‌قدر ناکارآمد است. هوش مصنوعی می‌تواند کارایی عملکردهای آن، شامل رتبه‌بندی اعتباری و فرایندهای دیگری مانند تراکنش‌ها و مجموعه پرداخت‌های معوقه را شدیدا افزایش دهد.
برتری شرکت‌های فناوری بر وام‌دهندگان سنتی بیش از هرچیز مبتنی بر همین توانایی تجزیه و تحلیل داده‌ها و محاسبه دقیق‌تر ریسک است.
ریچارد چن (Richard Chen) کارمند بخش کنترل ریسک یک شرکت وام دهنده خرد واقع در چنگ‌دو (Chengdu) می‌گوید: «در مورد مشتریانی که هر روز با آنها سروکار دارم هیچ چیز نمی‌دانم، حتی نمی‌دانم کجا هستند. آنان برای من تنها اعداد، داده‌های نمایه و پروفایل، و تعدادی برچسب هستند.» «چندان به این که یک مشتری وامش را بازپرداخت کند اهمیتی نمی‌دهیم، آن چه برای ما اهمیت دارد درصد عدم پرداخت بدهی کلی است.»
غول‌های چینی عرصه فناوری، از جمله هلدینگ‌های علی‌بابا و تنسنت (Tencent)، اکوسیستم کاملی با محوریت داده‌ها ایجاد کرده‌اند. برای مثال، سیستم پیشنهادات Taobao (پلتفرم تجارت الکترونیک علی‌بابا) بر اساس ترجیحات شخصی مشتریان به آنها کالاهایی پیشنهاد می‌دهد. آنان می‌توانند کالای مذکور را از طریق پلتفرم پرداخت Alipay گروه Ant خریداری کنند.
اگر مشتری به اندازه کافی پول در اختیار نداشته باشد، می‌تواند از سرویس Huabei گروه Ant، که مانند یک کارت اعتباری مجازی عمل می‌کند استفاده کند.
رابط کاربری نرم‌افزار موبایل WeBank
تنسنت، مالک WeChat (شبکه اجتماعی محبوب چینی)، سرویس WeChat Pay را نیز به ۱.۲ میلیارد کاربر فعال ماهانه این اپلیکیشن ارائه می‌دهد و یکی از سهام‌داران عمده بانک اینترنتی WeBank است. در ماه مارس، تنسنت «Fen Fu» را معرفی کرد. یک قابلیت اعتباری در وی‌چت که به کاربران این اپ اجازه می‌دهد «اکنون خرید کنند و بعدا هزینه‌اش را بپردازند».
شرایط وامهای Ant عمدتا توسط Zhima Credit، سیستم رتبه‌بندی اعتباری این شرکت، تعیین می‌شود. این سیستم بر اساس ردپای دیجیتالی کاربر و حتی این که برای مثال یک پاوربانک مشترک را به موقع بازگردانده است یا خیر به او امتیاز می‌دهد.
اگر مشتری مایل باشد اطلاعات شخصی بیشتریِ در اختیار سیستم بگذارد، مثلا سابقه خانه‌های خریداری شده یا حتی جزئیات حساب کاری‌اش در LinkedIn، ممکن است بتواند امتیاز بیشتری در Zhima Credit کسب کند.
ژیائو از شرکت Lexin می‌گوید شناسایی این روابط متقابل (بین مجموعه‌های داده‌ای مختلف) می‌تواند به کاهش ریسک کمک کرده و از کلاهبرداری جلوگیری کند.
او می‌گوید «کبوتر با کبوتر باز با باز. افرادی که به یکدیگر شباهت دارند معمولا ریسک یکسانی هم دارند؛ این روابط ممکن است شامل این باشد که از اپلیکیشن‌ها یا وبسایت‌های مشابهی استفاده می‌کنند، یا تماس‌های مشابهی دریافت می‌کنند.»
در حال حاضر شرکت‌های حوزه فناوری تقریبا بیش از هر نوع شرکت و صنعت دیگر داده‌های کاربران خود را جمعآوری می‌کنند که طبیعتا موجب می‌شود در این زمینه دست برتر را داشته باشند.
چن می‌گوید: «اگر آنان [شرکت‌های فناوری] داده‌ها را در اختیار داشته باشند ولی آن را با سایرین به اشتراک نگذارند، معلوم است که ابزار قدرتمندی در دست خواهند داشت.»
او اضافه کرد: «بسیاری از بانک‌های سنتی علاقه‌ای به کار کردن با شرکت‌های کوچک ندارند [چون سوابق اعتباری‌شان به اندازه کافی خوب نیست]… اما اگر همین شرکت‌ها به سراغ WeBank بروند و پیش از این هم از WeChat
Pay برای انجام تراکنش‌هایشان استفاده کرده باشند و سابقه خوبی هم داشته باشند، وی‌بانک با درخواست وام آنان موافقت خواهد کرد.»
گروهی از پژوهشگران در مقاله‌ای که سال گذشته در مجله پژوهشی The Review of Financial Studies منتشر شد بیان کرده‌اند: «اگر ردپاهای دیجیتال حاوی اطلاعات قابل توجهی در خصوص پیش‌بینی عدم پرداخت بدهی باشند، شرکت‌های فناوری مالی (fintech) (با توانایی برتر خود در دسترسی و پردازش ردپاهای دیجیتال) می‌توانند تهدیدی برای واسطه‌های مالی و نقاط قوت اطلاعاتی آنان باشند و از این طریق شیوه کسب و کار آنان را به چالش بکشند.»
ویکتور هیک لی (Victor Huike Li) مامور اجرایی ارشد شرکت فناوری مالی چینی Pintech می‌گوید: «شغل ما هنوز هم ارائه خدمات مالی است، اما با استفاده از ابزاری به نام فناوری».
لی، که شرکت او به منظور افزایش دقت مدل‌های هوش مصنوعی خود با ارائه‌دهندگان خدمات موبایلی چین، از جمله China Mobile، همکاری می‌کند می‌گوید: «بهبود الگوریتم‌ها بیشتر با بهره‌وری مرتبط است اما بالاترین سطح عملکرد یادگیری ماشینی شما را کیفیت داده‌ها تعیین می‌کند.»
با این حال، لی می‌گوید شرکت‌های فناوری مالی هنوز باید فناوری‌های خود را برای قانون‌گذاران قابل فهم‌تر کنند و نتایج ماشین محور که انسان‌ها نمی‌توانند تشریحش کنند و درباره‌اش توضیح دهند، در حال حاضر نباید وارد صنعت امور مالی شود.
با وجود این نگرانی‌ها، چین در حال استقاده از هوش مصنوعی و داده‌های حاصل از «ردپاهای دیجیتال» در سیاست‌های اجتماعی خود و در مقیاسی گسترده‌تر است.
انتظار می‌رود چین سیستم سراسری اعتبار اجتماعی – -مجموعه‌ای از پایگاه‌های داده و ابتکاراتی که قابل اعتماد بودن افراد، شرکت‌ها، و نهادهای دولتی را سنجیده و بر آن نظارت می‌کند – خود را تا پایان سال جاری در کشور اجرا کند. به هر یک از ورودی‌ها یک امتیاز اعتبار اجتماعی داده می‌شود، آنان که امتیاز بالاتری دارند پاداش دریافت کرده و آنان که رتبه پایین‌تری دارند تنبیه می‌شوند.
بیشتر داده‌ها از منابع سنتی مانند سوابق مالی، کیفری، و دولتی، و نیز داده‌های موجود در دفاتر ثبتی جمعآوری می‌شود. ممکن است منابع ثالث، از جمله پلتفرم‌های اعتباری آنلاینی چون Zhima Credit گروه Ant نیز در آن به‌کار روند.
قطعا در حال حاضر نگرانی‌هایی درباره حریم شخصی کاربران و پیروی بی قید و شرط سیستم‌های ماشینی از فرمان‌ها و مسیری که برایشان مشخص شده وجود دارد (برخی منتقدان اعتبار اجتماعی را با مفاهیم موجود در کتاب‌‌های جورج اورول مقایسه می‌کنند).
به گفته هه ژیگو (He Zhiguo) استاد امور مالی دانشکده بازرگانی دانشگاه شیکاگو: «بزرگترین چالش این است که هوش مصنوعی/یادگیری ماشینی روابط متقابل را بسیار خوب یاد می‌گیرد، اغلب بیش از حد خوب این کار را انجام می‌دهد. ماشین‌ها نمی‌توانند خارج از چهارچوب فکر کنند، و تنها بر اساس داده‌هایی که در اختیار دارند عمل می‌کنند. پس هنگامی که یک شوک بیرونی وارد می‌شود، مانند همه‌گیری کرونا، بسیاری از آنها دیگر به خوبی عمل نخواهند کرد.»
نرخ تاخیر در پرداخت ۳۰ روزه وامهای مشتریان Ant در ژوئیه سال جاری به ۲.۹۷ درصد افزایش یافت، درحالی که طبق داده‌های اطلاعیه این شرکت در ماه ژانویه و هنگام آغاز اپیدمی تنها ۱.۷۶ درصد بود.
اما کماکان موضوع داغ و اصلی حریم شخصی کاربران است، خصوصا در رابطه با قانون‌گذاری و مقررات.
چن چنگ (Chen Cheng)، تحلیل‌گر فناوری مالی در پلتفرم پژوهشی ۰۱Zhiku می‌گوید: «به نظر من جمعآوری بیش از حد یکی از بزرگترین مشکلات کلان‌داده‌ها است. مثلا، ممکن است برخی وام‌گیرندگان هنگامی که نمی‌توانند اقساطشان را به موقع پرداخت کنند اطلاعات تماس دوستان یا اعضای خانواده خود را وارد سیستم کنند. این یعنی ممکن است هشدار تاخیر در پرداخت برای افرادی ارسال شود که هیچ ارتباطی با این وامهای خرد ندارند.»
در همین حال، وانگ یانکینگ (Wang Yanqing)، یک دانشجوی تحصیلات تکمیلی که در چانگ‌کینگ (Chongqing) زندگی کرده و هر روز از Huabei استفاده می‌کند مدت‌ها است نگران مسائل مربوط به حریم شخصی است.
وانگ می‌گوید: «اصلا نمی‌دانم این [جمعآوری داده‌ها] چطور انجام می‌شود… اطلاعات چندانی در این مورد ندارم و می‌ترسم به جایی برسد که دیگر نتوان آن را کنترل کرد. می‌دانم که احتمالا در بخش سیاست‌های حریم خصوصی یا در قرارداد چیزهایی راجع به آن [حفاظت از داده‌ها] بنویسند، اما اکثر مردم این‌ها را نمی‌خوانند.»
پیش‌بینی می‌شود سیستم اعتبار اجتماعی چین امسال در سرتاسر کشور اجرایی شود.
چین ماه قبل از پیش‌نویس قانون حفاظت از اطلاعات شخصی رونمایی کرد، گامی مهم به سوی تنظیم و قانون‌مند کردن جمعآوری و استفاده از اطلاعات شخصی. در پیش‌نویس آمده است مجازات تخطی از قوانین جریمه‌ای تا حداکثر ۵۰ میلیون یوان یا ۵ درصد از سود شرکت در سال گذشته خواهد بود.
این یعنی شرکت‌های فناوری مالی باید راهی پیدا کنند تا بدون خدشه‌دار کردن حریم شخصی کاربر، به اطلاعات کافی برای ارتقای مدل خود دسترسی داشته باشند. البته قانون‌گذاری بهتر به شرکت‌های نوآور کمک می‌کند به این هدف برسند.
به گفته لی از شرکت Pintech، ایجاد سیستمی که به شرکت‌ها اجازه دهد در محیطی امن و خصوصی به تبادل داده‌ها بپردازند در آینده بسیار مفید خواهد بود.
او می‌گوید: «در بسیاری از موارد شرکت‌ها آزادانه داده‌های خود را تبادل نمی‌کنند، چرا که شرکت‌های دیگر را رقیب خود می‌دانند. پیشرفت مورد نیاز ما در فناوری، محدود به الگوریتم‌ها نیست. اکوسیستم و رابطه‌ای مبتنی بر اعتماد و همکاری نیز به همان اندازه اهمیت دارد.»
