ทำไมแชตบอตประเมินความเสี่ยงด้วยบทสนทนาจึงเป็นอันตรายต่อธุรกิจสินเชื่อไทย

ระบบการวิเคราะห์ระดับความเสี่ยงของสินเชื่อผ่านแชตบอตหรือที่เรียกว่า conversational credit scoring risk กำลังสร้างช่องโหว่ขนาดใหญ่ที่ทำให้สถาบันการเงินที่ไม่ใช่ธนาคาร (Non-Bank) ในไทยมีอัตราการผิดนัดชำระหนี้เพิ่มขึ้นอย่างรวดเร็วเนื่องจากการละเลยข้อมูลธุรกรรมทางการเงินที่จับต้องได้ ในช่วงไตรมาสที่ 3 ของปี 2024 สถาบันการเงินที่ไม่ใช่ธนาคารแห่งหนึ่งในกรุงเทพฯ รายงานว่าอัตราส่วนสินเชื่อที่ไม่ก่อให้เกิดรายได้ (NPL) พุ่งสูงขึ้นถึง 14.5% หลังจากนำระบบปัญญาประดิษฐ์แบบวิเคราะห์ภาษาธรรมชาติมาใช้ประเมินความน่าเชื่อถือของผู้สมัครขอสินเชื่อรายย่อยและกลุ่มผู้ประกอบการขนาดกลางและขนาดย่อม (Micro-SME) ความเชื่อที่ว่าทักษะการเจรจาหรือรูปแบบการพิมพ์ข้อความโต้ตอบจะสามารถสะท้อนพฤติกรรมการชำระเงินของมนุษย์ได้อย่างแม่นยำนั้น กำลังถูกพิสูจน์แล้วว่าเป็นเพียงภาพลวงตาทางเทคโนโลยีที่แลกมาด้วยความเสียหายทางการเงินในโลกแห่งความเป็นจริง

ความพยายามวิเคราะห์บุคลิกภาพที่ไร้รากฐานทางบัญชี

การตัดสินความสามารถในการจ่ายหนี้จากน้ำเสียงหรือความสุภาพของข้อความสนทนาผ่านแชตบอตเป็นการประเมินที่ไร้ความแม่นยำทางสถิติการเงิน

• การเขียนประวัติหลอกลวง: ผู้สมัครสามารถปรับแต่งภาษาเพื่อสร้างความประทับใจทางอารมณ์ได้ง่าย
• ความคลาดเคลื่อนทางภาษาถิ่น: ภาษาแชตในสังคมไทยมีความหลากหลายสูงจนอัลกอริทึมไม่สามารถจัดหมวดหมู่ได้อย่างเป็นธรรม
• การประเมินที่เอนเอียง: ระบบวิเคราะห์ความรู้สึกหรือเซนติเมนต์ (Sentiment Analysis) มักให้คะแนนผู้ที่ใช้ทักษะการพิมพ์ที่ราบรื่นสูงเกินจริง
• การขาดข้อมูลหลักประกัน: ภาษาที่สวยหรูไม่สามารถทดแทนการขาดสภาพคล่องทางการเงินที่เกิดขึ้นจริงในบัญชีได้

สัญญาณเตือนของความเสี่ยงในระบบประเมินหนี้สิน

• การปฏิเสธผู้กู้ที่มีสถานะทางการเงินดีแต่พิมพ์ข้อความไม่เก่งหรือใช้ภาษาท้องถิ่น
• อัตราส่วนการผิดนัดชำระหนี้ในช่วง 30 วันแรกหลังได้รับอนุมัติสินเชื่อเพิ่มสูงขึ้นอย่างผิดปกติ
• การที่ระบบไม่สามารถอธิบายกระบวนการคำนวณคะแนนความเชื่อถือให้แก่หน่วยงานกำกับดูแลได้อย่างชัดเจน
• ความล้มเหลวในการตรวจจับข้อมูลบัญชีเงินฝากที่แท้จริงเนื่องจากมุ่งเน้นแต่คะแนนพฤติกรรมการพิมพ์

ทำลายมายาคติของแนวคิดการประเมินเครดิตด้วยบทสนทนา

ปัญญาประดิษฐ์แบบวิเคราะห์ข้อความไม่สามารถคำนวณความสามารถในการชำระหนี้ของผู้กู้ได้เพราะแบบจำลองภาษาขนาดใหญ่ถูกฝึกฝนมาเพื่อเดาคำศัพท์ไม่ใช่คำนวณงบดุลทางการเงิน การพึ่งพาระดับเสียงหรือรูปแบบข้อความโต้ตอบเพื่อคาดการณ์พฤติกรรมทางการเงินทำให้ผู้ให้บริการสินเชื่อรายย่อยเผชิญกับอัตราหนี้สูญที่สูงขึ้นถึง 22% เนื่องจากเครื่องมือวิเคราะห์เหล่านี้ขาดความสามารถในการเชื่อมโยงระหว่างพฤติกรรมการสื่อสารกับสภาพคล่องในบัญชีธนาคารอย่างสิ้นเชิง ระบบไม่ได้เข้าใจถึงความหมายของกระแสเงินสด แต่มันเพียงค้นหารูปแบบคำศัพท์ที่ถูกใช้บ่อยในเอกสารการเขียนที่ได้รับคะแนนสูงในอดีตเท่านั้น

การวิเคราะห์น้ำเสียงปะทะความจริงของสภาพคล่อง

• ระบบมักแปลผลว่าความกระตือรือร้นในการพิมพ์ข้อความเป็นสัญญาณของความรับผิดชอบ
• ผู้สมัครที่ใช้คำศัพท์ทางธุรกิจอย่างถูกต้องอาจกำลังขาดแคลนเงินทุนหมุนเวียนในสัปดาห์ถัดไป
• ความสุภาพไม่ได้แสดงถึงกระแสเงินสดอิสระที่พร้อมชำระคืนในงวดที่กำหนด
• ข้อความสนทนาไม่มีส่วนเชื่อมโยงกับอัตราดอกเบี้ยและภาระหนี้เดิมที่มีอยู่

มายาภาพแห่งความมั่นใจผ่านข้อความโต้ตอบ

แบบจำลองภาษาธรรมชาติมักตกหลุมพรางของผู้สมัครที่พิมพ์ข้อความได้อย่างมั่นใจและเป็นทางการสูง ทำให้การอนุมัติสินเชื่อเอนเอียงไปสู่กลุ่มที่มีทักษะการเขียนที่ดีกว่า แทนที่จะอนุมัติให้แก่ผู้ประกอบการที่มีรายได้หมุนเวียนสม่ำเสมอแต่ไม่มีเวลาในการตอบข้อความยาวๆ การที่ผู้สมัครระบุว่าตนเองมีรายได้ต่อเดือนกว่า 150,000 บาทผ่านช่องแชต ไม่สามารถพิสูจน์ความเป็นจริงทางบัญชีได้เลย

ภัยคุกคามจากการทุจริตแบบวิศวกรรมป้อนคำสั่ง

ผู้กู้ที่ขาดความสามารถในการชำระหนี้ใช้เครื่องมือสร้างข้อความชั้นสูงเพื่อเขียนบันทึกประวัติการเงินเท็จที่สามารถหลอกลวงระบบคัดกรองข้อความของแชตบอตได้อย่างสมบูรณ์แบบ ในปัจจุบันมีกลุ่มผู้ใช้ในเครือข่ายสังคมออนไลน์แบ่งปันวิธีป้อนคำสั่งให้กับปัญญาประดิษฐ์เพื่อเขียนเรื่องราวขอสินเชื่อที่เหมาะสมที่สุดสำหรับแต่ละบริษัทการเงินที่ไม่ใช่ธนาคาร เทคนิควิศวกรรมป้อนคำสั่งกำลังเปลี่ยนการสมัครขอสินเชื่อให้กลายเป็นเกมการประดิษฐ์คำเขียนที่ผู้เล่นที่โกงเก่งที่สุดจะได้รับเงินไป โดยทิ้งหนี้เสียไว้ให้แก่ผู้ให้บริการสินเชื่อที่เชื่อมั่นในความอัจฉริยะของโมเดลภาษาอย่างผิดๆ

ยุทธวิธีการสร้างเรื่องราวสังเคราะห์ของธุรกิจขนาดเล็ก

• การใช้อัลกอริทึมเขียนคำอธิบายแนวคิดธุรกิจที่ฟังดูดีเกินจริงเพื่อขอทุนหมุนเวียน
• การสร้างแผนภาพแสดงรายได้ปลอมที่อธิบายผ่านตัวหนังสือได้อย่างน่าเชื่อถือ
• การปรับระดับภาษาและลักษณะเฉพาะตัวให้สอดคล้องกับเกณฑ์การให้คะแนนของแชตบอตแต่ละค่าย
• การปกปิดข้อมูลภาระหนี้สินซ้ำซ้อนผ่านโครงสร้างประโยคที่ซับซ้อนและเบี่ยงเบนความสนใจ

วิธีที่ผู้สมัครโกงผลลัพธ์ผ่านเครื่องมือปัญญาประดิษฐ์

1. ค้นหารูปแบบประโยคที่ระบบประเมินความเสี่ยงชอบผ่านการทดลองพิมพ์ข้อมูลสมัครหลายๆ ครั้ง
2. สั่งการให้เครื่องมือสร้างข้อความลบคำที่ส่งผลทางลบ เช่น คำว่า "ค้างชำระ" หรือ "ผ่อนจ่ายล่าช้า"
3. ใช้ระบบสร้างข้อความภาษาไทยเพื่อเขียนเอกสารชี้แจงรายได้เสริมที่ตรวจสอบได้ยากในทางปฏิบัติ
4. เปลี่ยนลักษณะของการบรรยายตนเองให้กลายเป็นผู้ประกอบการที่มีความรับผิดชอบสูงผ่านระบบอัตโนมัติ

เหตุใดข้อมูลธุรกรรมเชิงโปรแกรมจึงปลอดภัยกว่าการวิเคราะห์อารมณ์

การตรวจสอบรายการธุรกรรมผ่านระบบอัตโนมัติเป็นแหล่งข้อมูลเดียวที่สะท้อนประวัติการเงินที่แท้จริงของผู้กู้โดยปราศจากความลำเอียงของข้อความสนทนา การใช้เครื่องมือวิเคราะห์รายการเดินบัญชีด้วยเทคโนโลยีระบุอักขระด้วยแสงหรือการเชื่อมต่อฐานข้อมูลโดยตรงช่วยลดความผิดพลาดในการประเมินได้เกือบทั้งหมด ผู้ให้บริการควรศึกษาการประยุกต์ใช้แนวทางนี้เพิ่มเติมผ่าน How Automated Bank Statement Parsing for Thai P2P Lending Cuts Credit Risk Processing to 90 Seconds ซึ่งอธิบายวิธีลดความเสี่ยงโดยใช้เวลาประมวลผลเพียงไม่กี่วินาที แทนที่จะพึ่งพาอารมณ์หรือการประเมินเชิงคุณภาพที่ควบคุมไม่ได้

สัญญาณทางการเงินที่ปัญญาประดิษฐ์สนทนาละเลยไป

• ยอดเงินคงเหลือสะสมเฉลี่ยในแต่ละสัปดาห์ซึ่งต้องสูงกว่ายอดผ่อนชำระขั้นต่ำ
• รูปแบบและพฤติกรรมการถอนเงินออกจากบัญชีทันทีหลังจากที่มีการโอนเงินเข้า
• สัดส่วนค่าสาธารณูปโภคที่จ่ายตรงเวลาเมื่อเทียบกับยอดรายได้รวมทั้งหมด
• การโอนเงินหมุนเวียนภายในระหว่างบัญชีส่วนตัวหลายใบเพื่อสร้างตัวเลขรายรับปลอม

แนวทางการปฏิรูประบบประเมินความเสี่ยงสำหรับธุรกิจนาโนไฟแนนซ์ไทย

ผู้ให้บริการสินเชื่อที่ไม่ใช่ธนาคารในประเทศไทยต้องจัดวางตำแหน่งการใช้งานของแชตบอตใหม่โดยกำหนดให้ทำหน้าที่เฉพาะการรวบรวมข้อมูลเริ่มต้นเท่านั้น และตัดสิทธิ์ออกจากระบบคำนวณเครดิตโดยเด็ดขาด การรักษาความมั่นคงของพอร์ตสินเชื่อต้องการสถาปัตยกรรมไอทีที่แบ่งแยกฝั่งการปฏิสัมพันธ์กับลูกค้าและฝั่งวิเคราะห์ความเสี่ยงออกจากกันอย่างสมบูรณ์แบบ สามารถเรียนรู้วิธีจัดการความเสี่ยงสำหรับกลุ่มลูกค้าที่ไม่มีเอกสารรายได้ทางการได้ที่ Alternative Credit Risk Assessment: How Thai Micro-Lenders Approve Thin-Fi เพื่อนำไปปรับใช้ในองค์กรได้อย่างมั่นใจ

ลำดับขั้นตอนการปรับโครงสร้างท่อส่งข้อมูลสินเชื่อดิจิทัล

1. ปรับบทบาทแชตบอต: ใช้แชตบอตเพื่อตรวจสอบตัวตนเบื้องต้นและรับไฟล์เอกสารเท่านั้น
2. คัดแยกข้อมูลข้อความออก: ห้ามนำผลคะแนนการวิเคราะห์อารมณ์หรือน้ำเสียงของผู้สมัครเข้าสู่ระบบคำนวณคะแนนเด็ดขาด
3. ส่งข้อมูลบัญชีเข้าฐานข้อมูลวิเคราะห์โดยตรง: ใช้โปรแกรมแปลงภาพเอกสารทางการเงินเพื่อดึงยอดตัวเลขกระแสเงินสดที่ถูกต้อง
4. คำนวณผลด้วยเงื่อนไขที่กำหนดไว้แน่นอน: ประมวลผลคะแนนผู้กู้ด้วยระบบสูตรคำนวณดั้งเดิมที่ปรับเปลี่ยนไม่ได้ด้วยคำสั่งแชต
5. ตรวจสอบผลลัพธ์โดยผู้เชี่ยวชาญ: ให้เจ้าหน้าที่สินเชื่อที่เป็นมนุษย์ทำการอนุมัติขั้นสุดท้ายสำหรับเคสที่มีความคาดเคลื่อน

การแบ่งแยกบทบาทหน้าที่ระหว่างเทคโนโลยีหลังบ้านและหน้าบ้าน

การออกแบบระบบดิจิทัลที่ดีต้องสร้างกำแพงกั้นที่ชัดเจนเพื่อไม่ให้ความยืดหยุ่นของโมเดลภาษาเข้ามาทำลายความเสถียรของเกณฑ์การประเมินความปลอดภัยทางการเงิน ความเสียหายส่วนใหญ่เกิดขึ้นเมื่อผู้พัฒนาระบบพยายามเชื่อมโยงเครื่องมือสร้างข้อความเข้ากับโมเดลการตัดสินใจเรื่องเงินกู้โดยตรง การสร้างระบบที่เรียกว่า Onboarding Firewall จะช่วยลดความเสี่ยงจากการทุจริตผ่านแชตได้อย่างมีประสิทธิภาพสูงสุด

สถาปัตยกรรมปิดเพื่อความปลอดภัยของโมเดลสินเชื่อ

• การจำกัดพื้นที่ของปัญญาประดิษฐ์: แชตบอตจะทำงานอยู่ภายใต้โปรโตคอลที่จำกัด ไม่สามารถส่งข้อมูลนอกเหนือจากฟิลด์ที่กำหนดไว้ได้
• การดึงข้อมูลเฉพาะโครงสร้างตัวเลข: ระบบจะแปลงข้อมูลที่แชตบอตรวบรวมมาให้กลายเป็นตัวเลขดิจิทัลก่อนส่งต่อ
• การปิดกั้นการเข้าถึงเกณฑ์คะแนน: ป้องกันไม่ให้แชตบอตตอบผู้สมัครเกี่ยวกับเกณฑ์ตัดสินหรือสิ่งที่ระบบใช้คำนวณความเสี่ยง
• การเข้ารหัสการเชื่อมต่อ: การส่งต่อผลลัพธ์ผ่านช่องทางที่มีระบบรักษาความปลอดภัยหนาแน่นเพื่อป้องกันการแทรกแซงข้อความ

การรักษาเสถียรภาพของเครื่องมือคำนวณความเสี่ยง

ส่วนประเมินคะแนนความเชื่อถือต้องพึ่งพาเฉพาะข้อมูลตัวเลขที่เป็นวิทยาศาสตร์ เช่น ยอดหนี้สะสม รายได้รวมรายเดือน และระยะเวลาในการจ้างงาน ซึ่งผ่านการตรวจสอบยืนยันจากแหล่งข้อมูลภายนอกหรือระบบจัดเก็บภาษีอากรเท่านั้น การป้องกันความเสียหายนี้ช่วยให้ผู้ให้บริการมั่นใจได้ว่าระบบจะไม่ยอมรับผู้กู้ที่ไม่มีตัวตนจริง

ปัญหากฎหมายและความสอดคล้องกับกฎเกณฑ์ของธนาคารแห่งประเทศไทย

การตัดสินอนุมัติเงินกู้ด้วยแชตบอตปัญญาประดิษฐ์ที่ไม่สามารถชี้แจงที่มาของคะแนนได้อย่างเป็นรูปธรรมเป็นแนวทางที่ละเมิดข้อกำหนดการกำกับดูแลธุรกิจการเงินของไทย ภายใต้มาตรฐานการทำงานของธนาคารแห่งประเทศไทย (ธปท.) สถาบันการเงินทุกแห่งต้องระบุเหตุผลในการปฏิเสธสินเชื่อให้ผู้สมัครทราบได้อย่างชัดเจนและโปร่งใส ซึ่งการนำเทคโนโลยีที่ไม่ชัดเจนนี้เข้ามาใช้อาจก่อให้เกิดปัญหาตามกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) อีกด้วย ผู้สนใจประเด็นนี้สามารถอ่านรายละเอียดเพิ่มเติมได้ที่ Why Generative AI Loan Risk Assessment Thai Fintech Strategy is a Compliance Nightmare เพื่อเตรียมความพร้อมในการรับมือกับการตรวจสอบจากภาครัฐ

ความล้มเหลวในการปฏิบัติตามกฎระเบียบของระบบที่ใช้แชตบอต

• การไม่สามารถอธิบายขั้นตอนและน้ำหนักของแต่ละปัจจัยในการให้คะแนนความเสี่ยงต่อผู้ตรวจสอบบัญชีได้
• ความสุ่มเสี่ยงจากการที่แชตบอตบันทึกข้อมูลส่วนบุคคลที่ละเอียดอ่อนของผู้กู้โดยไม่ได้รับความยินยอมล่วงหน้า
• การเลือกปฏิบัติโดยอ้อมต่อกลุ่มผู้กู้ที่มีปัญหาด้านการออกเสียง การมองเห็น หรือข้อจำกัดในการพิมพ์ภาษาไทย
• ความไม่สม่ำเสมอของผลลัพธ์การประเมินจากความไม่แน่นอนในการประมวลผลของโมเดลปัญญาประดิษฐ์แบบสร้างสรรค์

แนวทางการสร้างระบบประเมินที่โปร่งใส

• จัดทำเอกสารอธิบายโครงสร้างสูตรคำนวณความเสี่ยงที่ระบุที่มาของตัวเลขทุกตัวแปรอย่างละเอียด
• ตั้งค่าระบบเก็บบันทึกข้อมูลเพื่อแสดงเส้นทางการตัดสินใจของทุกใบสมัครโดยแยกจากกระบวนการพูดคุย
• ปรับปรุงขั้นตอนการยินยอมใช้งานข้อมูลส่วนบุคคลให้สอดคล้องกับพฤติกรรมการกรอกแบบฟอร์มแบบปิด
• พัฒนาระบบให้คะแนนที่ไม่มีอคติส่วนบุคคลและพร้อมสำหรับการตรวจสอบจากเจ้าหน้าที่รัฐตลอดเวลา

การก้าวข้ามกระแสปัญญาประดิษฐ์เพื่อความยั่งยืนของสถาบันการเงินไทย

การปฏิเสธการประเมินพฤติกรรมผ่านบทสนทนาและยึดมั่นในการประมวลผลข้อมูลการเงินที่เป็นวิทยาศาสตร์เป็นหนทางเดียวที่ทำให้ธุรกิจปล่อยสินเชื่อในไทยสามารถรักษาผลกำไรได้อย่างยั่งยืนในระยะยาว การใช้แนวทางที่เรียกว่า conversational credit scoring risk มักส่งผลเสียต่อการประเมินความเสี่ยงและสร้างความเข้าใจผิดเกี่ยวกับความสามารถที่แท้จริงของระบบคอมพิวเตอร์ การที่ผู้บริหารเลือกที่จะปิดสวิตช์ระบบวิเคราะห์อารมณ์จากบทสนทนาและเปลี่ยนงบประมาณไอทีไปลงทุนกับการเชื่อมต่อระบบวิเคราะห์รายการเดินบัญชีและระบบตรวจสอบเอกสารรายได้อัตโนมัติ จะช่วยหยุดยั้งการพุ่งสูงขึ้นของสินเชื่อที่ไม่ก่อให้เกิดรายได้อย่างยั่งยืนที่สุด

ตารางตรวจสอบการทำงานเพื่อปรับปรุงความปลอดภัยของพอร์ตสินเชื่อ

• ปิดการใช้งานโมเดลวิเคราะห์ความรู้สึก (Sentiment Analysis) ที่ใช้ในการประเมินคุณลักษณะของผู้สมัครขอสินเชื่อ
• ติดตั้งระบบวิเคราะห์ภาพถ่ายเอกสารเงินฝากธนาคารที่มีประสิทธิภาพเพื่อดึงธุรกรรมย้อนหลัง 6 เดือน
• ปรับรูปแบบส่วนติดต่อผู้ใช้ในแชตบอตให้อยู่ในกรอบคำถามปลายปิดที่ต้องเลือกคำตอบแทนการพิมพ์ข้อความอิสระ
• จัดการทดสอบเพื่อตรวจสอบความทนทานของระบบประเมินความเสี่ยงต่อการเจาะระบบด้วยชุดประโยคหลอกลวง
• บังคับใช้กระบวนการทบทวนโดยเจ้าหน้าที่สินเชื่ออาวุโสสำหรับการอนุมัติสินเชื่อที่มีวงเงินเกิน 100,000 บาท

การแข่งขันในตลาดยุคดิจิทัลไม่ได้วัดกันที่ความล้ำสมัยของเทคโนโลยีแชตบอต แต่อยู่ที่ความแม่นยำในการระบุตัวผู้ชำระหนี้และการบริหารจัดการความเสี่ยงได้อย่างเด็ดขาด ผู้ให้บริการสินเชื่อที่ไม่ใช่ธนาคารในไทยควรเปลี่ยนผ่านระบบการทำงานในวันนี้ก่อนที่มูลค่าหนี้เสียสะสมจากปัญญาประดิษฐ์จะทำลายโครงสร้างทางการเงินของธุรกิจคุณจนไม่สามารถกู้กลับคืนมาได้