Dùng AI xây dựng giải pháp chấm điểm tín dụng Make in Vietnam "may đo" cho doanh nghiệp Việt
Trong lĩnh vực tài chính ngân hàng, "nợ xấu" vẫn luôn là vấn đề nan giải. Mỗi khoản nợ xấu sẽ ảnh hưởng đến nguồn lực tài chính, làm giảm lợi nhuận, do đó cản trở tăng trưởng kinh tế. Vì vậy, giảm thiểu tỷ lệ nợ xấu là bài toán cấp thiết của các ngân hàng và tổ chức tín dụng, đặc biệt là nguy cơ tiềm ẩn nợ xấu tăng do ảnh hưởng từ dịch bệnh Covid-19.
Trong bối cảnh đó, Kalapa đã tập trung đi tìm giải pháp giúp các ngân hàng và tổ chức tín dụng tại Việt Nam đánh giá được mức độ rủi ro của từng khách hàng để đưa ra quyết định chính xác hơn khi cung cấp khoản vay. Công nghệ học máy (machine learning) sẽ được sử dụng để xây dựng mô hình chấm điểm tín dụng (credit scoring). Mô hình này được kỳ vọng có độ chính xác cao, cho kết quả nhanh và tốn ít nguồn lực hơn so với phương pháp thẩm định truyền thống.
Giải pháp của Kalapa sẽ giải quyết 2 bài toán chính: Thứ nhất là "Ai là người lừa đảo tín dụng?", xác nhận những người dùng CMND giả, số điện thoại giả... để loại ra những đối tượng lừa đảo. Thứ hai là "Ai là người có khả năng trả nợ cao?", để chọn ra những khách hàng uy tín.
"Không giống như các tổ chức chấm điểm tín dụng khác, họ có thang điểm từ khoảng 350-850 chẳng hạn, và áp dụng cho tất cả các tổ chức tín dụng. Đây là cách mà thị trường ai cũng làm. Nhưng chúng tôi thì không làm như vậy. Chúng tôi "may đo" đúng với nhu cầu của đơn vị cho vay. Họ là người đưa ra bài toán, và chúng tôi giải đúng bài toán đó cho họ." - ông Nguyễn Thành Nhân, CEO Kalapa chia sẻ.
"Chúng tôi chỉ làm ở Việt Nam, giải quyết bài toán cho Việt Nam" - ông Nhân nhấn mạnh.
Nhận thấy Việt Nam là quốc gia có nhiều nhân tài trong lĩnh vực học máy, phía Kalapa đã phát động cuộc thi "Tìm kiếm giải pháp chấm điểm tín dụng tại Việt Nam" để tạo sân chơi cho các bạn sinh viên thử sức với bài toán thực tế. Đồng thời, đây cũng là cơ hội để Kalapa tìm ra mô hình chấm điểm tín dụng khả thi nhất để hỗ trợ các đối tác ngân hàng và tổ chức tín dụng.
