Дата публикации: 12.12.2024

Правовые механизмы предотвращения дискриминации в сфере потребительского кредитования при использовании искусственного интеллекта

Аннотация

Статья посвящена анализу правовых механизмов предотвращения дискриминации в сфере потребительского кредитования при использовании искусственного интеллекта. Автор анализирует причины ее возникновения при использовании технологии искусственного интеллекта в финансовом секторе. Особое внимание уделяется мерам по противодействию дискриминации, таким как обеспечение достоверности данных, используемых для обучения искусственного интеллекта, обеспечение объяснимости механизма принятия решений искусственным интеллектом, а также необходимости сохранения роли человека в принятии окончательного решения о выдаче кредита. Автор приходит к выводу, что для предотвращения дискриминации при использовании искусственного интеллекта в сфере потребительского кредитования необходима совместная работа государства и финансовых учреждений по обеспечению этичного и ответственного использования данной технологии.




Введение

Кредитный скоринг является важным инструментом для оценки кредитоспособности заемщика и принятия решений о предоставлении кредита. Он позволяет банкам и другим финансовым учреждениям оценить риски, связанные с предоставлением кредита, и определить вероятность того, что заемщик вернет долги вовремя.

Однако проверка кредитоспособности заемщика исключительно человеком может занимать дни и недели. При этом расходы финансового учреждения могут быть высоки, а роль несовершенства человеческого фактора оставаться.

В этих условиях на помощь могут прийти новые технологии, такие как искусственный интеллект (далее в тексте — ИИ). В данной работе под ИИ будет пониматься автоматическая система, которая на основе полученных данных делает вывод о выдаче или отказе в кредите.

Благодаря своей способности работы с большим объемом данных она позволяет банкам и иным финансовым учреждениям в кратчайшие сроки: 1) проводить сбор и обработку информации о клиентах; 2) анализировать их поведение; 3) проводить ранжирование на предмет возможных злоупотреблений; 4) оценивать потенциальные возможности клиентов по пользованию банковскими продуктами; 5) снижать издержки, связанные с несовершенством оценок человеческого фактора.

Список литературы

1. Braun, J.-C. Suspicion Machine Methodology / J.-C. Braun, E. Constantaras, H. Aung [et al.] // Lighthouse Reports. 2023. 2 March.
2. Cascarino, G. Explainable Artificial Intelligence: Interpreting Default Forecasting Models Based on Machine Learning / G. Cascarino, M. Moscatelli, F. Parlapiano // Bank of Italy Occasional Paper. 2022. № 674. 38 p. DOI: 10.32057/0.QEF.2022.0674.
3. Mao, F. Robodebt: Illegal Australian welfare hunt drove people to despair / F. Mao // BBC NEWS. 2023. 7 July.
4. Vigdor, N. Apple Card Investigated After Gender Discrimination Complaints // The New York Times. 2019. 10 November.
5. Zhang, D. The AI Index 2021 Annual Report / D. Zhang, S. Mishra, E. Brynjolfsson [et al.]. Stanford, CA, March, 2021. 97 p.

Остальные статьи