AI a financování e-shopů. Zeptali jsme se Jiřího Kawuloka z Lemonera
Lemonero je online platforma, která přináší e-shoperům ten nejrychlejší přístup k těm nejchytřejším penězům. Jednou z důležitých součástí celé služby je také umělá inteligence. Na detaily fungování jsme se zeptali Jiřího Kawuloka, Chief of Risk.
Jakým způsobem využívá Lemonero umělou inteligenci k vyhodnocení žádostí o financování e-shopů?
Termín AI je poměrně široce užívaný, v našem případě bych raději volil pojem machine learning, tedy soubor metod, které pomáhají identifikovat určité vzory v datech. A právě pro tento účel machine learning užíváme – identifikaci vzorů, které mají vztah ke skutečnosti, že klientův business pokvete, nebo naopak povede k nesplácení závazků.
Jaký je hlavní rozdíl mezi tradičním schvalovacím procesem v případě žádosti o financování a schvalováním žádostí pomocí umělé inteligence u Lemonero?
Tradiční přístup finančních institucí je často velmi segmentovaný. Buďto jste zavedená firma s dlouhou historii finančních výkazů, nebo fyzická osoba s pravidelným příjmem. V prvém případě vás bude finanční instituce hodnotit dle vašich finančních výsledků, v druhém pak z vaší kreditní historie ať už na běžném účtu či hypotéce.
Ačkoli se tento segmentovaný přístup zda být zkostnatělý, je časem prověřený a efektivní – pokud tedy spadáte do jedné z těchto skupin. V Lemoneru se umíme podívat na klienta v celistvosti a hodnotíme jej na základě dat z jeho e-shopu či platební brány. Nejsme tedy odkázání na finanční výkazy, které jsou v čase zpožděné a často také daňově optimalizované, ani na identifikaci pravidelného příjmu z běžného účtu. Vše je online a rychle.
Jaké jsou hlavní výzvy, se kterými se Lemonero setkalo při implementaci systému umělé inteligence pro financování?
Výzev byla celá řada a celá řada je stále před námi. Jako hlavní výzvu bych označil komplexitu a rozmanitost segmentu klientů, který financujeme. Pokud financujete homogenní skupinu klientů – například fyzické osoby, pak je proces evaluace přímočarý a vývoj metody hodnocení klientů se do značné míry redukuje na výběr machine learning metody, kterou použijete.
V našem případě je však náš target segment vše, jen ne homogenní. Financujeme firmy, které mají celou sérii e-shopů i platebních bran, komplikovanou vlastnickou strukturu, extrémní sezonalitu atd. A na druhou stranu financujeme FOP, která má krátkou historii a e-shop jako vedlejší příjem. A co se stane, když zmíněná FOP je podílníkem ve firmě, kterou jsem zmínil o odstavec dříve – je to poměrně složitý problém k řešení.
Jak dlouho trvalo, než byla umělá inteligence u Lemonera natolik vyspělá, aby mohla spolehlivě rozhodovat o žádostech o financování?
Když pracujete v risk managementu, pak zpětná vazba na váš rozhodovací proces, implementovanou metodu, přichází výrazně později, než-li je tomu v jiných oblastech, například marketingu – marketingovou kampaň jste schopni vyhodnotit již po pár dnech od jejího spuštění, u předpovědi, zda-li klient dostane svým závazkům, je standard vyhodnocení jeden rok. Nyní jsme tedy schopni říci, že verze našich algoritmů, která byla implementováná dříve než před rokem, vrací výsledky, jež jsme očekávali. Jejich samotný vývoj se pohyboval v řádu vyšších měsíců a je předmětem kontinuálního vývoje.
Jaké konkrétní aspekty e-shopu jsou nejvíce analyzovány umělou inteligencí při hodnocení žádostí o financování?
Délka historie e-shopu, obraty, tržby, zisky, objednávky, produkty a kategorie produktů, sezónnost a mnohé další.
Dokáže umělá inteligence u Lemonera předvídat budoucí úspěch e-shopu na základě poskytnutých dat?
Pokud úspěchem myslíme to, že klient bude splácet své závazky, pak ano. Pokud si představíme, že úspěch je, že se klientovi bude dařit v prodejích, pak také a je to taktéž jedním z cílů našich modelů.
Dokážete rozpoznat nové nebo inovativní e-shopy, které nemají tradiční historická data?
Bez historických dat alespoň v délce 3-6 měsíců nejsme schopni rozpoznat potenciál e-shopu a předpovídat jeho budoucí úspěch a možnost financování včetně objektivně stanovené výše. Úspěch nových podniků není drivován jen produktem-inovací, ale také managementem, přístupem a strategií – aby se projevily tyto aspekty, potřebujete čas.
Umíte zohlednit sezónní výkyvy v prodeji při rozhodování o financování e-shopu?
Ano, náš scoring model zohledňuje také sezónnost konkrétních e-shopů žádajících o financování.
Jaký je proces aktualizace a vylepšování algoritmů?
Celý proces i algoritmy jsou předmětem kontinuálního vývoje, standardně probíhá champion/challenger vyhodnocení a pote roll-out.
Uvádíte, že úvěr od Lemonera pomáhá zvýšit obrat o 30 % nebo i více. Platí to i nyní v době propadu české e-commerce?
Ano, v průměru toto číslo platí. Zde je nutno podotknout, že pokud očistíme obraty od nárůstu cenové hladiny, vidíme, že obecná populace na vstupu se v kontextu růstu horší.
Fintech a umělá inteligence
Mnohokrát děkujeme Jiřímu za rozhovor. Lemonero je členem České asociace umělé inteligence a skvělým příkladem toho, jak dokáže umělá inteligence měnit svět financí. AI zásadně transformuje způsob, jakým finanční instituce, investoři a spotřebitelé interagují s finančními službami a produkty. AI umožňuje rychlé a přesné analýzy finančních dat, což pomáhá bankám a finančním institucím lépe porozumět rizikům a vylepšit své strategie pro řízení portfolia a investic. Závěrem je důležité také zmínit, že AI hraje klíčovou roli při boji proti podvodům a kybernetickým hrozbám v oblasti finančních transakcí. Celkově řečeno, AI zvyšuje efektivitu, bezpečnost a personalizaci finančních služeb, což přináší výhody pro všechny aktéry.
