افزایش نقش اعتبار در تصمیمگیریهای اقتصادی
اعتبار جایگزین وثیقه نیست
با این حال، نباید در تحلیل این تحول به یک دوگانه ساده «وثیقه یا اعتبار» رسید. اعتبار و وثیقه دو کارکرد متفاوت در مدیریت ریسک اعتباری دارند. اعتبارسنجی، عمدتا ابزار سنجش احتمال نکول است؛ وثیقه، ابزار کاهش زیان در صورت وقوع نکول. بانک با استفاده از اطلاعات اعتباری تلاش میکند پیش از اعطای تسهیلات تشخیص دهد که احتمال بازپرداخت مشتری چقدر است. در مقابل، وثیقه به بانک امکان میدهد در صورت عدم ایفای تعهدات، بخشی از زیان احتمالی خود را از محل دارایی تضمینشده جبران کند. به همین دلیل، اعتبار نمیتواند در همه انواع تسهیلات و برای همه مشتریان جایگزین وثیقه شود. در تسهیلات بزرگ، بلندمدت یا پرریسک، وثیقه همچنان میتواند نقش مهمی در کاهش زیان مورد انتظار داشته باشد. اما اعتبارسنجی دقیق میتواند نیاز به وثیقه را در برخی بخشهای بازار کاهش دهد، شرایط وثیقهگذاری را تعدیل کند و تصمیم اعتباری را از یک معیار صرفا داراییمحور به یک معیار ریسکمحور نزدیکتر سازد. این تمایز از نظر اقتصادی اهمیت زیادی دارد؛ زیرا هدف اعتبارسنجی حذف وثیقه نیست، بلکه کاهش عدم تقارن اطلاعاتی میان بانک و مشتری و بهبود قیمتگذاری ریسک است.
چرا اطلاعات اعتباری اهمیت پیدا کرده است؟
بازار اعتبار زمانی کارآمدتر عمل میکند که وامدهنده اطلاعات کافی درباره وامگیرنده داشته باشد. هرچه اطلاعات ناقصتر باشد، بانک با عدم اطمینان بیشتری تصمیم میگیرد و طبیعی است که برای جبران این عدم اطمینان به ابزارهایی مانند وثیقه، محدودیت اعتباری یا نرخهای بالاتر متوسل شود.
بانک جهانی نیز «عمق اطلاعات اعتباری» را بر اساس دامنه، کیفیت و دسترسی به اطلاعات موجود از طریق سامانههای ثبت یا گزارش اعتباری اندازهگیری میکند. این شاخص دقیقا بر این مبنا طراحی شده است که اطلاعات اعتباری بهتر میتواند فرآیند تصمیمگیری برای اعطای اعتبار را تسهیل کند. بنابراین، توسعه اعتبارسنجی را میتوان بخشی از زیرساخت بازار اعتبار دانست؛ زیرساختی که در کنار حقوق قانونی وثیقه و سازوکارهای وصول مطالبات، بر دسترسی و شرایط تامین مالی اثر میگذارد. در واقع، وثیقه یک پاسخ به مساله ریسک است؛ اطلاعات اعتباری یک پاسخ به مساله عدم اطمینان.
از سابقه مالی تا سرمایه اعتباری
در این میان، سابقه مالی افراد و بنگاهها اهمیت تازهای پیدا میکند. فردی که طی سالهای گذشته تعهدات خود را بهموقع انجام داده، بدهیهای خود را مدیریت کرده و رفتار مالی باثباتی داشته است، اطلاعاتی تولید کرده که برای تصمیمگیری اعتباری ارزشمند است. این اطلاعات البته به معنای «دارایی» به مفهوم حسابداری آن نیست؛ اما میتواند ارزش اقتصادی داشته باشد، زیرا کیفیت سابقه مالی میتواند بر هزینه و دسترسی فرد به منابع مالی اثر بگذارد. به این ترتیب، خوشحسابی از یک ویژگی رفتاری به یک مزیت اقتصادی تبدیل میشود. این تحول برای افرادی که دارایی فیزیکی محدودی دارند اهمیت بیشتری دارد. یک متخصص، کارآفرین یا کسبوکار نوپا ممکن است درآمد و ظرفیت رشد مناسبی داشته باشد، اما در مراحل اولیه فعالیت، ملک یا دارایی کافی برای ارائه وثیقه نداشته باشد. در چنین شرایطی، اعتبارسنجی دقیق میتواند بخشی از اطلاعاتی را که وثیقه بهتنهایی در اختیار بانک قرار نمیدهد، فراهم کند.
داده؛ زیرساخت جدید اعتبار
اما اعتبارسنجی مدرن بدون داده امکانپذیر نیست. با توسعه بانکداری دیجیتال، پرداختهای الکترونیکی و سامانههای اطلاعاتی، حجم دادههای مالی و رفتاری افزایش یافته است. در سطح جهانی نیز روند دیجیتالیشدن خدمات مالی، ظرفیت بیشتری برای تحلیل رفتار مالی ایجاد کرده است.
کیفیت، صحت، قابلیت اتصال و امکان استفاده مسوولانه از دادهها ضروری بوده و اگر اطلاعات اعتباری ناقص، نادرست یا قدیمی باشد، مدل اعتبارسنجی نیز میتواند تصمیم اشتباه تولید کند. بنابراین، توسعه اعتبارسنجی بدون توسعه همزمان زیرساخت حکمرانی داده، میتواند خود به منبع ریسک تبدیل شود.
ریسک جدید: وقتی الگوریتم تصمیم میگیرد
ورود هوش مصنوعی و یادگیری ماشین به اعتبارسنجی، این تحول را عمیقتر کرده است. مدلهای جدید میتوانند حجم بسیار بزرگی از دادهها را تحلیل کنند و روابطی را شناسایی کنند که در مدلهای سنتی بهسادگی قابل مشاهده نیستند. پژوهش بانک تسویه بینالمللی نیز نشان میدهد که هوش مصنوعی میتواند در کنار روشهای سنتی رابطهمحور، برای کاهش عدم تقارن اطلاعاتی و بهبود ارزیابی اعتباری مورد استفاده قرار گیرد. اما استفاده از الگوریتم، ریسک را حذف نمیکند؛ بلکه ماهیت بخشی از ریسک را تغییر میدهد.
اگر دادههای مورد استفاده دارای خطا یا سوگیری باشند، الگوریتم میتواند همان خطا را در مقیاسی بزرگتر بازتولید کند. اگر منطق مدل برای مشتری یا حتی بانک قابل توضیح نباشد، تصمیم اعتباری ممکن است به یک «جعبه سیاه» تبدیل شود. از سوی دیگر، اگر تعداد زیادی از موسسات مالی از دادهها، مدلها یا ارائهدهندگان فناوری مشابه استفاده کنند، خطای یک مدل میتواند بهصورت همزمان بر تعداد زیادی از تصمیمهای اعتباری اثر بگذارد و حتی به یک مساله ثبات مالی تبدیل شود. به همین دلیل، نهادهای بینالمللی در کنار مزایای هوش مصنوعی بر ریسکهایی مانند کیفیت و امنیت داده، حریم خصوصی، سوگیری مدل، توضیحپذیری و وابستگی به ارائهدهندگان فناوری تاکید دارند. بانک تسویه بینالمللی در گزارش سال ۲۰۲۶ خود نیز حکمرانی داده را یکی از الزامات اساسی استفاده ایمن از هوش مصنوعی در خدمات مالی میداند.
مالک داده چه کسی است؟
در اینجا یک پرسش مهم اقتصادی و حقوقی مطرح میشود: «دادهای که مبنای تصمیم اعتباری قرار میگیرد، متعلق به چه کسی است؟»
پاسخ به این پرسش صرفا یک موضوع فنی نیست. مشتری باید بداند چه اطلاعاتی درباره او جمعآوری میشود، این اطلاعات برای چه هدفی مورد استفاده قرار میگیرد، چه نهادی به آن دسترسی دارد و در صورت اشتباه بودن داده یا نتیجه اعتبارسنجی، چه سازوکاری برای اصلاح آن وجود دارد. در واقع، هرچه تصمیمهای مالی بیشتر دادهمحور شوند، مساله «مالکیت داده» باید در کنار «حق دسترسی»، «حق اصلاح»، «محدودیت هدف استفاده» و «امنیت داده» دیده شود. این مساله در حوزه مالی اهمیت مضاعفی دارد؛ زیرا داده مالی، برخلاف بسیاری از دادههای عمومی، میتواند مستقیما بر دسترسی فرد به اعتبار، بیمه، خدمات مالی و حتی هزینه تامین مالی او اثر بگذارد. بنابراین، اعتماد به نظام اعتبارسنجی فقط به دقت مدل وابسته نیست؛ به اعتماد مشتری به نحوه استفاده از دادههای او نیز وابسته است.
بیمه؛ روی دیگر همین تحول
این تغییر در صنعت بیمه نیز قابل مشاهده است. بیمهگر برای قیمتگذاری و پذیرش ریسک باید درباره احتمال وقوع خسارت اطلاعات داشته باشد. در مدل سنتی، این ارزیابی عمدتا بر اساس اطلاعات تاریخی و ویژگیهای عمومی ریسک انجام میشود؛ اما توسعه داده و فناوری امکان حرکت به سمت ارزیابی دقیقتر و پویاتر ریسک را فراهم کرده است. از این منظر، بانک و بیمه با وجود تفاوت در مدل کسبوکار، با مساله مشترکی مواجهاند: هر دو باید درباره آیندهای تصمیم بگیرند که هنوز رخ نداده است. بانک میپرسد احتمال بازپرداخت چقدر است و بیمهگر میپرسد احتمال وقوع خسارت چقدر است. در هر دو صنعت، کیفیت داده میتواند کیفیت تصمیم را افزایش دهد؛ اما در هر دو، استفاده گسترده از داده بدون حکمرانی مناسب میتواند ریسکهای جدیدی ایجاد کند.
آینده نظام مالی؛ از وثیقهمحوری به ریسکمحوری
مسیر آینده نظام مالی احتمالا حذف وثیقه نیست؛ بلکه کاهش وابستگی تصمیم اعتباری به یک معیار واحد است. در نظام مالی آینده، وثیقه، اعتبار، جریان درآمد، سابقه مالی، کیفیت داده و مدلهای تحلیلی در کنار یکدیگر برای سنجش ریسک به کار گرفته خواهند شد.
این تغییر میتواند سه پیامد مهم داشته باشد: کاهش عدم تقارن اطلاعاتی، بهبود تخصیص منابع و افزایش دسترسی مشتریان دارای سابقه مالی مناسب به خدمات اعتباری. اما تحقق این مزایا به یک شرط اساسی وابسته است: اعتمادپذیری زیرساخت داده.
اگر داده دقیق نباشد، اگر مشتری نتواند خطای اطلاعات خود را اصلاح کند، اگر مدل قابل توضیح نباشد یا اگر حریم خصوصی رعایت نشود، اعتبارسنجی دیجیتال بهجای کاهش ریسک میتواند ریسک جدیدی ایجاد کند. بنابراین، مساله اصلی آینده این نیست که «وثیقه حذف میشود یا نه». سوال دقیقتر این است که «چگونه میتوان با ترکیب وثیقه، اعتبار و داده، ریسک را دقیقتر اندازهگیری و منابع مالی را کارآمدتر تخصیص داد؟»
شاید در آینده مهمترین پشتوانه یک مشتری فقط ملکی که در اختیار دارد نباشد؛ بلکه کیفیت سابقه مالی و قابلیت اعتماد اطلاعاتی باشد که درباره رفتار اقتصادی او وجود دارد. در آن صورت، اعتبار دیگر صرفا یک عدد در سامانه بانکی نخواهد بود؛ بلکه به یکی از مهمترین زیرساختهای تصمیمگیری در اقتصاد دادهمحور تبدیل خواهد شد. شاید در آینده، پرسش نخست بانک دیگر این نباشد که «چه داراییای برای وثیقه دارید؟» بلکه این باشد که «چه سابقه و شواهد معتبری از رفتار مالی شما وجود دارد؟»
* پژوهشگر حوزه بانکداری، بیمه و توسعه مالی
