Provenir

Platform keputusan risiko masa nyata yang mengumpul data, model dan peraturan keputusan dalam satu lapisan

Contact for pricing United States

Kesukaran pemberian pinjaman bukan pada 'sama ada untuk meminjamkan', tetapi pada pertimbangan ini perlu diselesaikan dalam beberapa ratus milisaat, sambil mempertimbangkan risiko kredit, isyarat penipuan, batasan pematuhan, dan mengubah satu peraturan tidak boleh merosakkan keseluruhan sistem. Provenir ialah platform keputusan yang khusus menyelesaikan masalah ini, dengan angka rasmi memproses lebih 4 bilion keputusan setiap tahun dan melayan lebih 120 pelanggan di lebih 60 negara.

Ciri dan senario penggunaan

Teras reka bentuk platform ialah meletakkan tiga perkara dalam satu persekitaran yang ditadbir: data (termasuk Data Marketplace-nya sendiri, menyambung sumber data identiti, penipuan dan kredit global), model AI (dilatih dengan data sejarah pelanggan sendiri, dan bukan menggunakan model pasaran umum), serta proses keputusan itu sendiri.

Yang agak menarik ialah 'optimization cycle'-nya: perubahan strategi boleh disahkan dahulu dengan data pengeluaran sebenar, dan hanya dilancarkan selepas kesannya disahkan, dan bukan mengubah lalu terus berdoa. Bagi pengurus kawalan risiko ini fungsi yang sangat praktikal — kebanyakan insiden bukan kerana model teruk, tetapi kerana ada orang mengubah satu peraturan tanpa sesiapa menyedari kesan gandingannya.

Hala tuju terbaharunya ialah agentic decisioning, membolehkan ejen pintar melaksanakan keputusan dalam pagar pematuhan, dan bukan sekadar memulangkan satu skor. Pelanggannya merentasi bank, koperasi kredit, teknologi kewangan, pembayaran, telekomunikasi, pinjaman kenderaan dan beli sekarang bayar kemudian (BNPL). Angka kes yang didedahkan pihak rasmi termasuk jumlah pemprosesan tbi Bank meningkat 14 kali, MTN Group menyekat transaksi berisiko tinggi meningkat 135%, prakelulusan meningkat 130%.

Yang perlu diberi perhatian di Malaysia ialah sistem teras dan rangka kerja penyeliaan industri kewangan tempatan mempunyai keunikan tersendiri, jadi melaksanakan enjin keputusan luar negara sebegini biasanya perlu mengendalikan lokasi penyimpanan data dan peraturan berkaitan BNM; lalui dahulu laluan pematuhan sebelum membincangkan fungsi.

Ciri Utama

Keputusan kredit, penipuan, pematuhan dan pengurusan pelanggan masa nyata
Model AI khusus yang dilatih dengan data sejarah pelanggan
Data Marketplace menyambung sumber data identiti, penipuan dan kredit global
Perubahan strategi boleh disahkan dahulu dengan data pengeluaran sebelum dilancarkan
Pelaksanaan keputusan agentik dalam pagar pematuhan
Merangkumi kitaran hayat penuh daripada pembukaan akaun, kelulusan pinjaman hingga kutipan

Kelebihan

Data, model, peraturan dalam satu lapisan, kesan gandingan perubahan boleh dilihat
Mekanisme pengesahan sebelum pelancaran boleh menghalang kebanyakan kemalangan 'mengubah satu peraturan menjadi masalah besar'
Kes dan skala didedahkan secara agak khusus, bukan bahasa pemasaran tulen

Kekurangan

Pembelian bertaraf perusahaan, harga tidak didedahkan, kitaran pelaksanaan panjang
Pelaksanaan di industri kewangan Malaysia perlu mengendalikan lokasi penyimpanan data dan pematuhan penyeliaan secara berasingan
Nilainya sangat bergantung pada kualiti dan kuantiti data sejarah sendiri; apabila data tidak mencukupi, kelebihan model terhad

Kes Penggunaan

Keputusan kelulusan pinjaman masa nyata kewangan pengguna
Pertimbangan risiko BNPL dan beli sekarang bayar kemudian
Pengesahan bersama identiti dan penipuan pada peringkat pembukaan akaun
Pengelompokan dan automasi strategi kutipan

Nota Editor

Saya sentiasa berhati-hati terhadap ungkapan 'kelulusan pinjaman AI', kerana yang benar-benar menentukan kejayaan selalunya bukan model, tetapi sumber data dan tadbir urus peraturan. Provenir meletakkan tumpuan pada dua yang terakhir, dan saya bersetuju dengan pertimbangan ini. Untuk melaksanakannya di Malaysia, saya akan mencadangkan bertanya satu soalan yang sangat biasa dahulu: sekarang untuk mengubah satu peraturan pemberian kredit, berapa hari daripada cadangan hingga pelancaran? Jika jawapannya tiga bulan, maka beli alat apa pun sama lambatnya.

Soalan Lazim

Apa bezanya dengan alat model kredit seperti Zest AI?

Teras [Zest AI](/tools/zest-ai) ialah model kredit itu sendiri, manakala Provenir ialah platform keputusan yang meletakkan penyambungan data, pelaksanaan model, pengurusan peraturan dan orkestrasi proses bersama-sama. Jika anda hanya kekurangan model, yang pertama lebih tertumpu; jika titik kesakitan anda ialah 'peraturan berselerak dalam lima sistem, tiada siapa berani menyentuhnya', yang kedua barulah tepat pada penyakitnya.

Bolehkah bank di Malaysia menggunakannya?

Secara teknikal boleh, tetapi dalam amalan perlu mengendalikan dua perkara dahulu: sama ada data pelanggan boleh keluar negara, dan sama ada logik keputusan mematuhi keperluan BNM terhadap keputusan automatik. Disyorkan untuk mencuba dahulu daripada senario bukan teras (contohnya pengelompokan senarai pemasaran).

Alat AI Berkaitan

實價雷達 HouseTW

Semak 3.49 juta transaksi hartanah Taiwan, lengkap dengan peta risiko pencairan tanah, sesaran gempa dan banjir, semuanya dalam satu platform carian harga rumah percuma.

Percuma Pilihan Taiwan 4.6