Provenir

ความยากของการปล่อยกู้ไม่ได้อยู่ที่ "ให้กู้หรือไม่" แต่อยู่ที่การตัดสินนี้ต้องเสร็จภายในไม่กี่ร้อยมิลลิวินาที พร้อมพิจารณาความเสี่ยงเครดิต สัญญาณฉ้อโกง และข้อจำกัดการปฏิบัติตามกฎไปพร้อมกัน และแก้กฎหนึ่งข้อต้องไม่ทำให้ทั้งระบบพัง Provenir คือแพลตฟอร์มตัดสินใจที่เชี่ยวชาญโจทย์นี้โดยเฉพาะ ตัวเลขทางการคือประมวลผลการตัดสินใจกว่า 4 พันล้านครั้งต่อปี ให้บริการลูกค้ากว่า 120 รายในกว่า 60 ประเทศ

จุดเด่นและสถานการณ์การใช้งาน

แกนการออกแบบของแพลตฟอร์มคือวางสามอย่างไว้ในสภาพแวดล้อมที่ถูกกำกับเดียวกัน ข้อมูล (รวม Data Marketplace ของตัวเองที่เชื่อมแหล่งข้อมูลตัวตน ฉ้อโกง และเครดิตทั่วโลก) โมเดล AI (ฝึกด้วยข้อมูลในอดีตของลูกค้าเอง ไม่ใช่ใช้โมเดลตลาดทั่วไป) และตัวกระบวนการตัดสินใจเอง

ที่น่าสนใจกว่าคือ optimization cycle ของมัน การเปลี่ยนกลยุทธ์สามารถเอาข้อมูล production จริงมาพิสูจน์ก่อน ยืนยันผลกระทบแล้วค่อยขึ้นใช้งาน ไม่ใช่แก้เสร็จแล้วขึ้นเลยแล้วภาวนา สำหรับผู้บริหารความเสี่ยงนี่เป็นฟังก์ชันที่เป็นรูปธรรมมาก เหตุการณ์ส่วนใหญ่ไม่ได้เกิดเพราะโมเดลห่วย แต่เพราะมีคนแก้กฎหนึ่งข้อโดยไม่มีใครสังเกตผลกระทบต่อเนื่อง

ทิศทางช่วงหลังคือ agentic decisioning ให้ AI agent ตัดสินใจภายใน guardrail การปฏิบัติตามกฎ ไม่ใช่แค่คืนคะแนนกลับมา ลูกค้าครอบคลุมธนาคาร สหกรณ์เครดิต fintech การชำระเงิน โทรคมนาคม สินเชื่อรถ และ buy now pay later (BNPL) ตัวเลขเคสที่ทางการเปิดเผยรวมถึงปริมาณประมวลผลของ tbi Bank เพิ่ม 14 เท่า MTN Group สกัดกั้นธุรกรรมความเสี่ยงสูงเพิ่ม 135% การอนุมัติล่วงหน้าเพิ่ม 130%

ในไทยพึงระวังว่า ระบบแกนและโครงสร้างการกำกับของธุรกิจการเงินในประเทศเป็นเอกลักษณ์เฉพาะ การนำเครื่องยนต์ตัดสินใจต่างประเทศประเภทนี้มาใช้มักต้องจัดการเรื่องที่ตั้งข้อมูลและข้อกำหนดที่เกี่ยวข้องของ ธปท./ก.ล.ต. เดินเส้นทางการปฏิบัติตามกฎให้ผ่านก่อนค่อยพูดเรื่องฟังก์ชัน