Eine Studie über Autokreditgeber zeigt, dass KI Voreingenommenheit abmildern und die Kreditvergabe an marginalisierte Kunden ermöglichen könnte

Kreditgeber, die in indirekten Einzelhandelskanälen wie Autohäusern tätig sind, könnten ihre Gewinnmargen um mehr als ein Drittel verbessern, indem sie künstliche Intelligenz zur Unterstützung der Verkäufer der Einzelhändler einsetzen, anstatt sich allein auf die Verkäufer zu verlassen, um Kredite nach eigenem Ermessen zu bewerten, heißt es in einer neuen Studie, die in veröffentlicht wurde Europäisches Journal für Marketing von der University of Bath zeigt.

Die Studie zur Kreditvergabe bei Autohäusern in Kanada zeigte auch, dass der Einsatz von KI und zentraler Preisgestaltung in der Unternehmenszentrale möglicherweise menschliche Vorurteile abmildern und den Zugang zu Krediten für Menschen mit traditionell niedrigen Kreditgenehmigungsquoten verbessern könnte. Diesen Personen wäre andernfalls möglicherweise der Kredit verweigert worden, weil die Verkäufer ihre Kreditpreisentscheidungen nicht optimiert hatten.

„Im Wesentlichen haben wir untersucht, ob analysebasierte Modelle bei der Preisgestaltung von Krediten für den Durchschnittskunden besser geeignet sind als für Verkäufer, und haben herausgefunden, dass KI-Modelle die Preissensibilität besser bestimmen können als Menschen, solange ein Unternehmen Zugriff auf umfangreiche Daten über seine Kunden hat. „, sagte Dr. Christopher Amaral von der School of Management der Universität.

„Viele Unternehmen verfügen über solche Daten, nutzen sie aber nicht optimal. Der Übergang zu einer diskriminierenden – oder maßgeschneiderten – Preisgestaltung durch KI birgt jedoch das Potenzial, die Gewinne erheblich zu steigern. Ebenso wichtig ist, dass dadurch die Kreditvergabe an Menschen eröffnet werden könnte, die Schwierigkeiten haben, Kredite zu erhalten.“ in der Vergangenheit, weil analysebasierte Ansätze die Preisgestaltung bestimmen können, die für sie funktioniert, und außerdem ein Gleichgewicht zwischen Gewinn und Risiko für einen Kreditgeber sicherstellen können“, sagte Dr. Amaral.

Die Studie, „Die Auswirkungen einer diskriminierenden Preisgestaltung aufgrund des Kundenrisikos: eine empirische Untersuchung unter Verwendung indirekter Kreditvergabe über Einzelhandelsnetzwerke“, zeigte, dass der Einsatz einer analysegesteuerten Preisgestaltung auf der Grundlage des Kundenrisikos und die Optimierung der Vertriebsprovisionen den Gewinn um 34 % steigern könnten.

Der Co-Autor der Studie, Dr. Ceren Kolsarici von der Smith School of Business an der Queen’s University in Kanada, stellte fest, dass eine diskriminierende Preisgestaltung – beispielsweise die Festsetzung des Kreditpreises anhand der Kreditwürdigkeit eines Kunden – nicht in allen Ländern und in so vielen Ländern legal sei Die Staaten legten fest, dass Kredite jedem Verbraucher zum gleichen Preis angeboten werden müssen.

„Außerdem waren viele Finanzinstitute zurückhaltend gegenüber der Einführung von KI und einer diskriminierenden Preisgestaltung, möglicherweise aus Angst vor einer Gegenreaktion der Kunden wegen der KI-Voreingenommenheit, über die häufig berichtet wird. Ich würde jedoch argumentieren, dass der Einsatz von KI, die darauf basiert, „Gut verstandenes und transparentes maschinelles Lernen anstelle der Delegation von Salesforce-Preisen und ‚saubere‘ Daten, die Demografien wie Alter, Geschlecht oder Rasse ausschließen, haben das Potenzial, menschliche und KI-Vorurteile bei solchen Entscheidungen abzumildern“, sagte sie.

Dr. Amaral sagte, dass sich die Studie in dem Bemühen, Voreingenommenheit zu reduzieren, auf Faktoren wie die Kreditwürdigkeit der Verbraucher, das Verhältnis von Beleihung zu Wert, die Art der finanzierten Fahrzeuge und den Preis des Fahrzeugs konzentriert habe. Es basierte auch auf einem durchschnittlichen Kunden – einem Kunden mit einer angemessenen Kreditwürdigkeit und nicht mit extremen Bewertungen.

Die Studie konzentrierte sich auf das Geschäft mit Autokrediten, aber Dr. Amaral sagte, die Ergebnisse könnten auf jede Kreditvergabe zutreffen, bei der es um einen Vermögenswert geht, beispielsweise um Haushaltsgeräte.

„Allerdings wäre der Einsatz in Sektoren, in denen persönliche Beziehungen von entscheidender Bedeutung für Transaktionen und Preise sind, wie zum Beispiel im Business-to-Business-Bereich, wahrscheinlich von geringerem Nutzen“, sagte er.