AI کریڈٹ اسکورنگ: کم ریکارڈ والے پاکستانیوں کے لیے متبادل ڈیٹا اور تعصب کا مسئلہ
AI credit scoring: alternative data for thin-file Pakistanis and the bias problem
36 منٹ
تین طریقے
کریڈٹ اسکورنگ یہ اندازہ لگانے کا عمل ہے کہ قرض دار قرض واپس کرے گا یا نہیں۔ روایتی ماڈل بیورو ڈیٹا استعمال کرتا ہے: کریڈٹ تاریخ، اعلانیہ آمدن، موجودہ قرض۔ پاکستان میں یہ بیورو eCIB ہے جو SBP چلاتا ہے۔ مسئلہ ساختی ہے: 70 فیصد کام کرنے کی عمر کے پاکستانی eCIB ریکارڈ نہیں رکھتے کیونکہ کبھی رسمی قرض یا کارڈ نہیں لیا۔ وہ برے خطرے نہیں؛ وہ غیر مرئی خطرہ ہیں۔ AI کریڈٹ اسکورنگ متبادل ڈیٹا سے انہیں ظاہر کرنے کی کوشش کرتا ہے، یعنی کوئی بھی اشارہ جو قرض واپسی کے رویے سے جڑا ہو مگر کریڈٹ بیورو میں نہ ہو۔
آج پاکستان میں متبادل ڈیٹا کے چھ خاندان استعمال ہوتے ہیں۔ ایک: ٹیلی کام ڈیٹا، ایئرٹائم ٹاپ اپ پیٹرن اور بل کی باقاعدگی، ٹیلکو شراکت داری سے۔ دو: JazzCash، Easypaisa، SadaPay کا موبائل منی ڈیٹا، آمد، بچت، تاجر ادائیگی دکھاتا ہے۔ تین: یوٹیلٹی بل ادائیگی، 1Link ایگریگیٹر کوئریز سے۔ چار: اسمارٹ فون میٹا ڈیٹا جیسے ڈیوائس ماڈل اور ایپ انسٹالیشن پیٹرن، رضامندی سے۔ پانچ: Daraz جیسے پلیٹ فارمز کی ای کامرس سرگرمی، جب پارٹنر شیئر کرے۔ چھ: اردو میں ڈھالے گئے سائیکومیٹرک ٹیسٹ، جہاں پندرہ منٹ کا موبائل کوئز رویے کا اسکور دیتا ہے۔
ماڈل عام طور پر گریڈینٹ بوسٹڈ ٹری (XGBoost یا LightGBM) یا ڈیپ ٹیبولر نیٹ ورک ہے، جو پچھلے قرض داروں کے لیبل شدہ سیٹ پر تربیت یافتہ ہے جن کے واپسی نتائج معلوم ہیں۔ آؤٹ پٹ ڈیفالٹ کا امکان اور ٹیئر (A، B، C، D) ہے، جسے کریڈٹ پالیسی قرض سائز اور قیمت سے جوڑتی ہے۔ کارکردگی Gini کوفیشینٹ، KS اعدادشمار، اور سب سے اہم تعیناتی کے بعد ہر ٹیئر میں ڈیفالٹ کی شرح سے ناپی جاتی ہے۔ کاغذ پر 0.4 Gini مگر ٹیئر C میں 25 فیصد ڈیفالٹ والا ماڈل سادہ اسکور کارڈ سے بدتر ہے۔
فوری چیک
فوری چیک: جدید AI روایتی قاعدہ بنیاد پروگرام سے کس طرح مختلف ہے؟
کیوں؟
کیوں کا پہلا درجہ: جب بیورو ڈیٹا صاف ہے تو متبادل ڈیٹا کیوں؟ کیونکہ جنہیں قرض سب سے زیادہ چاہیے، بیورو ڈیٹا ان کے لیے موجود ہی نہیں۔ صرف بیورو پر اسکورنگ ایک گول گھیرا ہے: صرف وہی جنہیں پہلے قرض ملا، اور لے سکتے ہیں۔ متبادل ڈیٹا یہ گھیرا توڑتا ہے۔
Claude کے ساتھ آزمائیں
AI پرامپٹ: 'میں ایک پاکستانی ڈیجیٹل بینک میں کریڈٹ انڈر رائٹنگ چلاتا ہوں۔ میرے پاس 50,000 قرض داروں کا ڈیٹا ہے جس میں ٹیلی کام ٹاپ اپ، موبائل منی آمد، eCIB ریکارڈ (جہاں موجود)، اور 12 ماہ کی واپسی کے نتائج شامل ہیں۔ بتائیں کون سا اسکورنگ ماڈل بناؤں، لانچ سے پہلے کون سے بائس چیک، چار سب سے ممکنہ ریگولیٹری سوال، اور صنفی امتیاز کے الزام والے پریس انکوائری میں ماڈل کا دفاع کیسے کروں۔' پریس دفاع محفوظ کریں؛ اگر اصول کی بجائے دفاعی لگے، ماڈل دوبارہ ڈیزائن کریں۔
ماخذ
ماخذ اور مزید مطالعہ۔ SBP eCIB ریگولیشنز اور کریڈٹ انفارمیشن بیورو سرکلرز۔ کرانداز پاکستان، کریڈٹ اسکورنگ کے لیے متبادل ڈیٹا کاغذات۔ CGAP، الگوردمی قرض میں منصفانہ قرض دہی رپورٹس۔ ورلڈ بینک کریڈٹ رپورٹنگ نالج گائیڈ۔ NIST AI رسک مینجمنٹ فریم ورک، خاص طور پر جنریٹیو AI پروفائل۔ ACM FAccT الگوردمی منصفانہ قرض دہی پر کاغذات۔ پاکستان کمپٹیشن کمیشن صارف تحفظ نوٹس۔