Zest：AI信貸讓金融更公平！
你知道什麼是信用評分嗎？在馬克去年的文章另類數據信用評分有提到完整關於這個主題的詳細內容，當我們需要申請貸款、申辦信用卡的時候常常會遇到被調查信用評分的狀況，簡單來說，信用評分為一種替金融機構對借貸者的第一關審查程序，因此為了讓借貸機構能夠在龐雜的申請案件中快速過濾掉一些高風險、信用較低的客戶，避免造成未來客戶拖欠款項的風險，因此出現信用評分這樣的標準出現。
不過每一家金融機構都該採納同樣的評分標準嗎？有多少人是因為被不合適自己的評分量表而被拒絕？哪些因素也應該被納入參考依據，又有哪些是有疑慮不適合作為信用評分評估項目的呢？
在科技發達、生活模式已經與過去截然不同的現在，有多少因為不合適的、不有利的評分標準而被信貸機拒於門外，當信用評分標準已經不合時宜或應該因需求而異的時候，舊有的標準不只讓有需要的人無法申請信貸成功，也可能造成金融機構損失了許多潛在客戶。
公司簡介
Zest 是一家專門提供給金融機構製作及管理評分模型的公司，總的來說，就是提供各項建立在機器人學習技術及AI 技術的工作跟及服務，Zest不僅擁有大量的數據能夠幫助機構做出更精確、有效的判斷及決策，減少損失潛在客戶提升利潤，也致力於泯除過去信用評分出現的刻板歧視，包含種族、性別及年齡，希望能創造更公平且創新的金融環境。
從Zest 官方提出的研究報告顯示，黑人過去不僅在文化及生活方面遭受歧視，在申請信貸時的信用紀錄也被無故的標註上「高風險」族群的標籤，由於這樣不合理的標籤導致不少人在申請款項時面臨更高的利率以及門檻吃了不少閉門羹，只透過種族作為標準所獲得的信用評分不僅準確也不公平，因此Zest 認為提出更多過去的信用紀錄以及社交等其他數據才能讓借貸流程更完整且公平，並且獲得雙贏的局面。因此，Zest 藉由數據分析及機器人學習的技術做支撐，透過獲得客戶過去的歷史資訊進行更準確的信用評估，讓更多人有機會成功申請到信貸款項，也在不增加額外風險的狀況下幫助信貸公司賺取更高的收益。
AI-driven的借貸系統可以賺取更多的利潤
Zest 為一家強調基於AI 人工智慧與機器人學習科技為基礎開發產品的公司，希望可以藉由大量的數據搭配有效的分析，幫助借貸機構能夠做出更精準的風險評估，並以最快的速度做出最佳決策，達到提高利潤的目的。目前Zest 提供的服務主要有以下三大優勢：客製化、自動化、可信賴。
首先，由於Zest 所推出的主要產品 Model Management System（MMS）是一款提供信貸機構自動化訓練模型的服務，由於每家公司的屬性不同、領域也相異，相對的客戶在不同產業、地區也會有不同的需求，也就是說各家機構所需要的量表標準也大不相同，甚至在網際網路發達的今日，許多金流交易行為也都轉移到線上作業，因此除了歷史的信用紀錄之外，我們的社交狀態、網路上的各項行為也都將列入核准規範中，這樣不僅對申請人來說有除了傳統對他較不利的標準之外，有更貼近他實際信用程度的標準，另外對於信貸公司來說也是一大利多，不僅能更通盤瞭解客戶的所有現狀，也能將那些在過去傳統標準被列為「具有風險」的潛在客戶列入收益當中，並且利用數據分析將更多具有信用價值的客戶申請到貸款款項，同時透過Zest AI的技術自動偵測出真正的潛的高風險客戶降低信貸公司在未來需要承擔拖欠款項的風險。
民間機構也受益！
目前除了銀行及規模較小的信用合作社的金融機構之外，Zest 也提供特殊的信貸服務給非金融業者的民間機構，包含學貸及車貸服務等。
Zest Model Management System（MMS）
Zest 在產品的規劃上透過軟體的生命週期替金融機構打造全面性的服務。產品頁面簡單分作Build 的模組建立，透過AI自動化的替模組進行訓練跟部署省去人力訓練的成本，Adopt 階段則是讓用戶能對模組進行客製化的操作，並且在確保一切都合乎法規的前提之下做出比市場變化更提前的預測，最後的Operate 階段讓用戶透過視覺化的介面快速掌握各項數據的深層分析，並且方便不同專業領域的夥伴能進行資訊的交流。
（一）Build
過去若想要有一份精準又公正的信用評估模組並非一件容易的事，而Zest Model Management System（MMS）能幫助信貸業者自動訓練模組並且替信貸業者用更多元的變數標準衡量客戶，讓過去在傳統評估中可能獲得較差分數的客戶因為這些更實際的變數標準重新進行衡量取得信貸資金，也同時幫助信貸機構取得更多潛力用戶及利潤。
MMS 在模組建立的階段不僅能夠提供自動化的管理模組服務，又能釋放時間及人力成本，幫助公司將節省下的時間拿去做更高端的客戶服務項目，增進與客戶之間的緊密關係。
（二）Adopt
在Adopt 的操作頁面中用戶能快速的對模組進行客製化的操作，其中Zest 提供的服務中讓用戶不再需要仰賴其他的IT 團隊即可在工作版上自由調動模組。另外，這個平台還能夠提供用戶更精準而快速的預測並且回報到工作版上，替用戶進行更縝密的風險評估也讓用戶能夠透過精準的評估對模組進行微調。
另外，MMS 在各項便捷服務的優勢底下仍舊遵守各項規範能避免未來用戶碰到相關的法律問題，另外，由於軟體加有強大的機器學習科技及AI 技術，因此在不斷變遷的趨勢底下依然能自動幫模組進行與當時合規的要求，省去人工審查的時間。
（三）Operate
在Operate 的頁面中更可以看出Zest 讓產品更利於人操作的特質，包含簡單明瞭的工作區幫助用戶能快速找到需要的分析資料，包含即時的申請案件及核可案件等都將以視覺化呈現，也因為易於操作的介面讓不同領域的專家在進行合作時能省去溝通的時間，促進產品分析的效率。此外，針對市場的動盪能超前進行預測並且提前做防備確保模組能夠發揮出最佳狀態。
實際成效—Vystar信用合作社
以Vystar 信用合作社為例，當時此公司為了想要提供更好的服務給客戶並且希望能在不增加風險的前提之下增加貸款批准率，因此選擇了使用Zest MMS幫助加速貸款批准率，透過自動化的批准過程以及更多數據的分析預測，成功在不增加額外風險的情況下，接受了更多的客戶讓批准率上升22%並且無其他風險的產生，此外，使用了AI 驅動軟體的成果也成功幫助Vystar 信用合作社帶來一年平均40M的新信貸金額。
除了Vystar 信用合作社之外，透過使用MMS 提升批准效率、節省人力成本和時間，同時獲取更高的收益不勝枚數，AI 驅動的軟體不僅幫助金融機構達到高效的工作環境，也如同Zest 公司最初提及的理念，希望創造更公平的金融環境，讓過去那些被貼上標籤的人們可以不再受限於過去傳統信用評分而被拒於門外。若這些過去被視作「高風險族群」、或是「潛在風險」族群的人們都因為新的信用評分而獲得創業資金或信貸機會，不僅替信貸業者帶來更多收益，也同時能促使整體經濟的成長。
近況更新
由於目前AI 科技及機器學習的技術成為各家領域炙手可熱的話題，因此雖Zest 才起步不久卻已累積不少合作夥伴，也受到各大金融雜誌的關注。
今年2023/02/23由Zest 發出即將擴大服範疇，讓總資產小於300M以下的信用合作社也可以利用他們家的服務升級信用評估的流程，提供更公平、透明的評估讓這些沒有多餘資金投入成本在調查詳細的客戶信用風險的小型金融機構也能有機會提供更好的服務給客戶。由於信用合作社與銀行最大不同之處在於資金上的落差，因此在對客戶的背景調查上並沒有辦法像銀行有那麼多成本可以使用，而像信用合作社這類型規模較小的金融機構也不適用傳統的金融信貸評估標準。不過，相對於銀行來說，由於規模較小、服務的顧客也相對少，因此能將服務做得更加客製化，並且提供更低的貸款利率。
除此之外Zest也不斷與各大金融、信貸相關的公司進行聯盟和合作，包括2022年宣布 Zest AI and Equifax Partner合作，希望能借助 Equifax在信貸資源這塊的大量數據，提供給信貸機構更多的參考資源，在製作信用標準的過程有更多值得信賴和參考的依據。
馬克碎念
疫情時代，需要短期信用貸款的人非常多，而且傳統的信用審查制度因為疫情，已經造成面對面審查的障礙，傳統銀行信貸程序相對複雜與冗長，對於審查的評估也開始出現落差。因此借貸領域開始有許多創新的AI 信貸技術平台來解決這些問題，尤其是針對規模較小的銀行或是民間機構。
除了信貸技術平台外，可納入評估因子的資料也成為大家關注的重點，因此另類數據的收集機構也呈倍數得成長，包括消費、社交、網路數位足跡數據等等，透過這些數據的分析來降低機構放貸的風險。
相對來說也出現很多協助民眾培養信用的服務，讓原本無法被傳統銀行評估或是被視為信用不良的民眾也可以慢慢被銀行接受。馬克認為近年來這些技術的改變或服務的提供都確實改善信貸領域的效率。
