Скоринг по-новому: оценка контрагентов с помощью нейросетей

Устойчивость компании во многом зависит не только от ее стратегии, стабильных продаж и команды, но и от надежности контрагентов. Пренебрежение их проверкой чревато как репутационными и финансовыми рисками — заслуживающая на первый взгляд доверия контора может оказаться однодневкой, а поставщик сдает товар ненадлежащего качества, — так и увеличением налоговой нагрузки за счет неполученных вычетов, доначислений от ФНС. Каждый год бизнес в России теряет миллионы из-за банкротства либо неплатежей контрагентов.

Как правило, при проверке многие компании ограничиваются получением информации о налоговом статусе потенциального партнера или клиента, наличии либо отсутствии у него задолженности и достоверности сведений в государственных реестрах. На практике эти данные позволяют снизить только налоговые риски. Для комплексной оценки благонадежности контрагента предпочтительнее скоринг.

Первоначально скоринг в качестве инструмента для оценки начали применять финансовые организации. Однако в последнее десятилетие скоринговый подход все чаще использует бизнес — он позволяет уже на старте отбраковать неподходящих контрагентов.

Разница между обычной проверкой и скорингом весомая. Он подразумевает изучение не только общедоступной информации, но прочет кредитных и ликвидных рисков, вероятности неплатежеспособности партнера или клиента, репутационного ущерба.

Обязательные метрики для получения качественного анализа при скоринге:

Чем шире массив анализируемых данных — тем выше точность прогноза. К примеру, если компания заявляет, что работает на рынке давно и достигла определенных масштабов, стоит изучить динамику ее развития и выручки. Также не лишним будет анализ инфополя — СМИ и соцсетей. Если хотя бы по одному пункту скоринга возникают вопросы — от сотрудничества с контрагентом лучше отказаться.

Безусловно, такое детальное изучение потенциального партнера либо клиента требует времени. А в случае наличия большого количества возможных контрагентов риск совершить ошибку или что-то упустить повышается в разы в связи с человеческим фактором. Потому сейчас к процессу активно подключаются нейросети. C их помощью анализ становится легче — уже на вводном этапе можно сузить список до нескольких пунктов и изучать подробно только их.

Нейросети уже плотно вошли в бизнес-процессы, в том числе скоринг. Первыми для этого их адаптировали банки — при оценке заемщика алгоритм собирает информацию со всех ресурсов, помогая выяснить уровень финансового доверия.

Это показывает, что российские разработчики уже поняли, что каждому бизнесу нужен простой и удобный алгоритм для идентификации своих контрагентов. К примеру, отечественная нейросеть Аура по одному запросу — имени, названию, ИНН — собирает всю возможную информацию с официальных источников за пару минут, и анализирует свыше сотни различных показателей, которые могут и не иметь прямой корреляции между собой.

Последнее очень важно. Ключевое отличие нейросетей от традиционных алгоритмов заключается в способности ИИ находить глубинные, скрытые взаимосвязи между различными показателями. Это помогает получить более точный и при этом нелинейный анализ. Благодаря данной особенности AI значительно повышают эффективность и точность скоринга.

Допустим, во время такой проверки инструментами TenChat анализируются более 150 различных показателей, которые могут не иметь прямой корреляции между собой, и построить нелинейную регрессию по какому-то конкретному контрагенту. Совокупность полученных данных позволяет сделать прогноз касательно суммы безопасного аванса. А также быстро оценить уровень риска при взаимодействии с конкретной компанией или клиентом, и отбросить бесперспективные или ненадежные пункты.

Текущие возможности скоринга для нейросетей, безусловно, только начало. Далее он станет более широким. Не за горами использование обработки естественного языка, сокращенно NLP — для анализа текстовых данных, к примеру, контрактов, деловой переписки, юридических документов. Также ИИ научится делать выводы о благонадежности контрагентов на основе визуального контента.

Другой вопрос — пока четких регламентов о безопасности и этичности использования данных нейросетями нет, а законодательная база по конфиденциальности и защите данных AI находится на стадии формирования. Потому скоринг при помощи нейросетей может претерпеть изменения. Однозначно можно сказать одно — анализировать ИИ должен исключительно открытые официальные источники.