ปัญญาประดิษฐ์วิเคราะห์ข้อมูลกำลังเปลี่ยนเกมสินเชื่อและบัตรเครดิตอย่างไร

จากดราม่าสินเชื่อสู่คำถามใหญ่: AI ควรขยายโอกาสหรือเพิ่มความเข้มงวดกันแน่

ปัญญาประดิษฐ์วิเคราะห์ข้อมูลในภาคการเงินคือการใช้เทคโนโลยี AI และระบบวิเคราะห์เชิงคาดการณ์เพื่อทำนายพฤติกรรมลูกค้า ประเมินความเสี่ยง และช่วยให้สถาบันการเงินตัดสินใจทางธุรกิจข้อมูลอย่างแม่นยำขึ้น ทั้งในด้านการปล่อยสินเชื่อ การจัดการหนี้ และการนำเสนอผลิตภัณฑ์การเงินที่เหมาะกับแต่ละคนแบบเชิงรุกมากกว่าการรอให้ลูกค้าเดินเข้ามาหาเอง.

กรณีดราม่าเรื่องโมเดลปล่อยสินเชื่อของ CLICX เป็นตัวอย่างสดๆ ว่าเมื่อธนาคารและฟินเทคหันมาใช้ข้อมูลเชิงลึก ความเชื่อใจของสังคมจะถูกทดสอบทันที หลังถูกตั้งข้อสงสัยว่า “ผ่อนเกณฑ์” เพื่อขยายฐานลูกค้า บริษัทต้องออกแถลงการณ์ย้ำว่าตนไม่ได้ลดมาตรฐานการพิจารณาสินเชื่อ แต่ใช้ข้อมูลหลายมิติประกอบกับหลักเกณฑ์การบริหารความเสี่ยงของธนาคารแทน ท่าทีนี้สะท้อนความจริงข้อหนึ่ง: การใช้เทคโนโลยี AI ธนาคาร ไม่ได้ถูกเห็นเป็นนวัตกรรมสวยหรู แต่ถูกมองผ่านเลนส์ “เสี่ยงจะสร้างหนี้เสียหรือไม่” มากกว่าจะถามว่าใครได้โอกาสเพิ่มขึ้น.

CLICX ชี้ชัด: AI ใช้ข้อมูลกว้างขึ้น ไม่ใช่กดมาตรฐานให้ต่ำลง

สาระสำคัญของคำชี้แจง CLICX คือการยืนยันว่าการขยายการเข้าถึงสินเชื่อไม่จำเป็นต้องเดินคู่กับการลดมาตรฐาน แต่ต้องใช้ปัญญาประดิษฐ์วิเคราะห์ข้อมูลในวงกว้างขึ้นแทน บริษัทระบุชัดว่าการพิจารณาสินเชื่อไม่ได้อาศัยข้อมูลเพียงชุดเดียว หากใช้ข้อมูลจากหลายด้านประกอบกับเกณฑ์บริหารความเสี่ยง และมีการติดตามคุณภาพสินเชื่ออย่างต่อเนื่อง นี่คือหัวใจของระบบประเมินความเสี่ยงยุคใหม่ ที่ไม่ได้ติดอยู่กับคะแนนเครดิตแบบเส้นตรง แต่มองเห็นศักยภาพการชำระหนี้ของคนที่ถูกระบบเดิมมองข้าม.

อย่างไรก็ตาม บริษัทก็ส่งสัญญาณเข้มงวดไม่แพ้กัน ด้วยการย้ำว่าไม่สนับสนุนการก่อหนี้โดยไม่รับผิดชอบ และพร้อมดำเนินการตามกฎหมายหากพบการให้ข้อมูลเท็จหรือพฤติกรรมเข้าข่ายทุจริต นี่ทำให้เห็นจุดสมดุลใหม่ของระบบประเมินความเสี่ยงสมัยนี้: เปิดกว้างด้วยข้อมูล แต่ปิดช่องโหว่ด้วยการตรวจจับพฤติกรรมผิดปกติผ่านข้อมูลเช่นกัน ใครที่คิดว่า AI คือ “ช่องทางลัด” ไปสู่สินเชื่อง่ายๆ อาจกำลังอ่านเกมผิด.

ข้อมูลบัตรเครดิตของ Krungsri Consumer: หลักฐานสดว่าการตัดสินใจทางธุรกิจข้อมูลสำคัญกว่าความรู้สึก

ในอีกมุมหนึ่ง Krungsri Consumer แสดงให้เห็นว่าการทำนายพฤติกรรมลูกค้าไม่ได้เป็นแค่คำพูดเชิงทฤษฎี แต่ฝังอยู่ในตัวเลขอย่างแนบแน่น ผลการดำเนินงานช่วงมกราคม-มิถุนายน 2569 ชี้ว่าบริษัทมียอดบัญชีใหม่ 284,100 บัญชี เพิ่มขึ้น 4% ยอดใช้จ่ายผ่านบัตรเครดิต 196,700 ล้านบาท เติบโต 3% และยอดสินเชื่อใหม่ 47,200 ล้านบาท เพิ่มขึ้น 4% ขณะที่หนี้เกิน 90 วันอยู่เพียง 1.1% สำหรับบัตรเครดิต และ 1.9% สำหรับสินเชื่อส่วนบุคคล ซึ่งต่ำกว่าค่าเฉลี่ยในอุตสาหกรรม ตัวเลขเหล่านี้ไม่ใช่เรื่องบังเอิญ แต่เป็นผลจากการอ่านข้อมูลพฤติกรรมผู้บริโภคอย่างเป็นระบบ.

เมื่อเจาะลงไปในหมวดการใช้จ่ายสูงสุด ไม่ว่าจะเป็นประกันภัย ซูเปอร์มาร์เก็ต ร้านสะดวกซื้อ ปั๊มน้ำมัน แพลตฟอร์มออนไลน์ และของตกแต่งบ้าน ข้อมูลบ่งชี้ชัดว่าค่าครองชีพและการจัดการความเสี่ยงเป็นแรงขับเคลื่อนหลักของผู้บริโภคในภาวะเศรษฐกิจไม่แน่นอน นี่คือคลังข้อมูลทองคำสำหรับธนาคารและฟินเทค ที่จะต่อยอดเป็นแคมเปญสินเชื่อเฉพาะกลุ่ม แผนผ่อนสินค้า และผลิตภัณฑ์ทางการเงินที่ตอบโจทย์บริบทชีวิตจริง มากกว่าการออกบัตรเครดิตแบบ “ยิงกว้างแล้วภาวนาให้โดนกลุ่มเป้า” แบบในอดีต.

จากยอดรูดสู่ยอดผ่อน: ข้อมูลพฤติกรรมที่ผลักให้ AI ต้องคิดละเอียดกว่าที่เคย

ข้อมูลเชิงลึกจาก Krungsri Consumer เผยอีกชั้นว่าผู้บริโภคไม่ได้หยุดใช้จ่าย แต่กำลังจัดโครงสร้างหนี้ของตัวเองผ่านแผนผ่อนชำระ ยอดใช้จ่ายหมวดท่องเที่ยวเติบโตเพียงราว 4% แต่การขอเปลี่ยนรายการเป็นผ่อนชำระกลับเติบโตถึง 24% ส่วนหมวดสุขภาพและความงามรูดบัตรเพิ่มราว 9% แต่เปลี่ยนเป็นผ่อนชำระเติบโต 20% ตัวเลขเหล่านี้บอกตรงๆ ว่า การทำนายพฤติกรรมลูกค้าในวันนี้ต้องคิดทั้ง “อยากซื้ออะไร” และ “อยากจ่ายอย่างไร” พร้อมกัน ไม่ใช่แยกเป็นสองโจทย์.

ด้านตลาดสินเชื่อส่วนบุคคลโดยรวมมีขนาดประมาณ 466,000 ล้านบาท ลดลงราว 1.46% ในขณะที่ NPL อยู่ประมาณ 3.68% และราวสองในสามอยู่กับผู้ให้บริการนอนแบงก์ ทิศทางนี้กำลังบอกฟินเทคและธนาคารว่าการแข่งขันไม่ได้อยู่ที่ใครให้วงเงินเยอะที่สุด แต่อยู่ที่ใครใช้ระบบประเมินความเสี่ยงอ่าน “สุขภาพการเงิน” ของลูกค้าได้ละเอียดกว่ากัน และออกแบบโครงสร้างชำระที่ทำให้ลูกค้าไม่กลายเป็นหนี้เสียในระยะยาว.

อนาคต: ใครอ่านข้อมูลเป็น คนนั้นชนะ แต่ใครไม่ระวัง NPL ก็อาจล้มทั้งระบบ

ท่ามกลางภาพรวมตลาดสินเชื่อส่วนบุคคลที่หดตัวและ NPL ที่ยังน่ากังวล การที่ First Choice ยังคงดันแผนขยายร้านค้าที่รองรับแผนผ่อนเพิ่มอีกกว่า 2,800 ร้าน และเพิ่มจุดรับบริการ QR สำหรับการผ่อนชำระเป็นประมาณ 2,500 ร้าน แปลว่าผู้เล่นรายใหญ่เชื่อมั่นว่าข้อมูลธุรกรรมที่ไหลเข้ามาจะช่วยให้การตัดสินใจทางธุรกิจข้อมูลแม่นขึ้น ไม่ใช่ยิ่งปล่อยยิ่งเสี่ยง แต่เป็นยิ่งปล่อยยิ่งรู้จักลูกค้าดีขึ้น.

บทเรียนจากทั้ง CLICX และ Krungsri Consumer ชี้ไปในทิศทางเดียวกัน: สถาบันการเงินที่ชนะในยุคนี้ไม่ใช่คนที่เสียงดังที่สุด หรือทุ่มโปรโมชั่นหนักที่สุด แต่คือคนที่ใช้ปัญญาประดิษฐ์วิเคราะห์ข้อมูลให้กลายเป็น “เข็มทิศความเสี่ยง” และ “เรดาร์โอกาส” ในเวลาเดียวกัน หาก AI ถูกใช้เพียงเพื่อเร่งยอดปล่อยกู้ โดยไม่ถูกผูกไว้กับวินัยด้านระบบประเมินความเสี่ยงและการติดตามคุณภาพสินเชื่อ เกมนี้อาจจบด้วยภูเขา NPL ที่ไม่มีใครรับไหว แต่ถ้าใช้ข้อมูลเพื่อให้คนเข้าถึงเครดิตอย่างยั่งยืน นี่อาจเป็นยุคที่การเงินในระบบเปิดประตูต้อนรับคนวงกว้างกว่าที่เคย.