AI การวิเคราะห์สินเชื่อ SME ไม่ใช่แค่อนุมัติเงิน แต่คือการอ่านอนาคตธุรกิจ
AI การวิเคราะห์สินเชื่อ คือการใช้ระบบปัญญาประดิษฐ์อ่านข้อมูลหลากหลายชุด ทั้งข้อมูลการเงิน ข้อมูลการดำเนินธุรกิจ และ Big Data จากแหล่งต่าง ๆ เพื่อประเมินศักยภาพ ความสามารถในการชำระหนี้ และความเสี่ยงของผู้กู้แบบรอบด้าน เปลี่ยนการปล่อยสินเชื่อจากการพึ่งเอกสารและดุลยพินิจล้วน ๆ ไปสู่การตัดสินใจบนฐานข้อมูลจำนวนมากที่ถูกประมวลผลอย่างเป็นระบบ ลดเวลา ลดความคลุมเครือ และเปิดโอกาสให้ธุรกิจที่มีข้อมูลในระบบไม่มากแต่มีศักยภาพแท้จริงเข้าถึงแหล่งทุนได้ดีขึ้น จุดเปลี่ยนสำคัญที่ภาครัฐกำลังขับเคลื่อนอยู่ตอนนี้คือการยกระดับเงินทุนหมุนเวียน DIPROM PAY ตามนโยบาย DIPROM FLEXi สู่ Smart Financing และปรับกระบวนการบริหารเป็นดิจิทัลเต็มรูปแบบครบทั้ง 5 ขั้นตอน ตั้งแต่การวิเคราะห์สินเชื่อ การพิจารณาและอนุมัติ การเบิกจ่าย การติดตามลูกหนี้ ไปจนถึงการทวงถามหนี้ นี่ไม่ใช่การแต่งองค์ทรงเครื่องด้านเทคโนโลยี แต่คือการประกาศชัดว่าอนาคตสินเชื่อ SME จะขับเคลื่อนด้วยข้อมูลและ AI เป็นแกนกลาง
Big Data ประเมินความเสี่ยง เปลี่ยนการปล่อยกู้ให้มองเห็นคนตัวเล็กได้ชัดขึ้น
หัวใจของ Smart Financing SME คือการใช้ Big Data ประเมินความเสี่ยงแทนการยึดติดกับงบการเงินและหลักประกันเพียงไม่กี่หน้า ข้อมูลการดำเนินธุรกิจ กระแสเงินสด ประวัติการเข้าร่วมโครงการพัฒนาศักยภาพ และข้อมูลจากหน่วยงานพันธมิตรถูกนำมารวมเป็นภาพเดียวเพื่อให้เห็นบริบทและศักยภาพของผู้ประกอบการได้รอบด้านขึ้น แนวคิด Data-driven Financing แบบนี้ท้าทายวิธีคิดเดิมที่มักมอง Micro SMEs วิสาหกิจชุมชน และธุรกิจครอบครัวว่ามีข้อมูลไม่พอ ทั้งที่หลายรายมีฐานลูกค้าชัด มียอดขายสม่ำเสมอ แต่ถูกกันออกจากระบบสินเชื่อ การที่หน่วยงานภาครัฐประกาศชัดว่าไม่ได้ใช้ AI ตัดสินว่าควรหรือไม่ควรปล่อยกู้โดยลำพัง แต่ใช้เป็นเครื่องมือเสริมเพื่อให้เจ้าหน้าที่มองเห็นศักยภาพและความเสี่ยงละเอียดขึ้น เป็นจุดยืนที่น่าสนใจ เพราะยอมรับว่ามนุษย์ยังต้องอยู่ในวงจรการตัดสินใจ แต่ต้องอาศัยข้อมูลจำนวนมากและการวิเคราะห์ที่รวดเร็วจาก AI การผสมระหว่างข้อมูลเชิงลึกกับการพิจารณาเชิงบริบทแบบนี้ หากทำได้จริง จะช่วยเปิดประตูให้กลุ่มที่ถูกมองข้ามเข้าถึงทุนได้มากกว่าเดิมโดยไม่ละเลยเรื่องความเสี่ยง
ระบบ NPL เชิงทำนาย Early Warning คือเกราะป้องกันพอร์ตสินเชื่อ SME
ตัวเลข NPL ของกลุ่ม SME ที่ระดับ 9.5 เปอร์เซ็นต์เทียบกับธุรกิจรายใหญ่ที่เพียง 1.5 เปอร์เซ็นต์ แสดงภาพชัดว่าพอร์ตสินเชื่อรายเล็กยังเปราะบางอย่างหนัก หากระบบยังใช้วิธีตามเก็บหนี้แบบย้อนหลัง ปัญหา NPL ก็จะวนกลับมาซ้ำเดิมไม่รู้จบ แนวทางใหม่ที่ถูกผลักดันคือการเอาระบบ Early Warning เข้ามาติดตามสัญญาณความเสี่ยงของลูกหนี้ตั้งแต่ต้นทาง ทั้งพฤติกรรมการชำระ การเปลี่ยนแปลงกระแสเงินสด หรือสัญญาณอื่นที่สะท้อนว่ากิจการกำลังเริ่มมีปัญหา เพื่อเข้าไปให้คำแนะนำหรือช่วยปรับโครงสร้างหนี้ก่อนที่ความล่าช้าจะบานปลาย จุดสำคัญคือข้อมูลจากการติดตามไม่ได้ใช้เพียงเพื่อเร่งรัดลูกหนี้ แต่ถูกนำกลับไปใช้วิเคราะห์ภาพรวมความเสี่ยงของกองทุน DIPROM PAY เพื่อรักษาคุณภาพสินเชื่อและลดโอกาสการเกิด NPL ลง นี่คือการเปลี่ยนบทบาทสินเชื่อจากการรอแก้ปัญหาเป็นการพยายามทำนายและจัดการความเสี่ยงล่วงหน้า ถ้าระบบ Early Warning ทำงานได้จริงตามที่ตั้งใจ ภาครัฐจะมีโอกาสรักษาเสถียรภาพของเงินทุนหมุนเวียนและหมุนกลับไปช่วยรายอื่นได้ต่อเนื่อง ไม่สูญสลายไปกับหนี้เสียเหมือนในอดีต
Smart Financing SME ขยายวงเงินแต่ไม่ปล่อยให้ความเสี่ยงวิ่งตามไม่ทัน
การขยับวงเงินสินเชื่อ DIPROM PAY จากระดับ 20–40 ล้านบาทไปตั้งเป้าที่ 70 ล้านบาทในปี 2569 และ 100 ล้านบาทในปี 2570 ไม่ใช่ความกล้าบ้าบิ่น แต่เป็นการส่งสัญญาณว่าภาครัฐเชื่อว่าระบบข้อมูลและ AI ที่กำลังสร้างจะช่วยคุมความเสี่ยงได้เพียงพอ การเพิ่มขนาดกองทุนโดยไม่มีเครื่องมือวิเคราะห์และติดตามที่ดีคือการเดินเข้าใกล้ NPL แต่ครั้งนี้แนวคิดกลับกัน คือใช้ Big Data และ AI เป็นรั้วกันชนให้การขยายวงเงินไม่ทำลายคุณภาพพอร์ตสินเชื่อ Smart Financing SME ในแบบ DIPROM FLEXi จึงไม่ใช่แค่นโยบายสวยหรู แต่เป็นการเลือกเดินบนเส้นบาง ๆ ระหว่างการ“เพิ่มโอกาสเข้าถึงแหล่งทุน”กับการ“ไม่ปล่อยให้กองทุนกลายเป็นหลุมหนี้เสีย” การคัดกรองด้วย Credit Scoring การติดตามด้วย Early Warning และการเชื่อมข้อมูลดิจิทัลทั้งระบบ ถูกออกแบบมาเพื่อให้เงินทุนหมุนเวียนกลับมาได้จริง ไม่จมอยู่กับ NPL จนไม่สามารถช่วยรายใหม่ ๆ ได้ ความท้าทายคือการทำให้ระบบนี้ทำงานในโลกจริงที่ SME มีบริบทซับซ้อนกว่าตัวเลขในฐานข้อมูล หากลงมือใช้ข้อมูลเพื่อเข้าใจธุรกิจแท้จริง ไม่เพียงแต่เพื่อคัดออกคนเสี่ยงสูง แนวทางนี้มีศักยภาพจะกลายเป็นมาตรฐานใหม่ของสินเชื่อภาครัฐสำหรับรายเล็ก
บทสรุป ความหวังและความระวังในยุค AI ตัดสินใจเงินกู้
AI ตัดสินใจเงินกู้กำลังเปลี่ยนภาพสินเชื่อ SME จากระบบที่ช้าและอิงเอกสาร ไปสู่ระบบที่ใช้ข้อมูลจำนวนมากและประมวลผลเร็ว การนำ AI การวิเคราะห์สินเชื่อ และ Big Data ประเมินความเสี่ยงเข้ามาเสริมเจ้าหน้าที่ ช่วยให้การเห็นศักยภาพธุรกิจเล็ก ๆ ชัดเจนขึ้น และเปิดโอกาสให้กลุ่ม Micro SMEs วิสาหกิจชุมชน และธุรกิจครอบครัวที่เคยถูกกันออกจากระบบเงินกู้มีที่ยืนมากขึ้น แต่ในเวลาเดียวกัน การฝากความหวังทั้งหมดไว้กับโมเดล Credit Scoring โดยไม่ตั้งคำถามต่อวิธีออกแบบและข้อมูลที่ใช้ ก็เสี่ยงจะเปลี่ยน“อคติของคน”ให้กลายเป็น“อคติของอัลกอริทึม”แทน ทิศทางที่ DIPROM PAY เลือก คือให้ AI เป็นเครื่องมือเสริม ไม่ใช่ผู้ตัดสินสูงสุด และใช้ระบบ Early Warning ดูแลลูกหนี้ต่อเนื่องเพื่อรักษาคุณภาพกองทุนและลดโอกาสเกิด NPL แนวทางนี้สมเหตุสมผลสำหรับยุคที่ต้องการทั้งความเร็วและความรับผิดชอบ ข้อเสนอสำคัญคือ ภาครัฐและสถาบันการเงินต้องมอง AI และ Big Data เป็นสิ่งที่ต้องออกแบบร่วมกับผู้ประกอบการ ไม่ใช่เทคโนโลยีที่ถูกยกขึ้นมาบังสายตา หากทำได้ สมการปล่อยกู้ SME จะไม่ใช่การเสี่ยงดวงกับหนี้เสียอีกต่อไป แต่กลายเป็นการบริหารความเสี่ยงเชิงทำนายที่ช่วยให้ทั้งผู้ให้กู้และผู้กู้เติบโตไปด้วยกัน
