ملخص لحالات استخدام الذكاء الاصطناعي العام في FHFA’s 2024 TechSprint
هناك الكثير من التحديات التي تواجه المستأجرين ومشتري المنازل هذا العام، خاصة عندما يتعلق الأمر بالقدرة على تحمل التكاليف. لكن التكنولوجيا – وخاصة الاستفادة من الذكاء الاصطناعي التوليدي – يمكن أن تساعد في حل هذه التحديات بطرق جديدة. على الأقل، كان هذا هو الفرضية التي قامت عليها FHFA 2024 TechSprint الأسبوع الماضي، والتي ركزت على حالات استخدام الإسكان المبتكرة لجيل الذكاء الاصطناعي.
وتوج السباق بيوم تجريبي يوم الخميس حيث قدم 12 فريقًا حلولهم أمام لجنة من خبراء التكنولوجيا والتنظيم والإسكان. وقد حققت الفرق بعض النتائج المبهرة، حيث قدمت خارطة طريق للشركات الرائدة التي تتطلع إلى تسخير الجيل الجديد من الذكاء الاصطناعي.
تم تنظيم حالات الاستخدام حول أربعة مجالات تركيز:
- تجربة المستهلك
- تقييم الجدارة الائتمانية
- العمليات وإدارة المخاطر
- امتثال.
في أول سباق تكنولوجي نظمته FHFA العام الماضي، كان التركيز على الواجهة الأمامية لإقراض الرهن العقاري وزيادة اعتماد التكنولوجيا. هذا العام، قامت FHFA بتوسيع قضايا الإسكان التي أرادوا أخذها في الاعتبار، مضيفة تعدد الأسر والخدمات إلى هذا المزيج، وركزت بشكل خاص على المكان الذي يمكن فيه نشر الذكاء الاصطناعي العام.
كان على كل فريق يقدم حالة استخدام أن يعالج المخاوف المتعلقة بالمخاطر والامتثال. وكانت الهلوسة والإيجابيات الكاذبة وعدم الدقة مجرد بعض المخاطر التي تم تحديدها، كما أن الذكاء الاصطناعي أقل “ضبطًا ونسيانًا” من الأنواع الأخرى من التكنولوجيا. يتعلم الذكاء الاصطناعي طوال الوقت، مما يعني أنه يجب تغذيته وتدريبه على بيانات دقيقة وحديثة. يجب دمج هذه التحديثات في العملية منذ البداية.
فيما يلي ملخص لجميع مقترحات الذكاء الاصطناعي الـ 12. تم الاعتراف بالحالات الأربع الأولى المدرجة من قبل FHFA باعتبارها حالات الاستخدام الواعدة لتركيزها الخاص.
Domino.AI تأجير متعدد الأسر
- إنها تجربة تشبه تجربة Uber لمطابقة 30 مليون مستأجر اليوم مع مديري العقارات، حيث توفر Domino للمستأجرين تقييمًا شخصيًا للاستعداد.
- سيقوم التطبيق بسحب تقرير ائتماني وإجراء فحص الخلفية والموافقة المسبقة على المستأجر عند نقاط سعر معينة حتى يعرف المستأجر الدفعة الشهرية التي يمكنه تحملها.
- يُعرض على المستأجر النتائج التي تم تأهيله مسبقًا لها والتي تناسب معاييره ويقوم التطبيق بربطه مع أصحاب العقارات/مديري العقارات.
- ملاحظة حول الامتثال: هناك الكثير من فرص الاحتيال (خصوصًا بواسطة أنظمة الذكاء الاصطناعي الأخرى)، لذلك هناك حاجة إلى حواجز حماية.
- حصل على جائزة حالة الاستخدام الواعدة لجيل الذكاء الاصطناعي لتجربة المستخدم.
نموذج مساعدة أصحاب المنازل (HAM) خدمة الأسرة الواحدة
- يركز على التحديد المبكر والتدخل للمقترضين المتعثرين بدءًا من 32 يومًا متأخرًا لإبقائهم في المنزل.
- تقوم HAM بوضع علامة على القرض، وتقوم بمراجعته، وتضع خطة تدخل وتتصل بالمقترض لمراجعة الخيارات. HITL يتحقق من الخطة.
- بمثابة أداة لبناء العلاقات لمقدمي الخدمات.
- ملاحظة الامتثال: يجب إزالة معلومات التعريف الشخصية قبل استخدام الذكاء الاصطناعي ويحتاج الإنسان إلى التحقق من خطط التخفيف.
- حصلت على جائزة أفضل حالة استخدام واعدة للذكاء الاصطناعي لتقييم الجدارة الائتمانية.
أداة كشف الاحتيال عدة عائلات
- يستخدم الذكاء الاصطناعي لمكافحة الاحتيال المرتبط بالذكاء الاصطناعي، بما في ذلك التزييف العميق، في العمليات متعددة الأسر.
- يحل محل العمليات اليدوية البشرية لتحسين سرعة ودقة اكتشاف الاحتيال.
- أفضل حالات الاستخدام هي مشغلي العائلات المتعددة الأكبر حجمًا حيث يحتاجون إلى الكثير من بيانات التدريب لإنجازها.
- ملاحظة الامتثال: يمكن للبيانات الاصطناعية أن تلغي الحاجة إلى مجموعة كبيرة من البيانات.
- حصل على جائزة الاستخدام الواعد لجيل الذكاء الاصطناعي في العمليات.
الامتثال لـ ADA عدة عائلات
- تطبيق ويب يستخدم تقييم الصور للتأكد من أن الوحدات متعددة الأسر متوافقة مع ADA لتحقيق أهداف الإسكان العادل لـ GSE.
- باستخدام الصور، ستقوم ADA Comply بتحديد أجزاء الوحدة غير المتوافقة وإنشاء صور جديدة توضح كيف يمكن إصلاحها، مثل ما قبل وبعد العقار.
- سيوفر أيضًا تقديرًا لتكلفة الإصلاحات.
- ملاحظة بشأن الامتثال: يتبع نهج “لا عصيان، بل جزرة فقط” مع الحوافز.
- حصل على جائزة الاستخدام الواعد لجيل الذكاء الاصطناعي فيما يتعلق بالمخاطر والامتثال.
صديق القرض نشأة عائلة واحدة
- من خلال التركيز على مساعدة المشترين ذوي الكفاءة المحدودة في اللغة الإنجليزية (LEP) في عملية الرهن العقاري، سيقوم Loan Buddy بتحويل المستندات وشرح الشروط وتقديم لمحات عامة والإجابة على الأسئلة باللغة التي يختارها المستخدم.
- تم تصميم Loan Buddy ليكون روبوتًا مشاركًا، حيث يقوم بتوجيه الأسئلة إلى الإنسان في فريق الإعارة إذا كانت ثقته منخفضة في إجابته. سيتم تسجيل المحادثات مع Loan Buddy وإتاحتها لفريق الإعارة.
- العديد من المقترضين LEP يفضلون الهاتف المحمول أولاً، لذلك سيتم تحسين Loan Buddy ليناسب الهاتف المحمول.
- ملاحظة الامتثال: سيتم حذف البيانات بعد فترة سبعة أيام لمعالجة مخاوف الخصوصية.
أداة لدفع رأس المال الجديد إلى مساحة متعددة الأسر استثمار متعدد الأسر
- ستعمل هذه الأداة على تبسيط الاستثمار متعدد الأسر لجذب لاعبين جدد و/أو تسهيل الأمر على المستثمرين الحاليين للحصول على العقارات أو تجديدها.
- توفر الأداة معلومات عن جميع الفرص المتاحة للعائلات المتعددة في منطقة معينة والتي تتوافق مع مستوى أموال المستخدم وخبرته. في الأساس، مرشد الذكاء الاصطناعي يمسك بيد المستثمر خلال العملية ويظهر الفرص والموارد.
- يحدد التطبيق برامج المساعدة التي يمكن استخدامها، ويضع نموذجًا أوليًا ويبني دراسة جدوى للاستثمار.
- ملاحظة الامتثال: سحب البيانات من المصادر التي تم فحصها من شأنه أن يقلل المخاطر.
متصفح DPA نشأة عائلة واحدة
- يعمل على تبسيط وأتمتة عملية مساعدة الدفعة المقدمة لمقدمي DPA والمقرضين باستخدام تطبيق بحث DPA الذي يطابق خصائص المقترض والقرض مع موارد DPA الحالية والمتاحة.
- يستخدم سير العمل الحالي للمقرضين لتسهيل الوصول إلى DPA. يأخذ البيانات المستخدمة لـ AUS لتمريرها عبر نموذج لغة كبير.
- هناك 5.8 مليون مستأجر يمكنهم تحمل تكاليف الرهن العقاري إذا حصلوا على مساعدة في الدفعة الأولى.
- ملاحظة الامتثال: تعد سلامة البيانات أمرًا بالغ الأهمية وسيحتاج الذكاء الاصطناعي إلى معلومات جديدة حيث تم استخدام أموال DPA ولم تعد متوفرة.
الذكاء الاصطناعي 4 الإنصاف إعادة تمويل الأسرة الواحدة
- الهدف هو زيادة فرص إعادة التمويل للمقترضين من السود واللاتينيين من خلال تحسين جدارتهم الائتمانية وضمان التقييم العادل لممتلكاتهم.
- زيادة التثقيف حول إعادة التمويل للمقترضين الذين لا يحاولون تقليديًا الحصول على إعادة التمويل.
- وبتوجيه من الذكاء الاصطناعي، يقوم صاحب المنزل بقياس منزله والتقاط الصور. تقوم الأداة بفحص البيانات للتأكد من دقتها ومقارنتها بالمصادر الأخرى وتقوم بتصفية المعلومات والصور الخاصة الحساسة لتقليل التحيز في العملية.
- ملاحظة حول الامتثال: هناك خطر الفشل في تحليل بيانات الملكية بدقة، وهو ما يمكن التخفيف منه من خلال التحقق من صحة البيانات من خلال مصادر أخرى.
الرهن العقاري العقل منظمة العفو الدولية إنشاء وخدمة عائلة واحدة
- توحيد وتجميع اللوائح لإعطاء المقرضين ومقدمي الخدمات الإجابات التي يحتاجونها في مكان واحد حيث أنه يشمل جميع الوكالات والجهات التنظيمية.
- على عكس الحلول الحالية التي تظهر النص القانوني ببساطة، فإن Mortgage Mind سيوفر التوجيه من الوكالات والظروف التي يمكن أن تؤثر على التفسير.
- تصورها كمنفعة الصناعة.
- ملاحظة حول الامتثال: إن عدم الاتساق والتداخل في التوجيهات بين مختلف الوكالات الفيدرالية وبين وكالات الولايات والوكالات الفيدرالية يجعل هذا الأمر صعبًا.
حل Gen AI لإعادة الشراء نشأة عائلة واحدة
- قم بمكافحة عدد عمليات إعادة الشراء من خلال الذكاء الاصطناعي العام الذي يمكنه “تحرير” البيانات من المستودعات الغنية بالمعلومات في مجموعات GSE لفهم المخاطر بشكل أفضل وتحديد أشياء مثل التحيز.
- ويمكن تحقيق ذلك من خلال إنشاء “توأم رقمي” لسوق الرهن العقاري باستخدام بيانات تركيبية تعمل على تدريب شركات التأمين والنماذج التنبؤية.
- البيانات الاصطناعية هي بيانات تم إنشاؤها بشكل مصطنع من قواعد بسيطة، والنمذجة الإحصائية، والمحاكاة، والتي تستخدمها بالفعل SWIFT وغيرها من المؤسسات المالية.
- ملاحظة الامتثال: يجب أن تكون الضوابط الأخلاقية موجودة.
قداس نشأة عائلة واحدة
- يوفر الامتثال في الوقت الحقيقي وملاحظات مراقبة الجودة بناءً على اللوائح الحالية وسياسات الشركة لتقليل تكلفة الإنشاء.
- يعكس عملية مراقبة الجودة ليحدث من البداية.
- سوف يستمع الروبوت المساعد إلى محادثات العملاء ويقدم تعليقات فورية. على سبيل المثال، يمكن أن يكتشف أن مسؤول القروض لم يقدم قرض VA إلى مقترض مؤهل، لذا فإنه سيطالب بذلك.
- ملاحظة الامتثال: قد يتطلب الاستفادة من ماجستير إدارة الأعمال الخاص بالرهن العقاري من المصدر المفتوح.
محرك الامتثال الدقيق للذكاء الاصطناعي (PACE) إقراض الأسرة الواحدة
- حل ترعاه الصناعة بقيادة اتحاد FHFA من شأنه أن يقلل من حاجز الدخول لاعتماد الذكاء الاصطناعي.
- سيكون PACE طرفًا ثالثًا موثوقًا به للتحقق من صحة المعاملات وإنشاء قطعة أثرية لعمليات التدقيق المستقبلية.
- ستقوم LLM المدركة للسياق بإجراء تقييم مستمر للامتثال للسياسات، وتقييمات لجودة القروض في الوقت الفعلي، والنظر في كل طلب، وليس مجرد عينة.
- ملاحظة الامتثال: سيعطي المستهلكون الموافقة عدة مرات خلال جلسة طويلة.
