Make this article seo compatible, Let there be subheadings for the article, be in french, create at least 700 words
Ces jours-ci, je commence chaque conversation par « Oui, j’ai utilisé ChatGPT », juste pour éliminer cela dans un souci d’efficacité. La vitesse du discours sur l’IA générative dans tous les aspects de la vie, des sujets personnels aux sujets professionnels, a été stupéfiante. Et bien que les cas d’utilisation de l’IA générative en tant que consommateur, tels que la recherche sur Internet, le service client et l’écriture aléatoire de poèmes pendant des heures (qui, moi ?) aient été immédiatement évidents, l’application spécifique de cette technologie dans le secteur des prêts hypothécaires a été plus compliquée. discussion.
Ce qui sépare l’IA générative des autres types d’intelligence artificielle, c’est qu’elle peut créer de nouveaux types de modèles et de données tels que des récits, des images et même du code, basés sur des données existantes utilisées pour former le modèle. Les possibilités sont infinies; cependant, les risques sont également nombreux car les modèles qui ne sont pas correctement gérés et testés peuvent produire des résultats biaisés ou incorrects.
La nature hautement réglementée du secteur hypothécaire, associée au mandat d’assurer l’équité du processus pour les emprunteurs, a tendance à donner une pause en termes d’introduction de nouvelles technologies qui ne sont pas toujours faciles à expliquer. Comme toute autre forme d’automatisation et de modélisation, des contrôles efficaces qui organisent l’entrée des données et des tests réguliers et robustes des résultats de sortie sont essentiels à l’adoption de cette technologie. Cela étant dit, il existe quelques domaines dans lesquels l’IA générative pourrait avoir un impact transformateur, comme l’augmentation de l’explicabilité de la souscription sans ajouter d’inefficacité et la rupture avec nos anciens schémas de pensée en matière de solution.
Le coût d’origine d’un prêt hypothécaire a continué d’augmenter chaque année. Selon le MBA, il en coûte à un IMB 12 450 $ pour contracter un prêt, en moyenne, au quatrième trimestre de 2022. Ainsi, la dernière chose que veulent les prêteurs est d’ajouter des étapes ou des coûts supplémentaires au processus de prêt. Cependant, de récentes déclarations publiques des régulateurs suggèrent que la demande de visibilité et de transparence dans les décisions de souscription augmente.
Les prêteurs sont tiraillés entre la demande de montrer leur travail et le besoin très réel d’adopter une technologie de souscription automatisée pour plus d’efficacité, de cohérence et de qualité. Lors de l’examen de l’évaluation en particulier, les souscripteurs disposent de plus en plus d’une multitude de données à portée de main. Des outils de souscription de garantie GSE aux solutions d’examen d’évaluation tierces en passant par les bonnes vieilles recherches Google, un tarificateur prend en compte de nombreuses données dans son espace de réflexion pour analyser si une évaluation est solide dans sa qualité et sa précision.
Cet espace de pensée, dans lequel nous comptons sur la formation et l’expérience d’un humain pour considérer (ou ne pas considérer) les données disponibles, est difficile à documenter efficacement. Comprendre quels comparables ont été examinés mais finalement non inclus dans une évaluation et pourquoi pourrait donner encore plus de confiance dans la justesse de l’analyse.
Mais avec l’IA générative, un résumé rapide des données disponibles et comment elles peuvent ou non se comparer à une propriété sujet pourrait être généré à la volée. De la même manière que Microsoft et d’autres créent des «copilotes» pour créer automatiquement des présentations de diapositives et des documents, le contenu généré pertinent pour une décision de souscription est à portée de main.
Aujourd’hui, nous faisons confiance aux titres et à l’expérience de la personne plutôt que de lui demander de toujours documenter son processus de pensée. Mais que se passerait-il si nous avions accès à un résumé de l’environnement du marché local de la propriété en question à la volée en langage clair ? Au lieu d’un simple score de boîte noire, nous aurions un récit des données considérées pour générer le score.
J’ai beaucoup réfléchi au processus de solution créative et à la façon dont cela pourrait changer avec l’IA générative. En tant que musicien et auteur-compositeur, il est courant de créer de nouvelles idées à partir de modèles existants et de contenus créés précédemment. Pablo Picasso est souvent cité comme disant : « Les bons artistes empruntent ; les grands artistes volent.
Sur un album que j’ai récemment sorti, j’ai utilisé l’IA générative pour créer la pochette de l’album et certaines des boucles des chansons. J’ai laissé l’IA produire la matière première, mais j’ai ensuite édité le design et les sons pour l’affiner davantage et ajouter mon propre style. Cela a engendré une toute nouvelle veine d’inspiration et de motifs que je n’aurais jamais conçus à partir de zéro. Au lieu de voler un autre artiste, je vole en quelque sorte une machine. Oh, et j’ai fini l’album entier en semaines, pas en mois (cela ne veut pas dire qu’il est bon, mais c’était super efficace et amusant).
Ce que je veux dire, c’est que je ne crois pas que l’IA va remplacer les emplois existants à grande échelle, mais avec une approche réfléchie pour garder les humains au courant, nous pourrions voir la productivité et les nouvelles solutions augmenter de façon exponentielle. Avec la capacité de générer du code, l’IA pourrait aider les experts métier à créer enfin leurs propres applications comme ils l’ont toujours espéré sans que les idées ne soient perdues dans la traduction via un processus d’exigences. Un chemin continu de la créativité à l’exécution est en train de se former. Cette démocratisation des capacités technologiques pourrait vraiment profiter aux petits prêteurs qui ne disposent pas des organisations technologiques massives des 10 principaux prêteurs.
Ainsi, alors que les risques liés à la mise en œuvre de l’IA générative sans contrôles appropriés sont réels et bien documentés, le potentiel de trouver des solutions qui réduisent finalement le coût d’octroi d’un prêt est également réel. Comme toute autre technique de modélisation, la qualité et la conservation des données sont absolument essentielles.
En tant qu’industrie, nous pouvons passer beaucoup de temps à être paralysés par la peur de la boîte noire ou nous pouvons développer des normes pour tester les résultats de ces modèles et leur impact d’une manière qui permette à l’innovation de se poursuivre tout en atténuant les risques. Oui, il est fort probable que ce type de technologie transformatrice changera notre façon de travailler. Mais en adoptant l’approche de l’humain dans la boucle, de nouveaux modèles de créativité et d’innovation peuvent émerger des matières premières générées. Que l’IA générative vous rende terrifié ou excité, l’avenir sera tout sauf ennuyeux. Et non, je n’ai pas utilisé ChatGPT pour écrire cet article… peut-être le suivant.