Az Optasia, egy mesterséges intelligenciára épülő hitelezési platform, amely mögött többek között Dél-Afrika egyik jelentős bankja áll, bővíti működését Etiópiában és Egyiptomban — közölte Salvador Anglada vezérigazgató a Semaforral. A cég azzal számol, hogy gépi tanuláson alapuló algoritmusai megőrzik a kintlévőségi arányt olyan szinten, amely töredéke a hagyományos kereskedelmi bankokénak.
Rövid tálalás: arc a rejtett gazdasági forgalom mögött
Az Optasia tavaly mutatkozott be a tőzsdén, és mobiladatokat, valamint mesterséges intelligenciát használva mikrohiteleket, működőtőke- és egyenlegelőlegeket kínál banki szolgáltatásokhoz nem jutó fogyasztóknak és kisvállalkozásoknak. A cég működése betekintést ad abba, hogyan áramlik a tőke Afrika hatalmas informális gazdaságában — egy olyan területre, amely ritkán jelenik meg pontosan a hivatalos gazdasági statisztikákban.
Méretek és számok
- Az Optasia tavaly körülbelül 6 milliárd dollárnyi hitelt közvetített 38 fejlődő piacon.
- A vállalat csoportszintű kintlévőségi rátája 1,2%, ami mintegy 60–70 millió dollár veszteséget jelent.
- A terjeszkedés kezdeti szakaszban van; a célpontországok össznépessége meghaladja a 200 milliót.
Miért Etiópia és Egyiptom?
Etiópiában a magánszektor számára nyújtott banki hitel a legalacsonyabbak közé tartozik a világon: a GDP arányában 10% alatti, részben azért, mert évtizedeken át az állami finanszírozás döntően közmű- és infrastrukturális beruházások felé irányult. 2024-ben Addis Ababa először 50 év után megnyitotta bankrendszerét külföldi befektetők előtt, hogy nemzetközi tőkét vonzzon egy korábban zárt és hitelezésben szűkös, körülbelül 100 milliós piacra.
Egyiptomban a magánszektornak nyújtott banki hitel a GDP körülbelül 30%-án áll; a bankok jelentős forrásokat irányítanak államadósságra és nagyvállalatokra, ami a hitel/ betét arányt alacsonyan, csak valamivel 50% fölött tartja a Világbank adatai szerint.
Az AI előnye és a kockázatkezelés
Az Optasia modellje 14 éve indult el eredetileg áruhitel-értékesítési eszközként; ma a közvetlen készpénz- és digitális kölcsönök a tranzakciós volumen mintegy 75%-át teszik ki. A vállalat naponta több tízmillió hiteldöntést hajt végre egy több mint 200 gépi tanulási modellből álló technológiai veremmel, amely felhasználónként több ezer alternatív jelzőt használ.
Anglada szerint a hagyományos bankok számára nem éri meg nyereségesen feldolgozni egy 20 vagy 50 dolláros mikroelőleget, mert nem digitális alapon működnek és nem építettek ki ilyen algoritmikus megoldásokat. Az Optasia AI-score rendszere lehetővé teszi, hogy formális hiteltörténet nélkül álló ügyfeleket is alacsonyabb kockázat mellett szolgáljanak ki. A teljes hitelvolumen mintegy harmadát informális vállalkozások — utcai árusok és helyi boltosok — veszik igénybe.
Partnerségek és tulajdonosi struktúra
A dél-afrikai FirstRand stratégiai részesedéssel rendelkezik az Optasiában, és ezáltal a bank hozzáférést kap a platform 400 milliós felhasználói bázisához anélkül, hogy bővítenie kellene fiókhálózatát vagy manuális ügyfélazonosítási költségeket vállalna. Salvador Anglada elmondása szerint a FirstRand a vállalatot olyan speciális technológiai és platformszolgáltatóként kezeli, amely a „piramissaléce” alatti ügyfélbázishoz való hozzáférést olyan módon teszi lehetővé, amit egy hagyományos bank nem tudna lemásolni.
A tulajdonosi struktúrában a Chronos Capital 30%-os részesedéssel a legnagyobb, míg FirstRand 26%-kal a második legnagyobb részvényes.
Mi a tét?
Ha Anglada jóslata beválik, az Optasia 1,2%-os csoportszintű kintlévőségi aránya fennmaradhat még akkor is, ha a cég belép olyan sűrűn lakott piacokra, amelyek együttesen több mint 200 millió embert jelentenek. Ez a veszteségi szint lehetővé teszi üzleti modellje számára a működést olyan környezetekben, ahol a hagyományos bankok gyakran kudarcot vallanak: a régióban a nem biztosított hitelportfóliókat futtató bankok rendszerint 10–15%-os leírást könyvelnek el rossz követelésként.
Kapcsolódó megfigyelés
A témához kapcsolódóan Joe Mucheru, volt kenyai információs és kommunikációs technológiai miniszter rámutatott, hogy a gépi tanuláson alapuló hitelbírálat növeli a mikrohitelezés elterjedését Szahara alatti Afrikában; a JUMO fintech-platform adatai szerint az algoritmikus kölcsönöket kapó informális mikrovállalkozások több mint 50%-a legalább egy további alkalmazottat vesz fel.
