Cree una solución de préstamos digitales basada en Amazon Bedrock en AWS

Como
Gustó

Fecha:

Nodo: 4209878

Los préstamos digitales son un elemento clave para el funcionamiento de los bancos y las instituciones financieras. Los clientes solicitan un préstamo en línea después de completar el proceso de Conozca a su cliente (KYC). Un proceso típico de préstamo digital implica varias actividades, como la incorporación del usuario (incluidos los pasos para verificar al usuario a través de KYC), la verificación de crédito, la verificación de riesgos, la evaluación crediticia y la aprobación del préstamo. Actualmente, algunas de estas actividades se realizan de forma manual, lo que genera demoras en la aprobación del préstamo e impacta en la experiencia del cliente.

En India, la verificación KYC generalmente implica la verificación de identidad a través de documentos de identificación para ciudadanos indios, como una tarjeta PAN o una tarjeta Aadhar, verificación de domicilio y verificación de ingresos. Las verificaciones de crédito en India normalmente se realizan utilizando el número PAN de un cliente. La forma ideal de abordar estos desafíos es automatizarlos en la medida de lo posible.

La solución de préstamos digitales necesita principalmente la orquestación de una secuencia de pasos y otras funciones, como la comprensión del lenguaje natural, el análisis de imágenes, las verificaciones de crédito en tiempo real y las notificaciones. Puede crear una automatización sin problemas en torno a estas funciones utilizando Agentes de Amazon Bedrock. lecho rocoso del amazonas es un servicio totalmente administrado que ofrece una selección de modelos de base (FM) de alto rendimiento de empresas de IA líderes como AI21 Labs, Anthropic, Cohere, Meta, Mistral AI, Stability AI y Amazon a través de una única API, junto con un amplio conjunto de capacidades para crear aplicaciones de IA generativas con seguridad, privacidad e IA responsable. Con Amazon Bedrock Agents, puede organizar procesos de varios pasos e integrarlos con datos empresariales mediante instrucciones en lenguaje natural.

En este post proponemos una solución utilizando DigitalDhan, una solución basada en inteligencia artificial generativa para automatizar la incorporación de clientes y los préstamos digitales. La solución propuesta utiliza Amazon Bedrock Agents para automatizar los servicios relacionados con la verificación KYC, la evaluación de crédito y riesgo y la notificación. Las instituciones financieras pueden utilizar esta solución para ayudar a automatizar los procesos de incorporación de clientes, verificación KYC, toma de decisiones crediticias, suscripción de créditos y notificación. Esta publicación demuestra cómo puede obtener una ventaja competitiva utilizando la automatización basada en Amazon Bedrock Agents de un proceso comercial complejo.

Por qué la IA generativa es más adecuada para los asistentes que respaldan las experiencias de los clientes

Los asistentes de IA tradicionales que utilizan navegación basada en reglas o una guía basada en procesamiento del lenguaje natural (PLN) no son suficientes para manejar los matices de conversaciones humanas complejas. Por ejemplo, en una conversación con un cliente en el mundo real, el cliente puede proporcionar información inadecuada (por ejemplo, documentos faltantes), hacer preguntas aleatorias o no relacionadas que no son parte del flujo predefinido (por ejemplo, solicitar opciones de prepago de préstamos mientras verifica los documentos de identidad), entradas de lenguaje natural (como usar varios modos de moneda, como representar veinte mil como "20K" o "20000" o "20,000"). Además, los asistentes basados ​​en reglas no brindan razonamiento ni explicaciones adicionales (como por qué se rechazó un préstamo). Algunas de las reglas rígidas y lineales relacionadas con el flujo obligan a los clientes a comenzar el proceso nuevamente o la conversación requiere asistencia humana.

IA generativa Los asistentes se destacan en el manejo de estos desafíos. Con instrucciones y avisos bien elaborados, un asistente basado en IA generativa puede solicitar detalles faltantes, conversar en un lenguaje similar al de los humanos y manejar errores con elegancia mientras explica el motivo de sus acciones cuando es necesario. Puede agregar barandillas para asegurarse de que estos asistentes no se desvíen del tema principal y brinden opciones de navegación flexibles que tengan en cuenta las complejidades del mundo real. Los asistentes sensibles al contexto también mejoran la interacción con el cliente al responder de manera flexible a las diversas consultas de los clientes fuera de lo común.

Resumen de la solución

DigitalDhan, la solución de préstamos digitales propuesta, está impulsada por Amazon Bedrock Agents. Han desarrollado una solución que automatiza por completo el proceso de incorporación de clientes, verificación KYC y evaluación crediticia. El servicio DigitalDhan ofrece las siguientes funciones:

  • Los clientes pueden comprender el proceso de préstamo paso a paso y los documentos necesarios a través de la solución.
  • Los clientes pueden cargar documentos KYC como PAN y Aadhar, que DigitalDhan verifica a través de flujos de trabajo automatizados.
  • DigitalDhan automatiza completamente el proceso de suscripción de crédito y solicitud de préstamos.
  • DigitalDhan notifica al cliente sobre la solicitud de préstamo a través de correo electrónico

Hemos modelado el proceso de préstamo digital de forma similar a un escenario del mundo real. Los pasos de alto nivel de la solución DigitalDhan se muestran en la siguiente figura.

Proceso de préstamo digital

Los pasos clave del proceso empresarial son:

  1. El solicitante del préstamo inicia el flujo de solicitud de préstamo accediendo a la solución DigitalDhan.
  2. El solicitante del préstamo comienza el proceso de solicitud de préstamo. Algunos ejemplos de indicaciones para la solicitud de préstamo incluyen:
    1. “¿Cuál es el proceso para solicitar un préstamo?”
    2. “Me gustaría solicitar un préstamo.”
    3. “Mi nombre es Adarsh ​​Kumar. El PAN es ABCD1234 y el correo electrónico es john_doe@example.org. Necesito un préstamo de 150000 XNUMX dólares”.
    4. El solicitante carga su tarjeta PAN.
    5. El solicitante carga su tarjeta Aadhar.
  3. DigitalDhan procesa cada una de las indicaciones en lenguaje natural. Como parte del proceso de verificación de documentos, la solución extrae los detalles clave de las tarjetas PAN y Aadhar cargadas, como el nombre, la dirección, la fecha de nacimiento, etc. Luego, la solución identifica si el usuario es un cliente existente que utiliza el PAN.
    1. Si el usuario es un cliente existente, la solución obtiene la puntuación de riesgo interna del cliente.
    2. Si el usuario es un cliente nuevo, la solución obtiene la puntuación de crédito en función de los detalles del PAN.
  4. La solución utiliza la puntuación de riesgo interna de un cliente existente para verificar su solvencia crediticia.
  5. La solución utiliza la puntuación crediticia externa de un nuevo cliente para verificar su solvencia crediticia.
  6. El proceso de suscripción de crédito implica la toma de decisiones crediticias basadas en la puntuación crediticia y la puntuación de riesgo, y calcula el monto final del préstamo para el cliente aprobado.
  7. Los detalles de la solicitud de préstamo junto con la decisión se envían al cliente por correo electrónico.

Arquitectura de la solución técnica

La solución utiliza principalmente agentes de Amazon Bedrock (para orquestar el proceso de varios pasos), Amazon Textil (para extraer datos de las tarjetas PAN y Aadhar), y Amazon Comprehend (para identificar las entidades de la tarjeta PAN y Aadhar). La arquitectura de la solución se muestra en la siguiente figura.

Arquitectura de la solución técnica para la solución Digital Dhan

Los componentes clave de la arquitectura de la solución DigitalDhan son:

  1. El usuario comienza el proceso de incorporación con la aplicación DigitalDhan. Proporciona varios documentos (incluidos el PAN y el Aadhar) y un monto de préstamo como parte del KYC
  2. Una vez cargados los documentos, se procesan automáticamente mediante diversos servicios de inteligencia artificial y aprendizaje automático (IA/ML).
  3. Amazon Textract se utiliza para extraer información de texto de los documentos cargados.
  4. Amazon Comprehend se utiliza para identificar entidades como PAN y Aadhar.
  5. El flujo de suscripción de crédito está impulsado por Amazon Bedrock Agents.
    1. La base de conocimientos contiene documentos relacionados con préstamos para responder consultas relacionadas con préstamos.
    2. El gestor del préstamo AWS Lambda La función utiliza la información de los documentos KYC para verificar la calificación crediticia y la calificación de riesgo interna. Una vez que se completan las verificaciones crediticias, la función calcula la elegibilidad del préstamo y procesa la solicitud de préstamo.
    3. La función de notificación Lambda envía por correo electrónico información sobre la solicitud de préstamo al cliente.
  6. La función Lambda se puede integrar con API de crédito externas.
  7. Servicio de correo electrónico simple de Amazon (Amazon SES) se utiliza para notificar a los clientes sobre el estado de su solicitud de préstamo.
  8. Los eventos se registran utilizando Reloj en la nube de Amazon.

Análisis en profundidad de Amazon Bedrock Agents

Dado que utilizamos Amazon Bedrock Agents de forma intensiva en la solución DigitalDhan, veamos el funcionamiento general de Amazon Bedrock Agents. El flujo de los distintos componentes de Amazon Bedrock Agents se muestra en la siguiente figura.

Flujo de agentes de Amazon Bedrock

Los agentes de Amazon Bedrock dividen cada tarea en subtareas, determinan la secuencia correcta y realizan acciones y búsquedas de conocimiento. Los pasos detallados son los siguientes:

  1. El procesamiento de la solicitud de préstamo es la tarea principal que realizan los agentes de Amazon Bedrock en la solución DigitalDhan.
  2. Los agentes de Amazon Bedrock utilizan las indicaciones del usuario, el historial de conversaciones, la base de conocimientos, las instrucciones y los grupos de acciones para organizar la secuencia de pasos relacionados con el procesamiento de préstamos. El agente de Amazon Bedrock toma indicaciones en lenguaje natural como entradas. Las siguientes son las instrucciones que se le dan al agente:
You are DigitalDhan, an advanced AI lending assistant designed to provide personal loan-related information create loan application. Always ask for relevant information and avoid making assumptions. If you're unsure about something, clearly state "I don't have that information."

Always greet the user by saying the following: Hi there! I am DigitalDhan bot. I can help you with loans over this chat. To apply for a loan, kindly provide your full name, PAN Number, email, and the loan amount."

When a user expresses interest in applying for a loan, follow these steps in order, always ask the user for necessary details:

1. Determine user status: Identify if they're an existing or new customer.

2. User greeting (mandatory, do not skip): After determining user status, welcome returning users using the following format:

  Existing customer: Hi {customerName}, I see you are an existing customer. Please upload your PAN for KYC.

  New customer: Hi {customerName}, I see you are a new customer. Please upload your PAN and Aadhar for KYC.

3. Call Pan Verification step using the uploaded PAN document

4. Call Aadhaar Verification step using the uploaded Aadhaar document. Request the user to upload their Aadhaar card document for verification.

5. Loan application: Collect all necessary details to create the loan application.

6. If the loan is approved (email will be sent with details):

   For existing customers: If the loan officer approves the application, inform the user that their loan application has been approved using following format: Congratulations {customerName}, your loan is sanctioned. Based on your PAN {pan}, your risk score is {riskScore} and your overall credit score is {cibilScore}. I have created your loan and the application ID is {loanId}. The details have been sent to your email.

   For new customers: If the loan officer approves the application, inform the user that their loan application has been approved using following format: Congratulations {customerName}, your loan is sanctioned. Based on your PAN {pan} and {aadhar}, your risk score is {riskScore} and your overall credit score is {cibilScore}. I have created your loan and the application ID is {loanId}. The details have been sent to your email.

7. If the loan is rejected ( no emails sent):

   For new customers: If the loan officer rejects the application, inform the user that their loan application has been rejected using following format: Hello {customerName}, Based on your PAN {pan} and aadhar {aadhar}, your overall credit score is {cibilScore}. Because of the low credit score, unfortunately your loan application cannot be processed.

   For existing customers: If the loan officer rejects the application, inform the user that their loan application has been rejected using following format: Hello {customerName}, Based on your PAN {pan}, your overall credit score is {creditScore}. Because of the low credit score, unfortunately your loan application cannot be processed.

Remember to maintain a friendly, professional tone and prioritize the user's needs and concerns throughout the interaction. Be short and direct in your responses and avoid making assumptions unless specifically requested by the user.

Be short and prompt in responses, do not answer queries beyond the lending domain and respond saying you are a lending assistant

  1. Configuramos las instrucciones de preprocesamiento y orquestación del agente para validar y realizar los pasos en una secuencia predefinida. Los ejemplos de pocos intentos especificados durante las instrucciones del agente aumentan la precisión del rendimiento del agente. Según las instrucciones y las descripciones de la API, el agente de Amazon Bedrock crea una secuencia lógica de pasos para completar una acción. En el ejemplo de DigitalDhan, las instrucciones se especifican de modo que el agente de Amazon Bedrock cree la siguiente secuencia:
    1. Saludar al cliente.
    2. Recopile el nombre del cliente, el correo electrónico, el PAN y el monto del préstamo.
    3. Solicite la tarjeta PAN y la tarjeta Aadhar para leer y verificar el número PAN y Aadhar.
    4. Clasifique al cliente como cliente existente o nuevo según el PAN verificado.
    5. Para un cliente existente, calcule la puntuación de riesgo interno del cliente.
    6. Para un nuevo cliente, obtenga el puntaje de crédito externo.
    7. Utilice la puntuación de riesgo interna (para clientes existentes) o la puntuación crediticia (para clientes externos) para la evaluación crediticia. Si la puntuación de riesgo interna es inferior a 300 o si la puntuación crediticia es superior a 700, apruebe el monto del préstamo.
    8. Envíe por correo electrónico la decisión de crédito a la dirección de correo electrónico del cliente.
  2. Los grupos de acciones definen las API para realizar acciones como crear el préstamo, verificar el usuario, obtener la puntuación de riesgo, etc. Describimos cada una de las API en el esquema OpenAPI, que el agente utiliza para seleccionar la API más adecuada para realizar la acción. Lambda está asociada con el grupo de acciones. El siguiente código es un ejemplo de la create_loan API. El agente de Amazon Bedrock utiliza la descripción para la create_loan API mientras se realiza la acción. El esquema de API también especifica customerName, address, loanAmt, PANy riskScore como elementos obligatorios para las API. Por lo tanto, las API correspondientes leen el número PAN del cliente (verify_pan_card API), calcula la puntuación de riesgo del cliente (fetch_risk_score API), e identificar el nombre y la dirección del cliente (verify_aadhar_card API) antes de llamar a la create_loan API.
"/create_loan":
  post:
    summary: Create New Loan application
    description: Create new loan application for the customer. This API must be
      called for each new loan application request after calculating riskscore and
      creditScore
    operationId: createLoan
    requestBody:
      required: true
      content:
        application/json:
          schema:
            type: object
            properties:
              customerName:
                type: string
                description: Customer’s Name for creating the loan application
                minLength: 3
              loanAmt:
                type: string
                description: Preferred loan amount for the loan application
                minLength: 5
              pan:
                type: string
                description: Customer's PAN number for the loan application
                minLength: 10
              riskScore:
                type: string
                description: Risk Score of the customer
                minLength: 2
              creditScore:
                type: string
                description: Risk Score of the customer
                minLength: 3
            required:
            - customerName
            - address
            - loanAmt
            - pan
            - riskScore
            - creditScore
    responses:
      '200':
        description: Success
        content:
          application/json:
            schema:
              type: object
              properties:
                loanId:
                  type: string
                  description: Identifier for the created loan application
                status:
                  type: string
                  description: Status of the loan application creation process
  1. Bases de conocimiento de Amazon Bedrock proporciona al cliente una experiencia de generación aumentada de recuperación (RAG) basada en la nube. Hemos agregado los documentos relacionados con el procesamiento de préstamos, la información general, la guía de información de préstamos y la base de conocimientos. Especificamos las instrucciones sobre cuándo utilizar la base de conocimientos. Por lo tanto, durante el comienzo del recorrido del cliente, cuando el cliente está en la etapa de exploración, recibe respuestas con instrucciones sobre cómo hacerlo e información general relacionada con el préstamo. Por ejemplo, si el cliente pregunta "¿Cuál es el proceso para solicitar un préstamo?", el agente de Amazon Bedrock obtiene los detalles paso a paso relevantes de la base de conocimientos.
  2. Una vez completados los pasos necesarios, el agente de Amazon Bedrock prepara la respuesta final para el cliente.

Exploremos un flujo de ejemplo para un cliente existente. Para este ejemplo, hemos representado varias acciones realizadas por los agentes de Amazon Bedrock para un cliente existente. Primero, el cliente comienza el proceso de préstamo haciendo preguntas exploratorias. Hemos representado una de esas preguntas: "¿Cuál es el proceso para solicitar un préstamo?", en la siguiente figura. Amazon Bedrock responde a esas preguntas proporcionando una guía paso a paso extraída de la base de conocimiento configurada.

Conversación con Digital Lending Solution

El cliente pasa al siguiente paso e intenta solicitar un préstamo. La solución DigitalDhan solicita los datos del usuario, como el nombre del cliente, la dirección de correo electrónico, el número PAN y el monto del préstamo deseado. Una vez que el cliente proporciona esos datos, la solución solicita la tarjeta PAN real para verificar los datos, como se muestra en la siguiente figura.

Verificación de identidad con la solución de préstamos digitales

Una vez completada la verificación del PAN y las comprobaciones del puntaje de riesgo, la solución DigitalDhan crea una solicitud de préstamo y notifica la decisión al cliente a través del correo electrónico, como se muestra en la siguiente figura.

Notificación en la solución de préstamos digitales

Requisitos previos

Este proyecto se construye utilizando el Kit de desarrollo en la nube de AWS (CDK de AWS).

Como referencia, se utilizan las siguientes versiones de node y AWS CDK:

  • Versión: v20.16.0
  • CDK de AWS: 2.143.0
  • El comando para instalar una versión específica de AWS CDK es npm install -g aws-cdk@<X.YY.Z>

Implementar la solución

Complete los siguientes pasos para implementar la solución. Para obtener más detalles, consulte la Repositorio GitHub.

  1. Clonar el repositorio:
    git clone https://github.com/aws-samples/DigitalDhan-GenAI-FSI-LendingSolution-India.git

  2. Ingrese al directorio del backend del ejemplo de código:
    cd DigitalDhan-GenAI-FSI-LendingSolution-India/

  3. Instalar paquetes:
    npm install
    npm install -g aws-cdk

  4. Arranque los recursos de AWS CDK en la cuenta de AWS. Si se implementa en cualquier región de AWS que no sea us-east-1, la pila podría fallar debido a la dependencia de las capas de Lambda. Puede comentar la capa e implementarla en otra región o implementarla en us-east-1.
    cdk bootstrap aws://<ACCOUNT_ID>/<REGION>

  5. Debe habilitar explícitamente el acceso a los modelos antes de que se puedan usar con el servicio Amazon Bedrock. Siga los pasos que se indican en Acceda a los modelos de cimientos de Amazon Bedrock para permitir el acceso a los modelos (Anthropic::Claude (Sonnet) y Cohere::Embed English).
  6. Implemente la muestra en su cuenta. El siguiente comando implementará una pila en su cuenta cdk deploy --all
    Para protegerse contra cambios no deseados que puedan afectar su postura de seguridad, AWS CDK le solicita que apruebe los cambios relacionados con la seguridad antes de implementarlos. Deberá responder "Sí" para implementar la pila por completo.

El Gestión de identidades y accesos de AWS La creación de roles (IAM) en este ejemplo es solo para fines ilustrativos. Siempre proporcione roles IAM con los privilegios mínimos requeridos. La implementación de la pila demora aproximadamente entre 10 y 15 minutos. Una vez que la pila se implementa correctamente, puede encontrar InsureAssistApiAlbDnsName en la sección de salida de la pila: este es el punto final de la aplicación.

Habilitar la entrada del usuario

Una vez completada la implementación, habilite la entrada del usuario para que el agente pueda solicitarle al cliente que proporcione información adicional si es necesario.

  1. Abra la consola de Amazon Bedrock en la región implementada y edite el agente.
  2. Modifique la configuración adicional para habilitar Entrada del usuario para permitir que el agente solicite información adicional al usuario cuando no tiene suficiente información para responder a una solicitud.

Prueba la solución

Cubrimos tres escenarios de prueba en la solución. Los datos de muestra y las indicaciones para los tres escenarios se pueden encontrar en Repositorio GitHub.

  • El escenario 1 es un cliente existente al que se le aprobará el monto del préstamo solicitado.
  • El escenario 2 es un cliente nuevo al que se le aprobará el monto de préstamo solicitado.
  • El escenario 3 es un cliente nuevo cuya solicitud de préstamo será rechazada debido a una puntuación crediticia baja.

Limpiar

Para evitar cargos futuros, elimine los datos de muestra almacenados en Servicio de almacenamiento simple de Amazon (Amazon S3) y la pila:

  1. Eliminar todos los datos del depósito S3.
  2. Elimine el depósito S3.
  3. Utilice el siguiente comando para destruir la pila: cdk destroy

Resum

La solución de préstamos digitales propuesta que se analiza en esta publicación incorpora a un cliente verificando los documentos KYC (incluidas las tarjetas PAN y Aadhar) y clasifica al cliente como cliente existente o cliente nuevo. Para un cliente existente, la solución utiliza una puntuación de riesgo interna y, para un cliente nuevo, la solución utiliza la puntuación crediticia externa.

La solución utiliza Amazon Bedrock Agents para organizar los pasos de procesamiento de préstamos digitales. Los documentos se procesan mediante Amazon Textract y Amazon Comprehend, después de lo cual Amazon Bedrock Agents procesa los pasos del flujo de trabajo. La identificación del cliente, las verificaciones de crédito y la notificación al cliente se implementan mediante Lambda.

La solución demuestra cómo se puede automatizar un proceso comercial complejo con la ayuda de Amazon Bedrock Agents y mejorar la participación del cliente a través de una interfaz de lenguaje natural y opciones de navegación flexibles.

Pruebe algunos casos de uso de Amazon Bedrock para banca, como la creación de bots de servicio al cliente, la clasificación de correo electrónico y los asistentes de ventas, mediante el uso de los potentes agentes de soporte técnico y las bases de conocimiento de Amazon Bedrock que brindan una experiencia RAG administrada. Explore el uso de los agentes de Amazon Bedrock para ayudar a organizar y automatizar procesos bancarios complejos, como la incorporación de clientes, la verificación de documentos, los préstamos digitales, la originación de préstamos y el servicio al cliente.


Acerca de los autores

Shailesh Shivakumar es arquitecto sénior de soluciones de FSI en AWS India. Trabaja con empresas financieras como bancos, NBFC y empresas comerciales para ayudarlas a diseñar servicios de nube seguros y colabora con ellas para acelerar su transición a la nube. Crea demostraciones y pruebas de concepto para demostrar las posibilidades de AWS Cloud. Lidera otras iniciativas, como talleres de capacitación para clientes, demostraciones de AWS, optimización de costos y evaluaciones de soluciones para asegurarse de que los clientes de AWS tengan éxito en su transición a la nube. Shailesh forma parte del equipo de diseño de equipos de aprendizaje automático de AWS y se encarga de los escenarios de clientes centrados en la inteligencia artificial generativa y el aprendizaje automático. La seguridad, la tecnología sin servidor, los contenedores y el aprendizaje automático en la nube son sus principales áreas de interés.

Reena Manivel es arquitecta de soluciones de AWS FSI. Se especializa en análisis y trabaja con clientes en empresas de préstamos y banca para crear soluciones seguras, escalables y eficientes en AWS. Además de sus actividades técnicas, también es escritora y disfruta de pasar tiempo con su familia.

Artículos relacionados

punto_img

Artículos Recientes

punto_img