Am 8. September 2021 veranstaltete Ladies's World Banking eine virtuelle Podiumsdiskussion zum Thema „Nutzung von KI zur Entwicklung geschlechtersensibler Lösungen“ im Rahmen seiner Damit Finanzen für Frauen funktionieren Thought-Management-Reihe.
Moderiert von Janet Truncale, stellvertretende Vorsitzende und regionale geschäftsführende Gesellschafterin von EYs amerikanische FinanzdienstleistungsorganisationDem Gremium gehörten folgende anerkannte Experten an: Claudia Jüch, Vizepräsidentin für Daten und Gesellschaft am Patrick J. McGovern-Stiftung; Harshvardhan Lunia, Mitbegründer und CEO von LendingKart; und Pavel Vyhnalek, Non-public Fairness- und Risikokapitalinvestor und ehemaliger CEO von Dwelling Credit score Asien. Das Panel enthielt auch Eröffnungsreden von Christina Maynes, Senior Advisor für Marktentwicklung in Südostasien bei Frauen-Weltbankingund Schlussbemerkungen von Samantha Hung, Leiterin der Themengruppe für Geschlechtergleichstellung am Asiatische Entwicklungsbank.
KI und finanzielle Inklusion von Frauen
Künstliche Intelligenz (KI) und maschinelles Lernen (ML) haben die Finanzdienstleistungsbranche revolutioniert. Unter Berücksichtigung der Auswirkungen dieser Verschiebung befasste sich das Gremium mit der Frage, wie diese Störungen die finanzielle Inklusion und wirtschaftliche Stärkung von Frauen vorantreiben können, sowie mit den potenziellen Risiken, die sich aus der Nutzung von KI und ML zur Förderung der Inklusion ergeben.
Künstliche Intelligenz und maschinelles Lernen bergen ein enormes Potenzial für Frauen mit niedrigem Einkommen in Schwellenländern. Vor allem dank erschwinglicher Smartphones und günstiger Datentarife werden Frauen zu datenreichen Individuen, und ihre digitalen Fußabdrücke ermöglichen ihnen einen besseren Zugang zu Krediten zu besseren Konditionen. Für „dünne“ Kundinnen (die über keine Informationen zur Kredithistorie verfügen) können die traditionellen Daten, die zur Feststellung der Kreditwürdigkeit einer Kundin verwendet werden – wie etwa das Gehalt oder die Vermögenswerte der Kundin – diskriminierend sein und zu kleineren oder gar keinen Krediten führen. Alternativdaten bieten Finanzdienstleistern allerdings noch andere Kriterien, anhand derer sie die Kreditwürdigkeit eines Kunden beurteilen können. Eine Vielzahl gesammelter Daten, die von der Zahlungshistorie einer Particular person bei Versorgungs- und Telekommunikationsunternehmen bis hin zu ihrem E-Commerce- und Social-Media-Fußabdruck reichen, können dazu beitragen, Frauen neue Kreditmöglichkeiten zu eröffnen.
Bekämpfung von Geschlechtervoreingenommenheit und Privatsphäre
Obwohl KI- und ML-Fähigkeiten im Hinblick auf die Förderung der finanziellen Inklusion vielversprechend sind, stellte das Gremium fest, dass geschlechtsspezifische Vorurteile bestehen und dazu führen können, dass Frauen benachteiligt oder in den Hintergrund gedrängt werden. Wenn beispielsweise ein Datensatz Frauen nicht angemessen repräsentiert, gilt dies auch nicht für die Ausgabe von KI- und ML-Modellen. Darüber hinaus können sich die Vorurteile einzelner Personen, die durch gesellschaftliche und kulturelle Normen aufrechterhalten werden, in den tatsächlichen Algorithmen und Datensätzen manifestieren, mit denen sie arbeiten. Da immer mehr Finanzdienstleister in KI- und ML-Fähigkeiten investieren, betonte das Gremium die Notwendigkeit, dass Frauen aktiv an der Entwicklung KI-fähiger Produkte und Dienstleistungen beteiligt werden, um zur Bekämpfung von Geschlechtervorurteilen beizutragen, und stellte fest, dass zu wenige Frauen in der Datenwissenschaft tätig sind oder diese betreiben Karrieren. Die Diskussionsteilnehmer betonten außerdem die Bedeutung einer stärkeren Vertretung von Frauen auf allen Ebenen der Finanzdienstleistungsbranche.
Angesichts der zunehmend personalisierten KI sind auch Bedenken hinsichtlich Datenschutz und Sicherheit gestiegen, und die Diskussionsteilnehmer betonten, wie wichtig es ist, den Datenzugriff mit Datenschutzinteressen in Einklang zu bringen. Wenn Kunden beispielsweise den Zugriff auf ihre Daten verweigern, können sie sich selbst bei der Generierung alternativer Daten für die Bonitätsprüfung benachteiligen. Die Diskussionsteilnehmer waren sich jedoch einig, dass die Einholung der Kundeneinwilligung für alle Finanzdienstleister, die KI und ML nutzen, von entscheidender Bedeutung ist.
Laufende Bemühungen
Im Rahmen der Podiumsveranstaltung hob Sonja Kelly, Director of Analysis & Advocacy bei Ladies's World Banking, einige Initiativen der Organisation hervor, die sich auf eine geschlechtsspezifische Kreditbewertung konzentrieren. In Zusammenarbeit mit LendingKart und Knowledge.org – einer Zusammenarbeit zwischen dem Mastercard Heart for Inclusive Development und der Rockefeller Basis – arbeitet Ladies's World Banking daran, Unternehmerinnen Kredite zugänglich zu machen, indem es die Vertretung in Datenpipelines erhöht und sicherstellt, dass Algorithmen weiblichen Bewerbern gegenüber truthful sind. Ladies's World Banking hat außerdem mithilfe eines synthetischen Datensatzes ein interaktives Toolkit erstellt, mit dem Finanzdienstleister geschlechtsspezifische Vorurteile in Kreditwürdigkeitsmodellen erkennen und abmildern können. Weitere Informationen finden Sie im Bericht Algorithmische Verzerrung, finanzielle Inklusion und Geschlechtveröffentlicht im Februar 2021.
Mit dem Ziel, Maßnahmen für eine stärkere wirtschaftliche Stärkung der Frauen voranzutreiben, Damit Finanzen für Frauen funktionieren bietet Stakeholdern und Vordenkern im Bereich der finanziellen Inklusion eine wichtige Plattform, um sich über wichtige Themen auszutauschen. Die Reihe präsentiert auch die Forschung, das Fachwissen und die bevorstehenden Projekte von Ladies's World Banking. Weitere Informationen zur Serie und bevorstehenden Veranstaltungen finden Sie unter die Web site.
