Hero FinCorp、AIコンテキストを軸に融資を再構築 — 6カ月で信用コスト15%低下

インドのPINコードの96%超をカバーし1,300万人超の顧客にサービスを提供するHeroグループのノンバンク金融会社Hero FinCorpは、信用ライフサイクル全体（顧客開拓、引受、オンボーディング、ポートフォリオ監視、サービス提供、回収）にわたるAI主導の融資アーキテクチャ「Project Dhruv Tara」を構築した。狙った課題は、信用情報スコア、返済履歴、書類に基づく融資判断では全体像の一部しか分からないという点、特に正式な信用履歴が乏しく、書類が実際のリスクを過小評価している顧客にとってそうだ。

このアーキテクチャは単一スコアの見方をコンテキストに置き換える。クラウドデータレイクは信用情報・返済データを、銀行取引シグナル、GSTデータ、アカウントアグリゲーターの入力、人口統計、資産特性、地理情報と組み合わせる。100超のミクロ市場データポイントと40以上のAPIにより、地域の所得行動から資産の標準慣行まで、PINコード単位でパターンを読み取れる。15の動的なリスク・回収モデルが返済能力、安定性、返済意図をスコア化し、予測的な回収を推進することで、すべての借り手を一律に扱うのではなく、より早く適切に介入する。

同社が報告する運用実績は次のとおり。2026年度下半期の信用コストは上半期比で15%低下し、総NPAは同期間に約20%改善した。AIは最前線にも進出しており、チャットボット、IVR、自動化ワークフロー、AI対応メールが現在、顧客問い合わせの約60%を処理し、四半期ごとに40万人分以上の人的時間を節約している。あるオンボーディングの流れは90項目から3項目に短縮された。

最高執行責任者（COO）のPriya Kashyap氏はこの規律を次のように位置づける。金融サービスにおけるAIの真の価値は速さだけではなく、より良い意思決定、すなわちリスク選択の改善、早期のストレス検知、顧客の摩擦軽減にある。モデルが大規模にパターンを処理する一方で、人間のチームは文脈的判断、ガバナンス、説明責任を保持する。

2026年度下半期の信用コストは上半期比15%低下、GNPAは約20%改善。AIが問い合わせの約60%を処理し、四半期当たり40万人分の人的時間を節約。オンボーディングは90項目から3項目に短縮。

信用履歴の薄い借り手はデータの欠如によって価格設定されていたが、ミクロ市場のコンテキストが信用情報ファイルにはなかったシグナルを回復した。

一律の回収はすべての延滞借り手を同じように扱っていたが、予測モデルは行動に応じて介入の時期と対象を定める。

構築は、旧来のプロセスの横にAIツールを追加するのではなく、知能を意思決定経路そのものに組み込んだ。

誰もが同じ信用情報ファイルで引受を行う場合、優位性は同じスコアをもう一度見ることではなく、コンテキスト、すなわち借り手がどこに住み、地域の所得がどう動くかに移る。

数値は会社報告であり、資料には独立した監査は示されていない。示された次の段階は、融資ライフサイクル全体でのより深いコンテキスト、すなわち早期のリスク識別のためのより豊富なシグナル、顧客の摩擦軽減、パーソナライズされたエンゲージメントであり、説明責任が重要となる意思決定には人間の判断を保持する。