Yritysten luottopäätökset tekoälyn ja ihmisen yhteistyönä : Asiantuntijoiden kokemuksia suomalaisessa yritysrahoituksessa
Pysyvä osoite
Kuvaus
Opinnäytetyö kokotekstinä PDF-muodossa.
Tässä Pro Gradu -tutkielmassa tarkastellaan luottopäätöksiä tekevien ammattilaisten kokemuksia koneoppimismallin tukemassa päätösprosessissa suomalaisessa yritysrahoituksessa. Koneoppimismallien hyödyntäminen on lisääntynyt merkittävästi luottoriskien arvioinneissa. Käytännössä prosessit eivät kuitenkaan ole täysin automatisoituja. Sen sijaan koneoppimismallit toimivat usein päätöksenteon tukityökaluina, jolloin niiden tuloksia arvioidaan ihmisen toimesta osana laajempaa päätösprosessia.
Tutkimuksen tavoitteena on ymmärtää, miten luottopäätöksentekoon osallistuvat asiantuntijat kokevat koneoppimismallien käytön tässä kontekstissa. Tutkimus keskittyy koneoppimismalleihin liitettyihin hyötyihin ja haasteisiin sekä siihen, miten asiantuntijat tulkitsevat ja hyödyntävät mallien tuottamaa tietoa osana omaa päätöksentekoaan ja harkintaansa. Tutkimuksen teoreettinen viitekehys rakentuu ihmisen ja tekoälyn yhteistyötä, sosioteknisiä järjestelmiä ja algoritmien tukemaa päätöksentekoa käsittelevän kirjallisuuden varaan.Kyseessä on laadullinen tutkimus. Empiirinen tieto kerättiin puolistrukturoiduilla teemahaastatteluilla ja haastateltavana olivat yritysrahoituksessa luottopäätöksiä tekevät asiantuntijat. Kerätty aineisto analysoitiin teoriaohjatun teema-analyysin avulla.Tutkimuksessa havaittiin, että koneoppimismallit parantavat tehokkuutta, tukevat johdonmukaisuutta ja strukturoivat luottopäätösprosessia. Koetut haasteet liittyvät tapauskohtaiseen kontekstiin, laadulliseen tietoon ja poikkeustapauksiin, jotka eivät ole mallipohjaisen arvioinnin kannalta selkeitä. Löydökset osoittavat myös, etteivät asiantuntijat käytä malleja passiivisesti. Sen sijaan he vertaavat niitä omaan ammatilliseen näkemykseensä ja arvioivat niiden relevanssia jokaisessa rahoitustapauksessa. Näin ollen koneoppimismallit toimivat pääosin ammattilaisen arvion tukimekanismeina, eivätkä sen korvaajana.Tutkimus havainnollistaa, että koneoppimismallin roolia luottopäätöksenteossa muovaavat teknisen suorituskyvyn ohella se, miten mallien tuottamaa tietoa hyödynnetään osana asiantuntijoiden työskentelyä ja organisaation käytäntöjä.