Social scoring w usługach kredytowych w kontekście prawa o sztucznej inteligencji
Abstrakt
Wykorzystanie sztucznej inteligencji (AI) w sektorze finansowym zyskuje większą uwagę, szczególnie w zakresie oceny kredytowej i zarządzania ryzykiem. Jednym z innowacyjnych narzędzi stosowanych przez instytucje finansowe jest Social Scoring, który wykorzystuje dane z mediów społecznościowych do analizy profilu kredytobiorcy. Celem niniejszego artykułu jest wykazanie, że wykorzystanie scoringu społecznościowego w usługach finansowych jest niezgodne z nowymi przepisami unijnymi i krajowymi. W artykule przyjęto tezę, że wykorzystanie social scoringu i sztucznej inteligencji w usługach kredytowych narusza prawo do prywatności, stwarzając wysokie ryzyko nierównego traktowania i dyskryminacji w procesie oceny zdolności kredytowej. W artykule zastosowano podejście dogmatyczno-prawne, analizując przepisy polskiego prawa bankowego oraz regulacje unijne dotyczące oceny behawioralnej z wykorzystaniem sztucznej inteligencji w usługach kredytowych. Następnie przeanalizowano obecne ramy prawne umożliwiające analizę behawioralną w usługach finansowych, a kolejno zbadano nowe regulacje wynikające z przepisów dotyczących sztucznej inteligencji. Na zakończenie podkreślono podstawowe wartości, które ograniczają scoring społeczny i zidentyfikowano kierunki rozwoju alternatywnych form oceny kredytowej. W świetle obecnych przepisów wyraźnie oddzielono dopuszczalne zastosowanie zautomatyzowanej analizy zdolności kredytowej, opierającej się na danych finansowych i ekonomicznych, od niedozwolonego social scoringu. Korzystanie z informacji z mediów społecznościowych w procesie decyzyjnym jest zakazane, a każda decyzja automatyczna musi umożliwiać odwołanie do oceny przeprowadzonej przez człowieka.
Słowa kluczowe:
prawo sztucznej inteligencji, akt o sztucznej inteligencji, punktacja społeczna, ocena kredytowaBibliografia
Arroyo Amayuelas E., A Third Directive on Consumer Credit, European Review of Contract Law, vol. 20, no. 1, 2024, pp. 1-24., https://doi.org/10.1515/ercl-2024-2001 Google Scholar
Czech T. [w:] Kredyt konsumencki. Komentarz, wyd. III, Warszawa 2023, art. 9. Google Scholar
Durand D., Credit-Rating Formulae , Risk Elements in Consumer Instalment Financing, NBER, 1941 URL: http://www.nber.org/chapters/c9265. Google Scholar
Komisja Europejska. BIAŁA KSIĘGA w sprawie sztucznej inteligencji Europejskie podejście do doskonałości i zaufania PL, Bruksela, dnia 19.2.2020 r. COM(2020) 65 final. Google Scholar
Kosinski M., Khambatta P., Wang Y., Facial recognition technology and human raters can predict political orientation from images of expressionless faces even when controlling for demographics and self-presentation. American Psychologist 2024, https://doi.org/10.1037/AMP0001295 Google Scholar
Kostka G., China’s social credit systems and public opinion: Explaining high levels of approval, New Media & Society, 2019, 21(7), 1565-1593. https://doi.org/10.1177/1461444819826402 Google Scholar
Kotlarz M., Ocena zdolności kredytowej w prawie i orzecznictwie europejskim, PS 2023, nr 11-12, s. 124-138. Google Scholar
Kuchciński A., Ryzyko kredytowe w działalności banku, „Kwartalnik Naukowy Uczelni Vistula”, 2016, nr 2(48). Google Scholar
Lehmann M., Narzędzia wspomagające ocenę wiarygondości kredytowej podmiotór sektora MSP. Scoring Behawioralny i scoring zysku, „Zeszyty Studiów Doktoranckich/Uniwersytet Ekonomiczny w Poznaniu. Wydział Ekonomii”, nr46, 2009r.. Google Scholar
Liang F., Chen, Y., The making of “good” citizens: China's Social Credit Systems and infrastructures of social quantification, Policy & Internet, 2022, 14,114–135. https://doi.org/10.1002/poi3.291 Google Scholar
Mac Síthigh, D., Siems, M., The Chinese Social Credit System: A Model for Other Countries? Modern Law Review, 2019, 82(6), 1034-1071. https://doi.org/10.1111/1468-2230.12462 Google Scholar
Mednis A. [w:] Prawo bankowe. Komentarz, red. A. Mikos-Sitek, P. Zapadka, Warszawa 2022, art. 105(a). Google Scholar
Nierodka A., Część IV ZDOLNOŚĆ KREDYTOWA [w:] A. Nierodka, I. Heropolitańska, T. Zdziarski, Kredyty, pożyczki i gwarancje bankowe, Warszawa 2021. Google Scholar
Przanowski K., Credit scoring w erze big-data. Techniki modelowania z wykorzystaniem generatora losowych danych portfela consumer F.finance, Warszwa 2014. Google Scholar
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
