MortgageTech и API:
Годом ипотечного API не предстояло наступить в 2020 году. Кредиторы дружили с избранными партнерами, помогая своим крупнейшим и наиболее прибыльным счетам выпускать решения API через свои собственные индивидуальные системы. Дверь была закрыта для всех остальных. Мы не так создаем инновации MortgageTech. Сейчас, в глубине 2021 года, мы все еще ждем признаков более открытой и прозрачной интеграции API со всеми крупными банками и строительными обществами в сфере ипотечного кредитования.
Разочарование в ожидании API заставило меня сосредоточиться на других решениях для MortgageTech. Над чем я мог бы поработать, обладая самообученными знаниями по Python и навыкам разработки Full Stack, тем временем? То, что не сильно зависит от интеграции кредиторов. ИИ и машинное обучение были ответом.
Проект: AI и машинное обучение для рекомендаций по ипотеке.
Во-первых, я хотел спроектировать и создать веб-сайт с нуля, используя Python. Python - это язык программирования высокого уровня, способный к машинному обучению и искусственному интеллекту. Мой основной веб-сайт в настоящее время слишком сильно зависит от сторонних сервисов. Wordpress, например, отличный сайт для ведения блогов, но он просто недостаточно гибкий, чтобы интегрировать более мощный код.
Итак, я создал SwitchMortgageRates.com
Основная функция сейчас - API, ориентированный на кредиторов, но с разницей. API будет повторять разные поиски, если первый из них не удастся, сканируя определенные параметры в информации о ипотечном продукте. Это решение проблемы на основе Python: ипотечные продукты в настоящее время плохо классифицируются ипотечными кредиторами и Twenty7Tech. В настоящее время T7T - единственное решение по поиску API для ипотечных продуктов во всей отрасли, что в 2021 году мне покажется странным!
API - это первая часть завершенного проекта. SwitchMortgageRates.com хорошо работает для доступа и получения ипотечных сделок по передаче продукта для существующих клиентов, то есть когда информация о продукте предоставляется.
Вторая часть (в стадии разработки) будет тестировать отзывы клиентов, чтобы распознать и понять их цели сейчас и в будущем. Это позволит самим клиентам тестировать различные сценарии ипотеки и недвижимости с помощью ИИ.
Вот пример:
Клиент A: Мы планируем сменить тариф, но, возможно, это произойдет менее чем через 2 года, когда мы планируем пожениться и создать семью. Какой вариант для нас сейчас лучший?
AI сработает. Он проанализирует их текущую процентную ставку по сравнению с предложенными лучшими новыми сделками прямо сейчас, начальными периодами ставок и планами клиента на будущее. Основываясь на этих условиях и зная все связанные с этим затраты сейчас и в будущем, рекомендация будет учитывать этот сценарий. Плата за досрочное погашение будет учтена вместе с авансовыми платежами и другими расходами. Я даже подумываю об использовании стандартного анализа переменной ставки на основе данных, предоставленных Банком Англии.
Верно сказать, что регулирующий орган будет иметь собственное мнение о любых потенциальных возможностях ИИ - поэтому я пока тестирую это в частном порядке. Так что, прежде чем мы слишком увлечемся, может пройти много лет, прежде чем этот тип технологии будет реализован. Может также потребоваться выпустить его с большим отказом от ответственности, но концепция захватывающая. Часть машинного обучения сработает, если клиент решит сохранить свой профиль. Система запомнит намеренные планы клиента и научится адаптироваться, если эти планы изменятся, поэтому также обновит ИИ.
А пока я просто доволен результатом своего последнего проекта. Мой первый полноценный веб-сайт на Python с отличными инструментами для клиентов, которые хотят изменить ставки по ипотеке сейчас или в будущем. Заложены основы, готовые взяться за будущее искусственного интеллекта, машинного обучения и, конечно же, ипотечных технологий - когда банки и строительные общества решат полностью открыть свои ипотечные API.
