ধরুন, দুইজন ব্যক্তি একই ব্যাংকে ৫০ হাজার টাকার ঋণের জন্য আবেদন করলেন। দুজনেরই প্রচলিত credit history খুব সীমিত। কিন্তু প্রথম ব্যক্তি নিয়মিত mobile wallet ব্যবহার করেন, utility bill সময়মতো পরিশোধ করেন এবং তার account-এ স্থিতিশীল cash flow রয়েছে। অন্যদিকে দ্বিতীয় ব্যক্তির আয় বেশি হলেও তার লেনদেন অনিয়মিত এবং payment behaviour অস্থির। প্রচলিত lending model হয়তো দুজনকেই “insufficient credit history” হিসেবে দেখত। কিন্তু Behavioral AI Lending বলছে—শুধু credit score নয়, একজন মানুষের financial behaviour-ও তার ঋণ পরিশোধের সক্ষমতার গুরুত্বপূর্ণ নির্দেশক।
দীর্ঘদিন ধরে ব্যাংকগুলো income, employment, collateral, পূর্ববর্তী loan history এবং credit bureau report-এর ভিত্তিতে ঋণ অনুমোদন করেছে। কিন্তু বিশ্বের কোটি কোটি মানুষ—বিশেষ করে ক্ষুদ্র উদ্যোক্তা ও MSME—নিয়মিত আয় করলেও তাদের formal credit history নেই। World Bank-এর মতে, এই “thin-file” গ্রাহকদের মূল্যায়নে এখন mobile-money transaction, utility bill, rent payment এবং অন্যান্য alternative data ব্যবহৃত হচ্ছে। Machine Learning এসব তথ্য বিশ্লেষণ করে এমন risk pattern শনাক্ত করতে পারে, যা প্রচলিত credit scoring সহজে ধরতে পারে না।
Behavioral AI ব্যক্তির ব্যক্তিত্ব বিচার করে না; বরং তার আর্থিক আচরণ বিশ্লেষণ করে। আয় কতটা নিয়মিত, cash flow কতটা স্থিতিশীল, payment সময়মতো হয় কি না, account balance কীভাবে পরিবর্তিত হয়—এসব তথ্য AI-এর সিদ্ধান্তে গুরুত্বপূর্ণ ভূমিকা রাখে।
এই ধারণার বাস্তব উদাহরণ Tala Finance। World Bank-এর AI Repository অনুযায়ী, Tala traditional credit history না থাকা গ্রাহকদের alternative mobile data ও Machine Learning-এর মাধ্যমে মূল্যায়ন করে। প্রতিষ্ঠানটি ইতোমধ্যে ১০ মিলিয়নের বেশি গ্রাহককে সেবা দিয়েছে এবং ৬ বিলিয়ন ডলারের বেশি ঋণ বিতরণ করেছে। একইভাবে Upstart-এর AI underwriting model হাজার হাজার data variable বিশ্লেষণ করে ঋণ অনুমোদনের সিদ্ধান্ত নিতে সহায়তা করে।
বাংলাদেশেও এই পরিবর্তন শুরু হয়েছে। City Bank ও bKash-এর Digital Nano Loan মডেল bKash ecosystem-এর digital transaction data ব্যবহার করে collateral-free ক্ষুদ্রঋণ প্রদান করছে। ২০২৫ সালের এপ্রিল পর্যন্ত প্রায় ৯.৫ লাখ গ্রাহকের কাছে ২,৩০০ কোটি টাকার বেশি nano loan বিতরণ করা হয়েছে এবং reported default rate ছিল ১ শতাংশের নিচে। এছাড়া Bangladesh Bank-এর e-Loan Guidelines 2026 ব্যাংকগুলোকে সম্পূর্ণ ডিজিটাল loan process পরিচালনার সুযোগ দিয়েছে।
এটি বাংলাদেশের FinTech উদ্যোক্তাদের জন্যও বড় সুযোগ। স্থানীয় startup-গুলো permission-based transaction data, cash-flow history এবং repayment behaviour বিশ্লেষণ করে AI Credit Scoring Engine তৈরি করতে পারে। এসব সমাধান API, enterprise subscription বা bank partnership-এর মাধ্যমে বাণিজ্যিকভাবে পরিচালিত হতে পারে।
তবে Behavioral AI-এর সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন হলো Privacy ও Fairness। Loan পাওয়ার জন্য যদি কোনো প্রতিষ্ঠান অপ্রয়োজনীয় contact list, location history বা social media data সংগ্রহ করে, তাহলে financial inclusion সহজেই surveillance-এ পরিণত হতে পারে। World Bank alternative-data credit scoring-কে একটি “two-edged sword” হিসেবে বর্ণনা করেছে। সঠিকভাবে ব্যবহৃত হলে এটি আর্থিক অন্তর্ভুক্তি বাড়ায়, কিন্তু ভুলভাবে ব্যবহৃত হলে algorithmic bias ও data misuse-এর ঝুঁকি তৈরি করে।
ইসলামিক ফাইন্যান্সেও Behavioral AI গুরুত্বপূর্ণ ভূমিকা রাখতে পারে। Murabaha, Ijarah বা অন্যান্য শরিয়াহসম্মত অর্থায়নে গ্রাহকের repayment capacity মূল্যায়নে AI সহায়ক হতে পারে। তবে সিদ্ধান্ত অবশ্যই স্বচ্ছ, ব্যাখ্যাযোগ্য (Explainable), ন্যায়সংগত (Fair) এবং Shariah Governance-সম্মত হতে হবে। AI কখনোই অযৌক্তিক বৈষম্য বা অপ্রয়োজনীয় ব্যক্তিগত তথ্য সংগ্রহের মাধ্যম হতে পারে না।
সব মিলিয়ে Behavioral AI Lending শুধু নতুন প্রযুক্তি নয়; এটি ঋণ মূল্যায়নের একটি নতুন দর্শন। ভবিষ্যতের ব্যাংক হয়তো শুধু জিজ্ঞেস করবে না—“আপনার credit score কত?” বরং জানতে চাইবে—“আপনার আর্থিক আচরণ কী বলছে?” আর আমাদের সবচেয়ে গুরুত্বপূর্ণ প্রশ্ন হওয়া উচিত—AI যখন মানুষের আর্থিক ভবিষ্যৎ নির্ধারণ করবে, তখন সেই সিদ্ধান্ত কতটা সঠিক, ন্যায়সংগত এবং জবাবদিহিমূলক?
সোর্স: World Bank — Alternative Credit Scoring, Cash-Flow Underwriting ও AI Repository (Tala Finance); Upstart — AI Lending & Credit Decisioning; City Bank–bKash — Digital Nano Loan; Bangladesh Bank — e-Loan Guidelines 2026।
#BehavioralAI #AILending #CreditScoring #DigitalLending #FinancialInclusion #BangladeshFintech #IslamicFintech #AlternativeData #FutureOfBanking #AIFinance
