Ruka hadi:
Maelezo maalum ya sheria za mikopo ya haki yanaendelea kubadilika, lakini kanuni zao kuu za kupinga ubaguzi zinapaswa kubaki muhimu kwa sera ya shirika lolote la huduma za kifedha. Benki, vyama vya mikopo, na wakopeshaji hawapaswi kukataa matoleo yao kulingana na mambo kama vile rangi, rangi, jinsia, dini, asili ya kitaifa, ulemavu, na hali ya ndoa. Kumpata afisa wa huduma za kifedha asiyejua kanuni hizi kunapaswa kuwa changamoto.
Hata hivyo, hatari za mikopo ya haki lazima zizingatiwe katika uuzaji pia. Baadhi wanaweza kujiuliza kama wasiwasi mkubwa kuhusu ubaguzi bado upo katika enzi inayodhibitiwa kupitia njia za kidijitali, ambapo hatua zaidi zimechukuliwa kutoka kwa mikono ya binadamu na kuwekwa katika algoriti zinazoonekana kuwa zisizo na upendeleo.
Jibu fupi ni ndiyo.
Katika mikopo ya haki, kuachwa kunaweza kusababisha urejeshaji wa kidijitali
Hatari ya mikopo inayofaa inaweza kutokea katika kile ambacho uuzaji wako unasema, jinsi unavyowasilishwa, na ni nani anayeona au asiyeona uuzaji wako.
Tangazo la huduma ya kifedha linaweza kuwa na lugha na taswira zinazojumuisha kikamilifu. Hata hivyo, ikiwa tangazo hilo litasambazwa kwa njia ambayo watu wengi au wote unaotaka kuwajumuisha hawatawahi kuliona, hilo linaweza kuchukuliwa kuwa ukiukaji wa haki wa mikopo.
Aina hii ya ubaguzi inajulikana kama urejeshaji wa kidijitali, na vidhibiti vya uuzaji lengwa wa kidijitali vinaweza kusababisha shirika kubagua kwa njia hii bila kukusudia.
Faida inayowezekana ya uuzaji lengwa wa kidijitali ni uwezo wake wa kulenga matangazo mahali ambapo yanaweza kuwa na ufanisi zaidi na kutoa faida zaidi kutokana na uwekezaji wa masoko. Njia hii inaweza kufaa kikamilifu kwa bidhaa nyingi lakini inaweza kusababisha wasiwasi wakati hatari za mikopo ya haki lazima zizingatiwe.
Kulingana na data inayopatikana na algoriti zinazotumika, mbinu ya kulenga kidijitali inaweza kubagua makundi fulani bila kukusudia kulingana na maeneo yao halisi au tabia, mapendeleo, au mifumo maalum ya kifedha inayoonyeshwa mtandaoni. Kwa maneno mengine, algoriti ya uuzaji inaweza kuzingatia kwa makini kundi au eneo maalum la watu na hivyo kuwadhuru watu wanaostahiki walio nje ya vigezo vyake.
Kulingana na data inayopatikana na algoriti zinazotumika, mbinu ya kulenga kidijitali inaweza kubagua makundi fulani bila kukusudia kulingana na maeneo yao halisi au tabia, mapendeleo, au mifumo maalum ya kifedha inayoonyeshwa mtandaoni.
Wadhibiti wa shirikisho na makampuni makubwa ya mitandao ya kijamii wamechukua hatua kuhusu urekebishaji upya wa kidijitali. Mnamo Machi 2019 , Facebook (sasa Meta) iliondoa uwezo wa wanunuzi wa matangazo kuchagua waziwazi kutolenga matangazo yao kwa rangi, umri, na jinsia maalum. Mnamo Juni 2022 , Meta ilitangaza marekebisho zaidi kwa vipengele vinavyoweza kuwa vya kibaguzi katika algoriti zake za utangazaji mahususi kwa usambazaji wa matangazo ya nyumba kwenye Facebook .
Mashirika mengine ya udhibiti na majukwaa ya kidijitali pia yanaanza kuweka sheria kuhusu matumizi ya AI . Katika uwanja wa sheria, baadhi ya vyama vya wanasheria wa serikali vinatoa miongozo kuhusu usiri na uuzaji. YouTube pia inahitaji ufichuzi wa maudhui ya bandia au yaliyoongezwa kwa AI.
Ingawa hatua hizi zinatia moyo, hazipaswi kuchukuliwa kama dhamana kwamba urekebishaji upya wa kidijitali umeondolewa kabisa kutoka kwa mchakato wowote. Hata hivyo, licha ya changamoto hizi, uuzaji wa kidijitali si kitu unachopaswa kuondoa kutoka kwa mkakati wako wa uuzaji. Kufanya hivyo kutaweka shirika lako katika hasara kubwa.
Mashirika ya huduma za kifedha yanapaswa kufanya nini? Kuwa mwangalifu na makini unapotumia aina yoyote ya uuzaji lengwa wa kidijitali. Hatua za kupunguza hatari ni pamoja na:
- Kujifunza mengi iwezekanavyo kuhusu programu zozote za masoko lengwa wanazotumia.
- Kuomba taarifa kuhusu programu za masoko lengwa ambazo mashirika na makampuni mengine yanaweza kutumia kwa niaba yao.
- Kutathmini vichujio vyovyote vinavyotumika ndani ya uuzaji lengwa.
- Kuomba na kuchambua ripoti kuhusu hadhira iliyofikiwa kupitia uuzaji lengwa.
- Kupitia na kushughulikia malalamiko yoyote yanayopokelewa kuhusu uuzaji wa kidijitali.
Je, akili bandia (AI) na ujifunzaji wa mashine vitafikia hatua ambapo unaweza kuweka uuzaji wako kwa urahisi mikononi mwa algoriti za uuzaji lengwa? Labda. Lakini sivyo hivi sasa. Zana hizi bado zinaathiriwa kwa kiasi kikubwa na kipengele ambacho watu wanaozitumia wanaweza kuwa na matumaini ya kuondoa: upendeleo wa kibinadamu.
AI si kamili katika kushughulikia hatari za mikopo ya haki katika uuzaji lengwa
Uwezo wa AI na ujifunzaji wa mashine kwa ajili ya kuchanganua taarifa, kutabiri matokeo, na kufanya maamuzi ni mkubwa na wenye malengo makubwa. Kutumia zana kama hizo kunaweza kubaini miunganisho ndani ya seti kubwa za data ambazo wanadamu wanaweza kuzipuuza - na hakika si haraka kama zana hizi zinavyoweza.
Hata hivyo, uwezo wa kibinadamu wa AI na mashine learning haumaanishi kwamba zipo katika ulimwengu nje ya ushawishi wa mwanadamu. Na kuhusu mikopo ya haki na uuzaji unaolengwa, hilo linaweza kuwa na hatari kubwa.
Mifumo ya AI na ujifunzaji wa mashine, kama vile ChatGPT, Claude, na mingine ambayo inaweza kushawishi programu za uuzaji lengwa au uandishi wa nakala haikujitokeza kama wataalamu kamili wa uuzaji au uandishi wa nakala. Lazima wafundishwe kuhusu data iliyopo awali ili kufanya hitimisho na utabiri.
Hatimaye, mfumo wa AI au mfumo wa kujifunza kwa mashine unaweza kuwa "lengo" tu kama data iliyofunzwa . Angalau baadhi, kama si yote, data hiyo ilikusanywa na wanadamu na, kwa upande mwingine, inaweza kuchafuliwa kimakusudi au bila kukusudia na upendeleo wa kibinafsi au wa kihistoria.
Kwa mfano, mfumo wa AI au mfumo wa kujifunza kwa mashine uliofunzwa kuhusu data ya mali isiyohamishika katika eneo fulani katika kipindi cha miaka 100 iliyopita unaweza kuishia na seti ya data ambapo wamiliki wengi wa nyumba ni wazungu. Ingawa nia ya mafunzo haitakuwa kuwalenga wazungu katika utangazaji ndani ya eneo hili, uzito mkubwa wa kihistoria wa data unaweza kusababisha ulengaji wa kibaguzi. Kwa njia kama hizo, upangaji upya wa kihistoria unaweza kusababisha kuendelea kwa upangaji upya wa kidijitali.
Hatusemi kwamba mifumo ya AI au mashine ya kujifunza haipaswi kamwe kuwa sehemu ya michakato ya utangazaji au uuzaji lengwa. Katika LaFleur, tunatumia AI kama msaidizi kutusaidia kukusanya na kupanga data. Hata hivyo, kukabidhi hatamu kwa AI si jambo tunalopendekeza bila udhibiti mkubwa na usimamizi thabiti wa kibinadamu .
Kuendeleza mkakati wa masoko unaolenga mikopo ya haki na jumuishi
Linapokuja suala la kuepuka ukiukaji wa haki wa mikopo katika huduma za kifedha, uuzaji wa lengo maalum huenda usiwe na ufanisi kama kuonyesha upatikanaji wa jumla kwa jamii zako.
Sio tu kuhusu kufuata sheria, ingawa hilo hakika linabaki kuwa muhimu. Kadiri kampeni inavyokuwa imewekewa vikwazo vikali, ndivyo mawazo zaidi yanafanywa kuhusu ni nani atakayefaidika na huduma fulani. Na wakati chaguo hizo ziko mikononi mwa AI, hatudhibiti mawazo hayo. Uuzaji mpana zaidi unaolenga wateja ambao bado unafanya kazi kwa sababu nzuri unaweza kufungua uwanja wa wateja watarajiwa na kuweka imani zaidi kwa wateja hao kujua wanachotaka - na kwamba wanaweza kukipata kutoka kwako.
LaFleur husaidia mashirika kuunda mikakati ya masoko inayofuata miongozo ya mikopo ya haki. Tunatumia mbinu inayoongozwa na binadamu ambayo hutumia teknolojia huku tukifuatilia hatari na fursa zaidi. Panga mashauriano, na hebu tujadili jinsi tunavyoweza kukujengea mkakati wa masoko unaowajibika na ufanisi.
Tim Latshaw ni mtaalamu wa maudhui wa LaFleur, akizingatia mikakati ya uuzaji ya B2B .
