ในยุคที่การเข้าถึงสินเชื่อทำได้ง่ายมากขึ้น ขณะเดียวกันความง่ายและสะดวกสบายก็มาพร้อมกับปัญหาหนี้ครัวเรือนของไทยยังคงเป็นความท้าทายระดับชาติ แม้สัดส่วนหนี้ครัวเรือนต่อ GDP จะลดลงมาอยู่ที่ราว 87% ในปี 2568 จากจุดสูงสุดกว่า 90% ในช่วงโควิด-19 แต่ก็ยังคงอยู่ในระดับสูง
เมื่อพูดถึงปัญหาหนี้สิน สังคมมักมองว่าเป็นผลมาจากการขาดวินัย หรือการใช้ชีวิตเกินตัวของปัจเจกบุคคล ทว่าในมุมมองของเศรษฐศาสตร์พฤติกรรม (Behavioral Economics) ชี้ให้เห็นว่า โครงสร้างของระบบการเงินและเทคโนโลยีในปัจจุบันก็มีส่วนทำให้คนเราตัดสินใจเป็นหนี้ได้ง่ายขึ้นเช่นกัน
ตัวอย่างที่เห็นได้ชัดคือกลไกการทำงานของสมองมนุษย์ที่เรียกว่า Mental Accounting หรือการจัดหมวดหมู่เงินในใจ เมื่อเงินกู้หรือวงเงินสินเชื่อได้มาอย่างง่ายดาย สมองมักจะมองว่าเป็นเงินพิเศษ ประกอบกับหน้าแอปพลิเคชันที่มักแสดงผลยอดผ่อนชำระต่อเดือนเป็นตัวเลขน้อยๆ ทำให้ผู้บริโภคมองข้ามต้นทุนดอกเบี้ยระยะยาวที่แท้จริง และตัดสินใจกู้เงินเพื่อการบริโภคทั่วไปได้ง่ายขึ้น
ที่ผ่านมาระบบการคิดดอกเบี้ยของสถาบันการเงินมักประเมินจาก ‘ความเสี่ยงของผู้กู้’ เป็นหลัก หรือที่เรียกว่า Risk-based Pricing หากลูกค้ามีเครดิตดี ดอกเบี้ยก็จะต่ำ โดยอาจจะเริ่มต้นที่ 11.99% ต่อปี แต่หากมีความเสี่ยงสูง ดอกเบี้ยก็จะขยับขึ้นไปสูงสุดที่ 25% ต่อปี
แต่ช่องโหว่สำคัญของระบบนี้คือ การละเลยวัตถุประสงค์ ระบบสินเชื่อแบบเดิมจะประเมินเม็ดเงินทุกก้อนเท่ากันหมด ไม่ว่าเงินนั้นจะถูกรูดเพื่อนำไปจ่ายค่าเทอม ค่ารักษาพยาบาลฉุกเฉิน หรือนำไปใช้จ่ายฟุ่มเฟือย เช่น การซื้อกระเป๋าแบรนด์เนม ลูกค้าก็ต้องจ่ายดอกเบี้ยในอัตราเดียวกัน เมื่อระบบไม่ได้สร้างแรงจูงใจทางการเงินที่แตกต่าง ผู้กู้จึงขาดปัจจัยที่จะทำให้ฉุกคิดถึงความจำเป็นก่อนใช้จ่าย
เพื่ออุดช่องโหว่ดังกล่าว วงการการเงินจึงเริ่มนำเสนอโมเดลที่เรียกว่า Purpose-based Pricing หรือการคิดอัตราดอกเบี้ยตาม ‘จุดประสงค์ของการใช้จ่าย’
หลักการของโมเดลนี้คือ การใช้โครงสร้างดอกเบี้ยเป็นเสมือนเครื่องเตือนสติ หากเป็นการกู้ยืมเพื่อคุณภาพชีวิตที่จำเป็น อัตราดอกเบี้ยควรจะถูกลงเพื่อแบ่งเบาภาระ ในขณะที่การใช้จ่ายเพื่อสินค้าฟุ่มเฟือย ดอกเบี้ยจะยังคงอยู่ในอัตราปกติ
ในประเทศไทย เริ่มเห็นการนำโมเดลนี้มาปรับใช้จริงแล้ว โดยสถาบันการเงินอย่างธนาคารเกียรตินาคินภัทร (KKP) ได้นำระบบ Purpose-based Pricing เข้ามาทำงานร่วมกับระบบประเมินความเสี่ยงเดิม โดยนำเทคโนโลยีเข้ามาตรวจสอบการใช้จ่าย ว่าปลายทางเป็นผู้รับเงินในหมวดหมู่ใด เพื่อมอบส่วนลดดอกเบี้ยแบบอัตโนมัติ
สำหรับหมวดค่ารักษาพยาบาล, การศึกษา และการซื้อประกัน ผู้กู้จะได้ส่วนลดดอกเบี้ยอีก 4% ต่อปี ส่วนหมวดค่าน้ำมัน, ยางรถยนต์, ของใช้ในบ้าน และสาธารณูปโภค จะได้ลดดอกเบี้ย 1.5% ต่อปี
ความน่าสนใจของระบบนี้คือ ผู้กู้ทุกกลุ่มจะได้รับผลประโยชน์หากนำเงินไปใช้อย่างมีเหตุผล
สมมติว่า ลูกค้าที่มีเครดิตดีเยี่ยมได้รับอัตราดอกเบี้ยปกติที่ 11.99% ต่อปี เมื่อนำวงเงินไปสแกนจ่ายค่ารักษาพยาบาล ระบบจะลดดอกเบี้ยให้ 4% ทันที ทำให้ลูกค้าจ่ายดอกเบี้ยเหลือเพียง 7.99% ต่อปี ซึ่งถือเป็นอัตราที่ต่ำมากสำหรับตลาดสินเชื่อส่วนบุคคล
ในทางกลับกัน หากเป็นลูกค้าที่มีความเสี่ยงสูงซึ่งปกติโดนคิดดอกเบี้ยที่ระดับ 25% หากนำเงินไปจ่ายค่ารักษาพยาบาล ดอกเบี้ยรายทำรายการนั้นจะถูกปรับลดลงเหลือ 21% ซึ่งก็ยังถูกกว่าการใช้สินเชื่อบัตรกดเงินสดหรือสินเชื่อบุคคลทั่วไป
อย่างไรก็ตาม ระบบดังกล่าวก็ยังมีข้อจำกัดบางประการ เช่น หากเป็นการกู้โดยรับเงินก้อนโอนเข้ามาในบัญชีออมทรัพย์ส่วนบุคคล แม้ผู้กู้จะนำไปใช้จ่ายกับสินค้าหรือบริการที่จำเป็น ระบบก็ไม่อาจรู้ได้ ทำให้ส่วนลดดอกเบี้ยแบบ Purpose-based Pricing จะหายไป
ฉะนั้นการจะได้รับประโยชน์จากดอกเบี้ยในลักษณะนี้ ผู้กู้จำเป็นจะต้องใช้จ่ายผ่านระบบของสถาบันการเงินนั้นๆ เพื่อให้สถาบันการเงินมองเห็นได้ว่าการใช้จ่ายนั้นๆ ถูกใช้ไปกับอะไร
การปรับใช้ Purpose-based Pricing ถือเป็นก้าวสำคัญของสถาบันการเงินในการสร้างกลไกกระตุ้นพฤติกรรมใหม่ให้เกิดขึ้น (Behavioral Nudge)
การแก้ปัญหาหนี้ครัวเรือนไม่อาจสำเร็จได้ด้วยการสอนให้คนมีวินัยเพียงอย่างเดียว แต่สถาบันการเงินเองก็ต้องทบทวนเป้าหมาย เปลี่ยนมาเป็นการส่งเสริมสุขภาพทางการเงินที่ยั่งยืนให้กับลูกค้า เพราะท้ายที่สุดแล้ว นวัตกรรมทางการเงินที่ดี ควรเป็นนวัตกรรมที่ช่วยปกป้องผู้คนจากการก่อหนี้ที่ไม่จำเป็น และยื่นมือช่วยเหลืออย่างเป็นธรรมในยามที่พวกเขาต้องการมันจริงๆ
ภาพ: Dilok Klaisataporn / GettyImages
