如果WFC社區銀行的策略是一種典範，這個典範是否有可能在金融科技浪潮的衝擊下被顛覆？WFC是否會因為在既有範式中太過成功而增加在未來世界失敗的風險？針對這個問題，投資人通常最先想到的就是P2P貸款平台的領先企業LendingClub（LC）。
銀行業經營放款業務的本質，就是利用其監管保障的特許地位吸收存款，同時透過資本市場發行債券或股票融資，再將資本貸放給有需求的個人或企業，承擔信用風險與資金成本，高槓桿賺取利潤。這個模式的弱點，就是銀行雖然承擔了借戶的信用風險，但銀行本身的信用風險卻是由存戶與銀行的債主承擔。銀行維持營運有鉅額的固定成本，監管機構為了應付流動性危機與保護消費者，也需要銀行提列額外準備金以防萬一（保險業的solvency margin也是基於類似理念）。種種龐雜的網絡建置與維持費用，加上風險效益的計算，銀行會放棄服務某些客戶，或是以風險過高為由加碼收費，從而讓金融服務成為某些人可望而不可及的奢求。全世界目前有超過25億人無法享有適當的金融服務，很大程度上是這種銀行業經營範式所致。
如果一個經濟體中每個有貸款需求與所有具備閒置資本的個體都與銀行連線，且銀行對個別信用風險完全知悉，理論上銀行可以實現完美的差別定價（price discrimination）與資債匹配。亦即，銀行每一塊錢的放款都可以用一塊錢的外部資本支應，銀行只是一個蒐集借款需求訊息的平台，無須承擔自有資本風險。如何針對每一筆貸款的風險定價，就是銀行業自豪的專業能力。究其本質，授信決策流程是在評估微觀與宏觀面的信用風險，講究的是分析借款人、擔保品與目標資產創造現金流的頻率、強度、與確定性，透過某種基於經驗法則的排序來給風險定價，准駁貸款，既是科學也是藝術。決策過程中客觀的限制條件，卻往往受到決策者主觀好惡的影響。換句話說，銀行授信的「作業系統」是「人工智慧」-- human labor intelligence。
在真實世界中，沒有銀行可以與所有個體實現完全的連結。在大數據互聯網的時代，也沒有任何證據可以支撐銀行業是最適合、最懂得評估與控管風險的機構。再加上鉅額網絡建置與維持費用，使得銀行無法真正成為一個信用風險的訊息平台。LC最聰明之處，在於把傳統上被商業銀行整合在一起的「信息傳遞」、「風險定價」與「資本配置」三項功能以分離。透過其先進的軟體技術，LC創造了一個媒合資金需求與供給的開放市集，讓有取得信用融資變得更加便利。飽受低利率之苦的投資人希望能承擔合理風險賺取利息，被銀行與信用卡公司賺太多的借款人也想要降低成本，LC作為信用風險交易所，可賺取交易媒合費。自2006年創辦以來，LC已經媒合了超過134億美元的貸款。考慮到美國廣義地消費金融授信規模超過3.3兆美元，其中至少有將近4000億美元的餘額是消金循環額度，這些借款人都有再融資降成本的需求。由此可見，LC的成長空間非常巨大。
