IA: A nova fronteira para a modelagem de risco de crédito

19 maio, 2022

Andrea Jara

 

Com toda a interrupção causada pela COVID-19 durante os últimos dois anos, até que ponto são sólidos os modelos de risco de crédito? Esta foi uma das perguntas para a qual procuramos encontrar a resposta com um estudo global que entrevistou cem tomadores de decisão do setor na América Latina. Os resultados foram mais do que um pouco inquietantes – apenas 21% das fintechs e organizações de serviços financeiros acreditam que seus modelos de risco de crédito são precisos pelo menos 76% do tempo.

Este estado de grande incerteza na modelagem de risco de crédito está expondo as deficiências das abordagens herdadas para a tomada de decisões de risco de crédito que alavancam dados limitados, fluxo de trabalho e automação – muitas vezes, em sistemas separados. Para realmente nivelar as decisões, as organizações precisam de mais dados, de mais automação, de processos mais sofisticados, de previsões mais prospectivas e de maior velocidade na tomada de decisões. E, para isso, elas precisam de IA, machine learning e dados alternativos.

Nossa pesquisa ressaltou o crescente apetite por análise preditiva de IA e machine learning, pela integração de dados e pelo uso de dados alternativos como meio de melhorar a tomada de decisões de risco de crédito. A decisão de risco de crédito em tempo real foi a área de investimento planejada pelos entrevistados em 2022, como o trabalho da organização para resolver a atual “linha de falha financeira” na decisão de risco de crédito.

Os executivos de serviços financeiros veem a tomada de decisões de risco com IA como a base para melhorias em muitas áreas, incluindo a prevenção de fraude (59%), a melhoria da economia e eficiência de custos (52%) e a melhoria da precisão dos perfis de risco de crédito (45%).

Entretanto, muitas empresas lutam para aumentar os recursos necessários para apoiar suas iniciativas de IA; e isso pode levar muito tempo para desenvolver e implementar a IA e pode ser excessivamente caro. Apenas 39% das organizações de serviços financeiros começam a ver um retorno sobre o investimento de iniciativas de IA dentro de 120 dias.

Você pode gostar: Um WeChat mexicano? Banco Azteca amplia seu superapp

IA para prevenção de fraudes e inclusão financeira

Sessenta e um por cento dos tomadores de decisão em nossa pesquisa indicaram que reconhecem a importância de dados alternativos na análise de risco de crédito para uma melhor detecção de fraudes. Além disso, 58% reconhecem sua importância no apoio à inclusão financeira. Os dados alternativos são uma forma mais variada de os financiadores detectarem fraudes antes que elas aconteçam e avaliarem os indivíduos com um arquivo de crédito pequeno (ou nulo), reunindo uma visão mais holística e abrangente do risco de um indivíduo.

Para os consumidores desbancarizados e sub-bancarizados, a IA dá às organizações a oportunidade de apoiar as jornadas financeiras desses consumidores. As organizações de serviços financeiros, normalmente, lutam para apoiar esses consumidores, porque eles não vêm com um histórico de dados que seja compreensível pelos métodos tradicionais de tomada de decisão. Entretanto, como a IA pode identificar padrões em uma grande variedade de dados alternativos e tradicionais, ela pode fornecer uma tomada de decisão altamente precisa, mesmo para consumidores sem dados ou com poucos dados. Isto beneficia enormemente aqueles que não podem ser facilmente pontuados por meio dos métodos tradicionais, ao mesmo tempo em que beneficia também as instituições financeiras, ao expandir seu mercado total endereçável.

Ao implantar tecnologias de IA e machine learning, e adotando dados alternativos, as organizações estão a caminho de melhorar a agilidade e a confiança na modelagem de risco de crédito. Ao fazer isso, elas estarão mais preparadas para reagir às mudanças que avançam, ao mesmo tempo em que apoiam os principais imperativos da indústria, como a prevenção de fraudes e o financiamento inclusivo.

A era da IA está aqui – mesmo a tempo de as organizações chegarem a um acordo e resolverem a linha de falha financeira na decisão de risco de crédito.

Sobre o Autor

Jose Vargas é gerente-geral e vice-presidente-executivo para América Latina na Provenir, que ajuda a fintechs e prestadores de serviços financeiros a tomar decisões mais inteligentes mais rapidamente com sua plataforma de decisão de risco baseada em IA. A Provenir trabalha com organizações de serviços financeiros em mais de 50 países e processa mais de 3 bilhões de transações anualmente.