Descubre el futuro de las finanzas en América Latina y el Caribe

The future of finance in LatAm & the Caribbean

O futuro das finanças na América Latina e no Caribe

IA: la nueva frontera de los modelos de riesgo crediticio

19 mayo, 2022

Andrea Jara

 

Patrocinado por Provenir

Con toda la disrupción derivada de COVID-19 en los últimos dos años, ¿qué tan sólidos son los modelos de riesgo de crédito?  

Esta fue una de las preguntas a las que buscamos encontrar respuesta con un estudio de investigación global, que encuestó a 100 tomadores de decisiones de la industria en Latinoamérica. Los resultados fueron más que inquietantes: solo el 21% de las fintech y organizaciones de servicios financieros creen que sus modelos de riesgo de crédito son precisos al menos el 76% de las veces. 

Este estado de gran incertidumbre en el diseño de modelos de riesgo crediticio está exponiendo las deficiencias de los enfoques heredados para la toma de decisiones de riesgo de crédito que limitan los datos, el flujo de trabajo y la automatización -a menudo en sistemas separados. Para realmente nivelar la toma de decisiones, las organizaciones necesitan más datos, más automatización, procesos más sofisticados, predicciones más prospectivas y una mayor velocidad de decisión. Y con este fin, necesitan inteligencia artificial (IA), aprendizaje automático y datos alternativos. 

Nuestra encuesta subrayó el creciente apetito por el análisis predictivo de IA y machine learning, la integración de data y el uso de datos alternativos como medios para mejorar el análisis sobre el riesgo crediticio.  

La toma de decisiones en tiempo real fue la primera área de inversión prevista por los encuestados para 2022, ya que las organizaciones trabajan para resolver la actual «línea de falla financiera» en la toma de decisiones sobre el riesgo crediticio.   

Los ejecutivos de los servicios financieros consideran que la toma de decisiones sobre riesgos basada en IA es la piedra angular de las mejoras en muchas áreas, como la prevención del fraude (59%), la mejora del ahorro de costes y la eficiencia (52%) y la mejora de la precisión de los perfiles de riesgo crediticio (45%). 

Sin embargo, muchas empresas luchan por reunir los recursos necesarios para respaldar sus iniciativas de IA; puede llevar mucho tiempo desarrollar e implementar IA, y puede ser excesivamente costoso. Solo el 39% de las organizaciones de servicios financieros comienzan a ver un retorno de la inversión de las iniciativas de IA dentro de los 120 días. 

También te puede interesar: ¿Un WeChat mexicano? Baz expande su superapp

IA para la prevención del fraude y la inclusión financiera

El 61% de los tomadores de decisiones en nuestra encuesta indicaron que reconocen la importancia de los datos alternativos en el análisis de riesgo de crédito para mejorar la detección del fraude. Además, el 58% reconoce su importancia para apoyar la inclusión financiera.

Los datos alternativos son una forma más variada para que los prestamistas detecten el fraude antes de que ocurra y evalúen a aquellas personas con un archivo de crédito delgado (o nulo), al armar una visión más holística y completa del riesgo de un individuo.

Para los consumidores no bancarizados y subbancarizados, la IA brinda a las organizaciones la oportunidad de apoyar los viajes financieros de esos consumidores. Las organizaciones de servicios financieros generalmente luchan por apoyar a estos consumidores porque no vienen con un historial que sea comprensible para los métodos tradicionales de toma de decisiones. Sin embargo, debido a que la IA puede identificar patrones en una amplia variedad de datos alternativos y tradicionales, puede impulsar la toma de decisiones altamente precisa, incluso para los consumidores sin archivos o con archivos delgados. Esto beneficia enormemente a aquellos que no pueden ser calificados fácilmente a través de métodos tradicionales, al tiempo que beneficia a las instituciones financieras, al expandir su mercado total.

Patrocinado por Provenir

Al implementar tecnologías de inteligencia artificial y aprendizaje automático, y adoptar datos alternativos, las organizaciones están en camino de mejorar la agilidad y la confianza en el modelado de riesgo de crédito. Al hacerlo, estarán más preparados para reaccionar a los cambios que se avecinan, al tiempo que apoyarán los imperativos críticos de la industria, como la prevención del fraude y las finanzas inclusivas.

La era de la IA está aquí, justo a tiempo para que las organizaciones acepten y resuelvan la línea de falla financiera en la toma de decisiones de riesgo de crédito.

Sobre el autor

José Vargas es el director general y vicepresidente ejecutivo de Latinoamérica en Provenir, que ayuda a las fintechs y proveedores de servicios financieros a tomar decisiones más inteligentes y rápidas con su Plataforma de Decisión de Riesgo Impulsada por IA. Provenir trabaja con organizaciones de servicios financieros disruptivas en más de 50 países y procesa más de 3.000 millones de transacciones anualmente.