Nuevas tendencias en los modelos crediticios: El uso de la inteligencia artificial

Por: Eddy Silvera, asesor financiero

Dentro de los roles fundamentales y críticos de los bancos, financieras y otras instituciones de intermediación financiera, se encuentra la toma de decisiones de otorgamiento de crédito basados en la calificación crediticia, el historial del cliente y los modelos predictivos de repago de sus clientes personales y empresariales.

Los bancos e instituciones financieras siempre confiaron en modelos lineales para tomar decisiones crediticias efectivas. Los modelos del pasado se han vuelto obsoletos frente a las metodologías de avanzada que vemos hoy en día, pues los modelos lineales tienen una fuerte dependencia en la información financiera y de repago de los clientes, mientras que los modelos actuales más sofisticados, no.

Ver más: ¿Cuáles son las tendencias de los medios de pagos digitales para el 2021?

El porqué se encuentran obsoletos, se debe a que hasta ahora solo eran capaces de aprobar a una pequeña parte de la población basados en variables financieras del histórico del aplicante, pero en esta era de la data que apenas comienza, nuevas fuentes de datos (no necesariamente financieros) están habilitando acceso a crédito como nunca antes.

Las empresas de Inteligencia Artificial (IA) están están procesando estas nuevas fuentes de información en modelos de analítica avanzada con el fin de mejorar el proceso de análisis de los aplicantes al crédito para ser más asertivos en las aprobaciones, así como para disminuir la potencial morosidad posterior al otorgamiento de los créditos. De esta manera, los bancos pueden centrarse menos en revisar manualmente a cada aplicante y más en servir a sus clientes.

Cuando se trata de calificación crediticia, los bancos utilizan tradicionalmente datos como el comportamiento de repago del cliente, su historial crediticio y ciertos factores demográficos e información financiera del cliente. Las empresas de inteligencia artificial, en cambio, incorporan la minería de datos (tradicionales y no tradicionales) de los clientes actuales y potenciales del banco e instituciones financieras, lo que permite eliminar la dependencia que tienen las decisiones crediticias en estos factores que solo aplican para los clientes existentes y/o bancarizados. En otras palabras, el uso de datos adicionales, abre una ventana de oportunidad sobre poblaciones poco atendidas y no bancarizadas.

Ver más: Las 5 nuevas tendencias financieras claves para el 2021

Adicionalmente, es conveniente para los bancos contratar los servicios de estas empresas de IA, como un complemento a lo que ya tienen, en lugar de quedarse con la idea de algún día desarrollarlo internamente, por las siguientes razones:

  1. Se obtiene más data y más precisión, más rápido.
    Para desarrollar esta capacidad internamente, se necesita mucho tiempo para recopilar los datos del cliente utilizando estas nuevas fuentes de comportamiento, sin contar el ensayo y error que implica el desarrollo de modelos predictivos sofisticados considerando mayor detalle de información en la categorización de los clientes como lo son: preferencias, comportamiento de consumo, capacidad de generación de ingresos y repago entre otros múltiples factores y datos.

    Estas empresas ya cuentan con mucha más data dinámica y en tiempo real. Algunas ya han procesado millones de préstamos y tienen miles de variables crediticias adicionales y verificadas sobre los prestatarios existentes o potenciales, que les permiten aprender sobre el comportamiento de repago de distintos mercados y productos financieros a la vez y, por ende, ser más asertivos incluso en economías inestables.
  2. Brinda capacidad de adaptación en tiempos inestables.
    En tiempos de COVID-19, mientras que los burós no se nutrieron de la información de morosidad por las leyes de protección al prestatario, estas empresas de inteligencia artificial continuaron alimentando sus modelos con fuentes de datos alternativos, resultando en algunos casos ser hasta 5 veces más predictivos a la hora de estimar la dificultad financiera de los prestatarios y, por ende, reduciendo considerablemente la tasa de incumplimiento promedio en la industria, aumentando la liquidez de las instituciones financieras que emplearon esta mecánica.
  3. Permite mantenerse competitivo en el mercado laboral.
    Los entusiastas de la tecnología encuentran menos atractivo trabajar en industrias tradicionales como la banca. El talento se está yendo a las empresas más innovadoras y punteras tecnológicamente; talento de minería y análisis de datos que además es escaso y costoso.
  4. Es el camino hacia el futuro.
    La tendencia a nivel mundial es que los directores de los modelos de riesgo de crédito tradicionales de las Instituciones Financieras se apalanquen en los aprendizajes  de estas empresas en la toma de decisiones para enfocarse en otras áreas del negocio.

Una relación ganar-ganar entre proveedores, instituciones financieras y el cliente final 

Muchas de las personas en Centroamérica que no tienen un historial crediticio extenso o datos demográficos que cumplan cierto criterio, pudieran no ser elegibles o tener acceso a crédito en muchos bancos y financieras tradicionales. Para ser exactos, aun cuando el 70% de los centroamericanos nunca han incumplido la totalidad de sus préstamos, menos de la mitad califican a algún crédito y muy pocos terminan accediendo a las tasas más competitivas.

Ver más: ¿Qué nos depara el mercado del bitcoin para el 2021?

La inteligencia artificial (IA) provee métodos y fuentes alternativos en adición a los datos demográficos usuales y el buró de crédito tradicional que usan las instituciones financieras. Al tener un modelo que se apoye en la información de telefonía, en el open-banking, en evaluaciones psicométricas, datos firmográficos, metadatos, entre otros, se puede proporcionar una mejor predicción de la capacidad de repago del cliente, su moralidad, su calidad crediticia y su elegibilidad como sujeto de crédito.

La adopción de data alternativa y modelos sofisticados de inteligencia artificial, permitiría a millones de personas bancarizadas en la región acceder a créditos con mejores condiciones o mejoras en su capacidad crediticia para proceder a otorgarles créditos hipotecarios, autos, préstamos personales, tarjetas de crédito o préstamos a sus empresas pequeñas y medianas (pymes), lo que se traduciría en una mejora considerable en la economía centroamericana a mediano-largo plazo.

Asimismo, los nuevos aplicantes al crédito podrían ser, por primera vez en la historia, correctamente evaluados, eliminando el sesgo producto de la no-bancarización que resulta hoy en cientos de miles rechazos injustificados. La inteligencia artificial, tomando en consideración datos más allá del historial crediticio, consigue separar correctamente a los buenos pagadores al encontrar patrones dentro de sus variables, lo que finalmente deriva en inclusión financiera libre de discriminación.

El estado actual de la data alternativa y la inteligencia artificial en Centroamérica

Un ejemplo claro de aplicación que está tomando fuerza en la región es QUASH.ai, una plataforma que permite predecir la probabilidad que tienen los clientes de repagar sus préstamos según su personalidad, que se basa en datos como las actitudes, hábitos, habilidades, conocimiento e intereses de los aplicantes, así como en su historial financiero.

QUASH funciona especialmente bien en segmentos de la población históricamente desatendidos, como los clientes informales. En muchos casos, la población informal suele manejarse en efectivo, por lo que sus transacciones y habilidades financieras pasan desapercibidas por la banca. El típico caso del trabajador independiente que podría perfectamente repagar un crédito de consumo pero es rechazado al no tener cómo demostrarlo.

A lo anterior se le suma lo vivido en 2020 por la pandemia de COVID-19, en el que solo en Panamá, el número de trabajadores informales pasó de un 35% en 2018 a un 58% en 2020. Si ya evaluar a ese medio millón de personas que no contaban con suficiente registro financiero hace tres años era una tarea titánica para la banca, el desafío hoy es considerablemente mayor, no solo en cantidad (2.5 millones de personas), sino también en metodología: la única forma de entender la realidad financiera de los trabajadores informales, es con fuentes de datos y modelos que permitan entender cómo están los bolsillos de estos clientes.

Fuentes alternativas de datos como la información de la telefonía móvil (telco) son especialmente efectivas en estas situaciones. QUASH toma el comportamiento que este trabajador independiente ha tenido con su subscripción telco -paga a tiempo todas sus facturas mensuales, por ejemplo- y se apalanca en este para recomendar aprobar a dicho candidato.

QUASH ha demostrado que, al robustecer la información de estos aplicantes y sujetos de crédito con otras fuentes de data, sea telco o cualquier otra, al menos un 30% a 50% de estos usuarios resultan ser buenos pagadores, permitiendo incrementar la cartera crediticia de los bancos sin afectar negativamente la calidad de la misma o los niveles corrientes de morosidad.

En QUASH.ai se han hecho validaciones con 40 instituciones financieras, en donde se han implementado modelos de inteligencia artificial con y sin fuentes alternativas de datos. Durante los dos años que duró este ejercicio, QUASH.ai les permitió a estas instituciones financieras aumentar en promedio un 40% de aceptación de los aplicantes a crédito y bajar los niveles de morosidad e impago en un 20%. Esto se traduce en crecimientos en las rentabilidades que van desde el 10% hasta el 30%.

Solo en Panamá, la rentabilidad promedio de la banca decreció a la mitad durante la pandemia, en parte por los problemas de liquidez, en parte por la regulación y en parte por la morosidad inherente de la crisis económica. Las herramientas como QUASH son de vital importancia no solo para prevenir riesgos financieros o carteras vencidas, sino también para colocar nuevos créditos a clientes con la habilidad y voluntad de pago necesaria que permita generar más rentabilidad y liquidez para las instituciones financieras y que éstas a su vez puedan mejorar las condiciones de las personas que más se han visto afectadas por la pandemia.

Este tipo de plataformas, en conjunto con los bancos, favorecen la inclusión en nuestros países de Centroamérica, facilitando a millones de personas acceder a fuentes de crédito para mejorar sus condiciones de vida en términos de vivienda, salud, transporte, educación, emprendimiento, alimentación.

Por último, a raíz de la pandemia, las reglas crediticias del pasado pierden vigencia a un ritmo exacerbado, lo que nos obliga como industria a blindar nuestras prácticas ante situaciones como las vividas en el último año, empleando tecnología de vanguardia para mantener y crecer de forma rentable y segura nuestra participación en el mercado en los países donde operamos.