puhhha - stock.adobe.com

Columna

Resolver la falla financiera al tomar decisiones de riesgo crediticio en LA

La incertidumbre ante los riesgos en la precisión de los modelos crediticios puede ser la razón por la cual las empresas de servicios financieros invertirán en la toma de decisiones en tiempo real este año.

por
  • José Luis Vargas, Provenir Latinoamérica
Publicado:08 jun 2022

Los mercados de crédito de consumo han cambiado drásticamente en los últimos dos años, y más durante la pandemia de covid-19, lo que no solo se traduce en incertidumbre económica para millones de personas en todo el mundo, sino también para las fintechs y las organizaciones de servicios financieros que les prestan sus servicios.

Datos del estudio global Pulse Report, donde se encuestaron a 100 tomadores de decisiones en instituciones financieras de Latinoamérica, revelaron que solo el 21 % de los encuestados cree que sus modelos de riesgo crediticio tienen una precisión cercana al 76 % en cada ocasión. ¿Se imaginan lo que diría el director general de una empresa de servicios financieros o un consejo de administración al enterarse de esto? O bien, ¿qué creen que pensarían los principales accionistas de esa empresa? 

José Luis Vargas

Los modelos de riesgo crediticio son el núcleo de todas las empresas fintech y de servicios financieros, y esta falla en la toma de decisiones de riesgo debería provocar escalofríos en todo el sector.

La incertidumbre ante los riesgos en la precisión de los modelos crediticios puede ser la razón por la que la toma de decisiones en tiempo real fue la principal área de inversión prevista por los encuestados para este año, mientras las organizaciones trabajan para resolverla.

Importancia de los datos alternativos

Los datos alternativos son una forma más variada para que los prestamistas evalúen a las personas con un expediente de crédito escaso o inexistente y así obtener una visión más holística y completa del riesgo del cliente. Esto beneficia enormemente a aquellos que no pueden ser evaluados fácilmente con los métodos tradicionales, además de ayudar a las instituciones financieras a ampliar su mercado objetivo en general.

Para elevar el nivel de decisión sobre el riesgo crediticio, las organizaciones necesitan más datos, más automatización, procesos más sofisticados y predicciones más prospectivas. Para esto, las empresas necesitan una inteligencia artificial (IA) que pueda tener un impacto inmediato en el proceso de toma de decisiones.

En tanto, para los consumidores no bancarizados, o con pocos servicios bancarios, la IA brinda a las organizaciones la oportunidad de respaldar el recorrido financiero de estos clientes. Las instituciones financieras suelen tener dificultades para apoyar a estos consumidores, porque no cuentan con un historial de datos 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 tradicionales, lineales y no lineales, que potencian la toma de decisiones de alta precisión, incluso para consumidores sin historial o con historiales pequeños.

Con el despliegue de nuevas tecnologías como la IA, el aprendizaje automático y la adopción de datos alternativos, las organizaciones pueden mejorar la confianza en la precisión de sus modelos crediticios, lo que las llevará a estar más preparadas para reaccionar a los cambios que se produzcan en el futuro y a la vez apoyar la inclusión financiera de la región.

Sobre el autor: José Luis Vargas es vicepresidente ejecutivo y director general de Provenir Latinoamérica. En su función, es responsable de liderar los planes de expansión de Provenir en la región. A lo largo de su carrera, ha construido y liderado exitosos equipos de ventas, desarrollo de negocios y consultoría. Antes de unirse a Provenir, José ocupó varios puestos de liderazgo en FICO, incluyendo el de consultor de negocios senior en América y Asia, director regional senior en LAC, y como vicepresidente y director general para Europa Occidental e Israel. Antes de unirse a FICO, trabajó durante cinco años en el sector de servicios financieros de México y América Latina en Scotiabank y Citibank.

Investigue más sobre Inteligencia artificial y automatización