Fintechs e instituciones financieras no consideran precisos sus modelos de riesgo crediticio

Solo el 21 % de las empresas de tecnología financiera y las organizaciones de servicios financieros creen que sus modelos de riesgo crediticio son precisos por lo menos el 76 % de las veces. Así lo reveló un estudio de Provenir, que identificó los desafíos, las oportunidades y las tendencias del análisis de riesgo crediticio que los responsables de tomar decisiones en las empresas fintech ven en el sector para el año 2022.

Además, el estudio, llevado a cabo por Pulse, mostró el creciente apetito por el análisis predictivo de la IA y el aprendizaje automático, la integración de datos y el uso de datos alternativos como medios para mejorar la toma de decisiones sobre el riesgo crediticio, y apoyar los objetivos clave de la detección y prevención del fraude, y la inclusión financiera.

José Luis Vargas.

“Los mercados de crédito de consumo se han transformado drásticamente en los últimos dos años. Sin embargo, muchas organizaciones de servicios financieros siguen empleando enfoques desactualizados en la toma de decisiones sobre el riesgo crediticio. El resultado final es que hoy las organizaciones tienen un alto grado de incertidumbre en cuanto a la precisión de sus modelos, lo cual se traduce en un crédito menos inclusivo, con menos aprobaciones y una menor oportunidad de crecimiento para la industria”, explica José Luis Vargas, vicepresidente ejecutivo de Provenir para América Latina.

La incertidumbre sobre el análisis del "risk business", en lo que se refiere a la precisión de los modelos de riesgo crediticio, puede ser el motivo fundamental para que la toma de decisiones en tiempo real fuera el primer ámbito de inversión previsto en 2022, según los encuestados. Además, las organizaciones están reconociendo el valor de la IA y del aprendizaje automático (ML, por sus siglas en inglés), los datos alternativos y la integración de información en los enfoques de toma de decisiones relativas al riesgo crediticio.

La toma de decisiones sobre riesgos basada en la IA se considera clave para introducir mejoras en muchos ámbitos, como la prevención del fraude (59 %), la mejora en la eficiencia y reducción de costos (52 %), la mejora en la precisión de los perfiles de riesgo crediticio (45 %), la automatización de las decisiones a lo largo del ciclo de vida del crédito (36 %), y la fijación de precios más competitivos (32 %).

La encuesta también evaluó el modo en que las organizaciones desean utilizar los datos alternativos en los análisis de riesgo. El 61 % de encuestados reconoce la importancia de los datos alternativos en el análisis para mejorar la detección del fraude; el 58 % considera su importancia en el apoyo a la inclusión financiera; el 33 % resalta su valor en la expansión de los mercados objetivo; y el 44 % dice que su uso tiene como resultado una puntuación de crédito más precisa.

En cuanto a los desafíos por enfrentar, la integración de los datos fue citada como el mayor impedimento para el uso de datos alternativos por 8 de cada 10 encuestados. A pesar de reconocer su valor, muchas organizaciones tienen dificultades para hacerlos operativos en sus modelos de riesgo de crédito.

Según el estudio, las organizaciones también están buscando apoyarse en los últimos avances tecnológicos para elegir su plataforma automatizada de toma de decisiones de riesgo crediticio:

• Enfoque de bajo código/sin código: El 71 % de los encuestados considera fundamental una interfaz de usuario que pueda ser usada por personas con pocos (o nulos) conocimientos en programación; así, tener acceso a los datos y herramientas para la toma independiente y rápida de decisiones sin la necesidad de un programador es un factor determinante.
• Inteligencia empresarial: El 64 % de los encuestados asegura que herramientas que faciliten la toma de decisiones sobre el rumbo de las organizaciones son de gran utilidad.
• La inteligencia artificial (IA) y el machine learning (ML): El 51 % de los tomadores de decisiones ya tienen o han considerado la IA y el ML como herramientas importantes en sus sistemas automatizados de toma de decisiones.
• Interoperabilidad del modelo (lenguaje agnóstico): El 41 % citó la interoperabilidad del código del programa como clave en la diversidad de sus operaciones, y así evitar ataduras a un modelo o lenguaje único.
• Utilización de fuentes de datos alternativas - Más de la mitad (59 %) de los que planean invertir en sistemas automatizados de toma de decisiones de riesgo crediticio este año dicen que la utilización mejorada de fuentes de datos alternativas supone una característica importante.

“La inteligencia artificial y el machine learning son parte fundamental en la aplicación de diferentes soluciones para promover la inclusión financiera de la región por parte de la industria fintech en Latinoamérica, donde el 79 % de los responsables de la toma de decisiones tiene previsto invertir en una plataforma de toma de decisiones de riesgo en tiempo real para el 2022”, explica el vocero de Provenir.   

Cabe mencionar que la investigación encuestó a 400 responsables de la toma de decisiones en fintechs y organizaciones de servicios financieros en toda América del Norte, América Latina, Asia Pacífico, Europa y Oriente Medio (100 de ellos de América Latina), entre octubre y diciembre de 2021.