La transformación digital en el sector financiero ha llevado a que la actividad bancaria haya pasado de un mercado de demandantes a un mercado de oferentes. Esto, lo que quiere decir, es que las personas que van a las oficinas a pedir préstamos son cada vez menos; ahora los oferentes de créditos, bancos, cooperativas, microfinancieras, fintech, etc son los que buscan a las personas por medio del uso de la omnicanalidad para entregar todo tipo de productos de crédito.
Como usuarios, hemos sido testigos de la evolución en la gestión de los créditos: de tener que llenar engorrosos formularios y esperar la aprobación durante varios días, semanas o hasta meses, se ha pasado a aprobaciones express, las cuales, son hechas en menos de 10 minutos y tan solo presentando la cédula o incluso compartiendo el perfil en una red social. Somos conocedores de compañías en Latinoamérica que son capaces de responder una solicitud de crédito en milisegundos.
Las tecnologías y más específicamente la analítica avanzada con inteligencia artificial, han permitido que las entidades financieras realicen nuevas inferencias sobre los perfiles crediticios de los aplicantes y puedan consultar en tiempo real quién es apto para un nuevo crédito, quién podría estar sobre endeudándose, qué monto se debería aprobar para que la persona no vaya a entrar en problemas de morosidad, etc.
Los algoritmos deciden
Cada vez son menos las personas que se dedican a revisar formularios y más los que programan soluciones como SAS Credit Scoring para automatizar los procesos de evaluación y colocación de créditos en los bancos y entidades de financiamiento.
Hoy, todos los bancos incluidos en listados como los de Fortune y Forbes trabajan con SAS Institute, implementando soluciones como SAS Credit Scoring (Fábrica Analítica de Modelos de Crédito) o soluciones de Inteligencia de Clientes, las cuales permiten gestionar el ciclo de vida de los clientes y productos estrella para mejorar la colocación de créditos sin poner en riesgo la calidad de la cartera.
Al industrializar este tipo de procesos, los bancos no solamente logran enfrentar ese ejercicio disruptivo que les plantean las denominadas fintech (que muchas veces son capaces de gestionar créditos de manera más ágil y masiva), sino que les permite profundizar el proceso aumentando variables con las que reducen el riesgo de decirles que no a personas que efectivamente pueden pagar (uno de los principales problemas que ha enfrentado la banca con los modelos de scoring tradicionales).
Los modelos actuales que incorporan componentes de Inteligencia Artificial (IA) elaboran automáticamente los puntajes de crédito mediante análisis predictivos. Las aplicaciones del análisis predictivo permiten a los bancos estimar los riesgos y tomar decisiones con mayor precisión, no solamente por automatizar el proceso y reducir fallos humanos, sino por la posibilidad de correlacionar muchas más variables y profundizar en los estudios.
Por eso es que hoy es posible que algunos bancos tengan en cuenta incluso el uso de mayúsculas o minúsculas que una persona haga al llenar un formulario en línea o el tiempo que se demora leyendo las condiciones específicas de un pagaré (aquí un par de secretos: lo que han comprobado bancos en Estados Unidos es que si una persona usa solo mayúsculas al llenar el formulario tiene menos posibilidades de dejar de pagar que una que usa solo minúsculas o alterna entre las dos; mientras que en el caso del tiempo que se tarda una persona leyendo el pagaré, entre menos tiempo y atención se le dedique a esta tarea, más posibilidades de volverse deudor moroso se tienen).
Otro gran beneficio de las soluciones que ya incorporan Inteligencia Artificial en los modelos de riesgo es el de la hyper-personalización o microsegmentación. Estos elementos son clave para el lanzamiento de campañas y la anticipación en el mercado.
Así es que los bancos hoy pueden lanzar una nueva tarjeta de crédito con beneficios y descuentos para gastos de viajes, y preaprobarla solo para usuarios que sean viajeros frecuentes: los costos de ejecutar la campaña se reducen y las probabilidades de éxito en la colocación aumentan.
Y así mismo es que se puede empezar a aprovechar el comportamiento de los usuarios en los entornos digitales y más exactamente en las redes sociales para este tipo de procesos.
En la actualidad la gente comparte sus planes, decisiones, inversiones y propósitos en las redes sociales. Incluso comparten su estado de ánimo sentimental o laboral. Toda esta información es utilizada hoy en día para calcular la calificación para un crédito. El racional es que si la persona no está feliz en su trabajo, es muy probable que en el corto plazo se quede sin empleo y esto afecte su capacidad de pago.
Todo esto le puede sonar a lectores desprevenidos como ciencia ficción, pero está ocurriendo y la tecnología es la que lo que está haciendo posible: son los sistemas de analítica e inteligencia artificial con los que ya empiezan a contar varias entidades financieras en la actualidad.
