La inteligencia artificial (IA) está cambiando el mundo. Está cambiando la forma de hacer de las personas, de las empresas e incluso de los gobiernos. Por supuesto, el sector financiero no escapa a esta realidad y cada vez son más las entidades que quieren dar el salto a los modelos machine learning para gestionar su riesgo. La razón es clara: los modelos de IA presentan un mayor poder de clasificación, con un Gini hasta un 25% superior al de las técnicas tradicionales. Esto permite a las instituciones financieras admitir más clientes, incrementar el éxito en sus acciones de collection y reducir el capital destinado a provisiones. Así lo contó el director comercial de AIS para LatAm, Elías Bethencourt, durante su intervención en el Credit & Collections Summit 2024, organizado por Ciclo de Riesgo en Colombia.
Dale al play para escuchar las palabras de Elías sobre el impacto de los modelos de Machine Learning.
El potencial de esta tecnología para apuntalar el crecimiento de las entidades financieras es enorme. Y para que eso ocurra, los datos son el ingrediente fundamental. Eso es algo que no preocupa en el contexto actual, en el que el 90% de la información que hay en internet se ha generado en los últimos 24 meses y se prevé que esta se duplique cada 3 años. Así pues, “esta revolución está siendo alimentada por un crecimiento exponencial de la información. Los datos son el alimento de los algoritmos”, afirmó Bethencourt.
Con open data, la inclusión y el crecimiento están servidos
La información, o mejor, la falta de información es precisamente la causa principal de que gran parte de la población adulta en la región latinoamericana no tenga acceso al crédito. Hasta un 65%. Como también lo es de que haya alrededor de un 60% de MyPyMes que no reciben financiación. Sin embargo, el 91% de la población adulta tiene productos de pasivo y existen unos 32 millones de usuarios de distintas aplicaciones fintech.
Así, no es tanto que no exista información. Más bien es que no se está utilizando completamente. Este problema se debe a factores tanto externos como la informalidad, la heterogeneidad y la complejidad geográfica, como factores internos como herramientas tecnológicas obsoletas y procesos establecidos en algunas instituciones financieras.
Pero esta situación está cambiando gracias al open finance y a los datos abiertos procedentes de fuentes alternativas. Países como Colombia son abanderados en incentivar el uso de estos datos.
Para alimentar los modelos de IA, las áreas de Riesgos pueden recurrir a tras capas de información:
- La información transaccional de los usuarios en otras entidades financieras y de los productos que tienen contratados
- Información procedente de fintechs, wallets, ecommerce (pagos, ingresos, saldos, movimientos, etc)
- Datos abiertos desde instituciones o administraciones (Seguridad Social, Hacienda, etc
Del huerto a la mesa
Haciendo una analogía culinaria, Bethencourt habló de que la implementación de datos abiertos en la gestión de riesgos requiere tres elementos esenciales.
Por un lado, los conectores que capturan y facilitan los datos. Son los agricultores que recolectan información.
Luego intervienen los desarrolladores de modelos IA, que actúan como chefs que cocinan esos datos y elaboran el plato.
Por último, están las entidades financieras, que aportan canales, políticas, productos, ejerciendo así de restaurante.
Estos elementos trabajan juntos para garantizar que las instituciones financieras tengan acceso a la información necesaria para servir de manera efectiva e incluir a más personas en el sistema financiero formal.
Escucha a continuación cómo se ilustró en la ponencia la interacción entre estos tres actores.
¿APIS o Scraping?
Bethencourt enfatizó que tanto las APIS como el scraping de datos son herramientas valiosas para lograr el objetivo último de fomentar la inclusión. Ambas son prácticas seguras y admitidas.
Escucha aquí la diferencia.
Tres consecuencias de aplicar open finance
Basándose en la experiencia de AIS en proyectos de open finance llevados a cabo a lo largo de los últimos 7 años, Bethencourt destacó tres aspectos:
- En mercados como el español, el 75% de personas que solicita un crédito por el canal digital, ya elige hacerlo permitiendo a las entidades acceder a su información vía open banking, sin tener que presentar documentación física.
- El volumen de desistimiento en el proceso es menor, ya que este es más simple y rápido.
- El nivel de aprobación de las solicitudes aumenta porque los modelos son más predictivos.
¿Quieres conocer más detalladamente algunos casos de éxito de AIS en open finance y descubrir el nivel de eficiencia de nuestros modelos machine learning para segmentos de clientes no vinculados o sin hit en buró? Mira el vídeo con la ponencia completa «Open finance + IA: la revolución inclusiva» de Elías Bethencourt en Credit & Collections Summit 2024 de Colombia.
