Solo un 21% de las Fintechs e Instituciones Financieras creen que sus modelos de riesgo crediticio son altamente precisos

El estudio realizado por Pulse, y patrocinado por Provenir, compañía líder mundialmente en software de toma de decisiones de riesgo por medio de la Inteligencia Artificial (IA) para la industria fintech, encuestó a 100 tomadores de decisiones en distintas empresas de tecnología financiera de América Latina, y estas fueron sus principales conclusiones.

“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 investigación 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. Como resultado se destacó que 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.

Además, el estudio 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.

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 la toma de decisiones en tiempo real fue el primer ámbito de inversión previsto según los encuestados en 2022. Además, se evidencia que las organizaciones están reconociendo el valor de la IA y el Machine Learning (ML), 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%), 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% en la encuesta 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.

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 el valor de éstos, 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 Latino América, 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.    

El estudio, encuestó a 400 responsables de la toma de decisiones en fintechs y organizaciones de servicios financieros en toda América del Norte, América Latina, Asia Pacífco, Europa y Oriente Medio. De esta muestra poblacional, 100 personas hacían parte del escenario financiero latinoamericano. Las respuestas a la encuesta se recogieron entre el 13 de octubre y el 21 de diciembre de 2021. Los encuestados fueron gerentes, directores, vicepresidentes y ejecutivos de la C-Suite en organizaciones de tamaño pequeño a mediano con menos de 1.000 empleados en América del Norte, Europa, Asia y América Latina.