Descubra cómo la Orquestación Universal agiliza el trabajo, acelera las decisiones y escala la automatización. Regístrese hoy mismo para el seminario web.
¿Eres confiable? Es una pregunta que los bancos y los servicios financieros hacen al determinar quién califica para un préstamo, tarjeta de crédito, hipoteca, etc. Incluso en la era de la inteligencia artificial (IA), todavía vemos lagunas en el sistema. Este artículo explorará la puntuación de crédito tradicional, quién está en riesgo, la capitalización de los “no bancarizados” y cómo la IA puede funcionar a favor o en contra de un cambio positivo en el proceso de denegación de crédito.
La lógica de la puntuación de crédito
En la década de 1950, dos hombres llamados Bill Fair y Earl Isaac crearon un sistema de puntuación automatizado que eventualmente se convirtió en la puntuación FICO. Con el tiempo, se hizo evidente la necesidad de regulación a medida que más bancos adoptaron el sistema de puntuación. La Ley de Informes de Crédito Justos, aprobada en 1970, creó un sistema regulado sobre qué datos se recopilaban, qué se podía informar, durante cuánto tiempo y cómo los consumidores podían obtener copias de sus informes de crédito. Durante años, las tarjetas de puntuación tradicionales, los modelos lineales, los árboles de decisión y la puntuación FICO han desempeñado un papel importante en la determinación de quién puede y quién no puede calificar para diversas líneas de crédito. Aunque no cuentan la historia completa de un solicitante, todavía son utilizados por 90% de los principales prestamistas en Estados Unidos. Cuando se le niega crédito, la ley federal exige que el prestamista le diga por qué. Esta es una política razonable en varios frentes. Primero, proporciona al consumidor la información necesaria para intentar mejorar sus posibilidades de recibir crédito en el futuro. Segundo, crea un registro de la decisión para (idealmente) ayudar a garantizar contra la discriminación ilegal. A medida que el deseo de capitalizar a los no bancarizados — lo que American Banker define como aquellos con acceso limitado al crédito — crece, más bancos recurren a la tecnología para cambiar el juego. Una forma en que los servicios financieros están repensando la denegación de crédito es mediante el uso de .
An Efma informe encontró que el 58% de los proveedores bancarios creen que la IA tendrá un impacto significativo en la industria fintech. Hoy en día, los prestamistas han estado utilizando algoritmos de aprendizaje automático para resolver problemas, tanto grandes como pequeños, al hacer que los procesos manuales sean más simples, precisos, rápidos y menos costosos. Existe un número creciente de startups, como CredoLab, centrándose en el uso de modelos de puntuación alternativos para predecir la confiabilidad de los prestatarios. Los modelos de puntuación obsoletos como la puntuación FICO se basan en una cantidad limitada de datos en el proceso de toma de decisiones, dejando a millones de estadounidenses fuera del ciclo de vida de los préstamos. Para aquellos que se encuentran en los 500 y 600 bajos o cualquier otro prestatario en el umbral de los números de corte, estos modelos alternativos pueden ayudar significativamente. Entonces, ¿qué impide que más prestamistas adopten este tipo de modelos alternativos? Para algunos, es una combinación de software heredado, resistencia al cambio del mercado y la alta dirección, junto con requisitos regulatorios que hacen que el progreso importante sea lento. Estos desafíos existen a pesar de las demandas en el volátil mercado financiero, lo que presiona a los bancos para que satisfagan las demandas de los clientes independientemente de los obstáculos existentes. Tecnologías emergentes como el aprendizaje automático, el procesamiento del lenguaje natural (PNL) y automatización son cómo la industria financiera se está adaptando a los cambios del mercado, junto con la creciente necesidad de servir a aquellos previamente considerados “no aptos para el crédito”. Por otro lado, muchos expertos especulan que los bancos no están dispuestos a modificar sus modelos de puntuación basándose en el hecho de que no sería de su mejor interés. Según Pizarra, los bancos y las agencias de crédito por igual dependen de los datos recopilados de los consumidores para producir sus propios modelos de puntuación, creando puntuaciones de riesgo internas contra los consumidores considerados “indignos” de aumentos de crédito. Esto representa un riesgo sustancial no solo para el consumidor sino también para la integridad de la industria bancaria.
IA: Un reemplazo viable
Es bien sabido que la tecnología es neutral. Es lo que elegimos hacer con la tecnología lo que puede ser bueno o malo. En la era de la IA, los agentes aumentados como chatbots, asistentes virtuales, robots y otra automatización se están incorporando a nuestras vidas cada día más. Hoy en día, los datos son una moneda. Para los modelos de puntuación de crédito, esto son grandes noticias. La Director General de ZestFinance argumentó recientemente: “Todos los datos son datos de crédito”. Para aquellos que buscan calificar para préstamos, buscar ayuda fuera de los modelos obsoletos parece prometedor. Empresas como Lenddo, con sede en Singapur, es una de las pocas startups que utiliza puntos de datos alternativos para la puntuación de crédito. Revisa rasgos de comportamiento y hábitos de teléfonos inteligentes para construir modelos de solvencia para consumidores en mercados emergentes, donde la información crediticia estándar apenas existe. “El potencial que tiene esta tecnología es masivo”, dijo Arjuna Costa a MarketWatch, Socio de Omidyar Network, que fue fundada por el empresario multimillonario Pierre Omidyar. Parece todo color de rosa hasta que los investigadores descubren los riesgos de la IA. Al igual que los escándalos de privacidad de Google y Amazon con los datos de los consumidores, los algoritmos en los modelos de puntuación de crédito están demostrando caer en los mismos errores cometidos en los métodos de puntuación históricos. ¿De dónde proviene el sesgo de la IA? Los modelos de aprendizaje automático están diseñados y entrenados puramente para la precisión definida por el usuario, no para la equidad. Se trata solo de datos y números. La IA no está sesgada; la IA simplemente revela las actitudes sesgadas que ya existen. Es solo cuando la mayoría diseña productos para todos sin equidad en mente que la IA no alcanza su potencial transformador.
El futuro de los préstamos
Hoy en día, los prestamistas tienen la capacidad de recopilar más datos que nunca sobre sus clientes. Además de los datos sociodemográficos, esto incluye datos transaccionales, registros de agencias de crédito, redes sociales, Google Analytics y más. En la era de la IA, la inteligencia artificial tiene el potencial de transformar el juego de la puntuación de crédito, pero también conlleva sus propios riesgos si no se tiene en cuenta la atención. Los desarrolladores deben tener cuidado al crear un modelo para que no repita procesos humanos que históricamente fueron una fuente de sesgo. La ética debe considerarse desde el principio para construir un modelo justo en el futuro. Es un área gris en la que los tecnólogos todavía están trabajando para el futuro. Sin duda, los algoritmos y las herramientas de automatización pueden ayudar a evaluar y mitigar el riesgo de manera más efectiva que el trabajo manual. Lo más importante es que la responsabilidad de crear y evaluar el riesgo de manera ética es un esfuerzo de grupo. Los responsables políticos, los bancos, los tecnólogos y los consumidores tendrán que trabajar juntos para crear políticas, productos y procesos que mantengan la integridad del sistema financiero. ¿Está considerando una solución de préstamos automatizada para su empresa? Obtenga más información sobre cómo ayudamos a los bancos a mitigar el riesgo y ofrecer servicios excepcionales al cliente con nuestra galardonada solución de automatización de flujos de trabajo en www.processmaker.com.
About ProcessMaker
ProcessMaker is a low-code business process management and workflow software. ProcessMaker makes it easy for business analysts to collaborate with IT to automate complex business processes connecting people and existing company systems. Headquartered in Durham, North Carolina in the United States, ProcessMaker has a partner network spread across 35 countries on five continents. Hundreds of commercial customers, including many Fortune 100 companies, rely on ProcessMaker to digitally transform their core business processes enabling faster decision making, improved compliance, and better performance.
BOAT, APO, BPM, iPaaS, UO: Una guía de campo para la sopa de letras de orquestación
Orquestación Universal: Qué es, por qué importa y cómo lograrla
La orquestación universal está surgiendo como la respuesta, brindando a las empresas una forma más inteligente de gobernar flujos de trabajo, procesos impulsados por IA y toma de decisiones humanas a escala.
