Las fintech han sabido ganarse un lugar como vehículos fundamentales para la inclusión financiera, llegando a millones de usuarios a través de cuentas virtuales y aplicaciones de pagos, entre otras soluciones.
Al tercer trimestre de 2021, este segmento recibió un 173% más de desembolsos que en el mismo periodo del año pasado, lo que refleja el auge del sector.
Pero un estudio elaborado por Pulse, y patrocinado Provenir, compañía de software de toma de decisiones de riesgo por medio de la Inteligencia Artificial (IA) para el sector, dejó un dato preocupante: solamente un 21% de estas compañías creen que sus modelos de riesgo crediticio son altamente precisos.
Además 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.
De la encuesta participaron 100 tomadores de decisiones en distintas empresas de tecnología financiera de América Latina.
Según la investigación, las organizaciones también están buscando apoyarse en los últimos avances tecnológicos para elegir su plataforma automatizada de toma de decisiones de riesgo crediticio:
José Luis Vargas, vicepresidente Ejecutivo de Provenir para América Latina, remarcó que "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"
Para el especialista, el resultado final es que las organizaciones de este sector "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".
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 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.
"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", concluyó el vocero de Provenir.