El estudio realizado por Pulse, y patrocinado por Provenir, encuestó a 100 tomadores de decisiones en distintas empresas de tecnología financiera de América Latina, y estas fueron sus principales conclusiones.
“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”, 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.
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.
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”, explica el vocero de Provenir.
Fuente: Provenir
