- Al menos 8,4 millones de peruanos adeudan un total de S/ 30,900 millones, según Equifax y Emprende UP.
- La Fintech Kashin cuenta con su propio modelo crediticio con Machine Learning (ML), que ayuda a decidir a quién le otorgan préstamos, sin intervención humana.
Al menos 8,4 millones de peruanos adeudan un total de S/ 30,900 millones, de acuerdo con el último Informe de Morosidad, realizado por Equifax y el Centro de Emprendimiento e Innovación de la Universidad del Pacífico (Emprende UP) que data del 2022. De ese monto, el 34% pertenece al sistema financiero al registrar S/ 10,629 millones.
Ante esto, Kashin, una Startup Fintech encargada de brindar servicios financieros a microempresarios implementó Inteligencia Artificial (IA) en su modelo crediticio con el objetivo de calcular el riesgo crediticio de los usuarios con mayor precisión. “La implementación del modelo crediticio con Machine Learning (ML), contribuye a decidir a quién se le puede otorgar préstamos de forma automática.” explica Christopher Robilliard, CEO de Kashin.
Cabe resaltar que actualmente, el 41% de entidades financieras (bancos y cajas municipales) emplean las nuevas tecnologías emergentes y se prevé que, al término del 2023, el 70% de entidades incluyan estas tecnologías en sus procesos, según Analítica, Inteligencia Artificial y Gestión de Datos (SAS).
Vea también: Más del 50% de los ingenieros de software requerirán la supervisión de la IA generativa
En ese sentido, el especialista brindó cuatro beneficios de usar IA para la gestión de crédito y riesgo.
– Mejora continua: Cuantos más usuarios y decisiones toma un modelo crediticio con AI, más aprende y obtiene predicciones cada vez más acertadas.
– Mayor precisión: Los modelos de AI están pensados para incorporar la mayor cantidad de datos posibles, con ello pueden resolver con mayor precisión que los algoritmos crediticios tradicionales.
– Reducción del tiempo de desarrollo: Debido a la naturaleza de la AI, incorporar nuevos datos es muy simple. En el pasado cada vez que se incorporaba una nueva variable a un modelo crediticio, podía tomar meses en calibrarlo.
– Eficiencia operativa: Las organizaciones crediticias tradicionalmente han requerido de un amplio equipo calificado para gestionar data y tomar decisiones. La IA tiene la capacidad de aprender de sí misma disminuyendo la participación humana en la toma de decisiones. Esto hace más productivo el tiempo de los expertos, que participan conjuntamente con en diseño y auditoría de los modelos.
