Apenas 21% das fintechs e instituições financeiras acreditam que seus modelos de análise de crédito são precisos

Um estudo realizado pela Pulse e patrocinado pela Provenir – líder mundial em software de tomada de decisão de risco por meio de Inteligência Artificial (IA) para o setor de fintechs – mostra que somente 21% das fintechs e organizações de serviços financeiros acreditam que seus modelos de análise de risco de crédito são precisos em, pelo menos, 76% das vezes. A pesquisa entrevistou 100 tomadores de decisão em diferentes empresas de tecnologia financeira nas Américas e identificou desafios, oportunidades e tendências desse mercado para 2022.

De acordo com José Luis Vargas (foto), vice-presidente executivo da Provenir para a América Latina, o mercado de crédito ao consumidor foi drasticamente transformado nos últimos dois anos, mas ainda assim muitas organizações continuam a empregar abordagens desatualizadas na hora de tomar decisões de risco. “O resultado final é que as empresas hoje têm um alto grau de incerteza quanto à precisão de seus modelos, o que se traduz em crédito menos inclusivo, com menos aprovações, além de menos oportunidade de crescimento para o setor”, explica o executivo.

A tomada de decisões de risco orientada por Inteligência Artificial foi apontada no levantamento como fundamental para melhorias em muitas áreas, incluindo prevenção de fraudes (59%), eficiência aprimorada e redução de custos (52%), maior precisão dos perfis de risco de crédito (45%), automação de decisões ao longo do ciclo de vida do crédito (36%) e fixação de preços mais competitivos (32%).

A pesquisa também avaliou como as organizações querem usar dados alternativos na análise de risco. Entre os entrevistados, 61% reconhecem a importância de dados alternativos na análise para melhorar a detecção de fraudes; 58% veem sua importância no apoio à inclusão financeira, 33% destacam seu valor na expansão de mercados-alvo e 44% dizem que seu uso resulta em uma pontuação de crédito mais precisa. A integração de dados foi citada como o maior impedimento ao uso de dados alternativos por 8 em cada 10 entrevistados.

Ainda segundo o estudo, as organizações também procuram se apoiar nos mais recentes avanços tecnológicos para escolher sua plataforma automatizada de tomada de decisão de risco de crédito:

• Abordagem low-code/no-code: 71% dos entrevistados consideram essencial uma interface de usuário que possa ser usada por pessoas com pouca (ou nenhuma) habilidade de programação. Assim, ter acesso a dados e ferramentas para uma tomada de decisão independente e rápida sem a necessidade de um programador é um fator determinante.
• Business Intelligence: 64% dos pesquisados afirmam que ferramentas que facilitam a tomada de decisões sobre os rumos das organizações são muito úteis.
• Inteligência Artificial (IA) e Machine Learning (ML): 51% dos tomadores de decisão já possuem ou consideraram IA e ML como ferramentas importantes em seus sistemas automatizados de tomada de decisão.
• Interoperabilidade do modelo (linguagem agnóstica): 41% citaram a interoperabilidade do código do programa como chave na diversidade de suas operações, evitando assim ficar preso a um único modelo ou linguagem.
• Uso de fontes de dados alternativas – Mais da metade (59%) daqueles que planejam investir em sistemas automatizados de tomada de decisão de risco de crédito neste ano dizem que o uso aprimorado de fontes de dados alternativas é um recurso importante.

“A Inteligência Artificial e o Machine Learning são fundamentais na aplicação de diferentes soluções para promover a inclusão financeira pela indústria de fintechs na América Latina, onde 79% dos tomadores de decisão planejam investir em uma tomada de decisão de risco em tempo real até 2022”, explica Vargas.