La Inteligencia Artificial en las Entidades Financieras de Crédito

La Inteligencia Artificial (IA) también ayuda a conceder créditos. La empresa española AIS Group, especialista en la aplicación de IA en aspectos como la gestión del riesgo de crédito, revela que el empleo de técnicas de IA como el Machine Learning en los procesos de concesión de préstamos logra multiplicar entre un 50% y un 60% el poder de acierto de los modelos de evaluación de solicitudes a la hora de predecir la probabilidad de impago de los demandantes. En un momento en que el crédito al consumo empieza a dar señales de una posible sostenida contracción, la incorporación de la IA en las entidades financieras de crédito (EFC) puede contribuir a controlar su riesgo e incrementar su volumen de negocio.

AIS Group ha puesto en el mercado un conjunto de herramientas basadas en inteligencia artificial que permiten a las financieras regular la concesión de créditos combinando dos criterios: ofrecer la financiación más ajustada a la necesidad del cliente y asegurar el control de la calidad del riesgo de crédito, minimizando los impagos.

Estas herramientas ayudan a las EFCs a optimizar su actividad y monitorear el riesgo en un momento en el que el saldo de las carteras de créditos ha enlazado dos trimestres de descenso consecutivos en 2019, situándose en junio en algo más de 48.690 millones de euros frente a los 51.200 millones de euros de diciembre de 2018.

Si bien es pronto para hablar de una inversión en la tendencia, las financieras deben estar atentas a la evolución de sus carteras, especialmente en uno de sus productos estrella: la financiación de bienes de consumo duradero, que supone casi el 45% del total de los créditos concedidos.

Si hace 10 años el peso en la cartera de créditos de las EFCs se repartía casi equitativamente entre financiación a empresas (52%) y hogares (48%), la situación es ahora totalmente distinta. En junio de 2019 observamos como son las familias las que representan casi el 70% del saldo total de los préstamos de las entidades financieras de crédito, frente al 30% que tiene como destino las empresas. No es pues de extrañar que sean los hogares los principales responsables del descenso que parecen apuntar los últimos datos.

En los primeros 6 meses de 2019 el crédito a financiación de hogares por parte de estas entidades ha descendido en casi 2.500 millones de euros, es decir, un 6,8%. Casi todo ello atribuible a la financiación destinada a la compra de bienes de consumo duradero. Y es que un 64% de lo concedido a familias se destina a este tipo de financiación. Así pues, desde diciembre 2018 se ha pasado de 15.000 millones de euros a algo menos de 12.500 en junio 2019.

Otro aspecto a tener en cuenta es la evolución de la tasa de mora. En la financiación a familias el dato de junio 2019 es del 7,2%, mientras que el relativo al crédito para adquisición de bienes de consumo duradero se sitúa en el 3%, la tasa más alta desde 2014.

En este escenario, cobran especial relevancia las ventajas que son capaces de aportar las nuevas herramientas de IA, pues permiten tanto predecir las tendencias de consumo de los clientes de las EFCs, como mejorar la capacidad predictiva sobre la posibilidad de que se produzcan impagos de préstamos. Gracias a estas soluciones se pueden analizar infinidad de datos relativos a comportamiento, preferencias, tipos de consumo y cómo se financian los clientes para crear modelos después, utilizando técnicas de machine learning que dotan a los modelos mayor capacidad predictiva. Esto es debido a que estos modelos son capaces de autoaprender a medida que se los entrena.

“Los modelos construidos con machine learning -explica José Manuel Aguirre, economista y director comercial de AIS Group- tienen en cuenta muchas más variables que los modelos estadísticos tradicionales. Son capaces de analizarlas y encontrar relaciones entre ellas que las personas difícilmente podríamos detectar, para luego predecir con más acierto las preferencias y el comportamiento de nuestros clientes. Esto se traduce en la posibilidad de ofrecer una financiación más ajustada al perfil de cada cliente, ya sean familias o empresas”.

La IA facilita notablemente el proceso de análisis de la composición de gastos e ingresos de los clientes de las EFCs, pero también de sus gustos y preferencias utilizando información de todas las fuentes de datos disponibles. “El desafío es determinar cuáles son los datos más relevantes para predecir el objetivo que se ha definido”, comenta Aguirre.

“La información de los agregadores de cuentas bancarias es muy interesante para las entidades financieras”, revela el economista. “En AIS hemos desarrollado una herramienta llamada AIS KnowU que, basada en estos agregadores, facilita toda la información transaccional de las entidades con que opera el cliente y la categoriza y ordena, ofreciendo así un retrato mucho más riguroso y una visión más completa de los clientes y de su comportamiento».

Las técnicas de machine learning permiten manejar ingentes cantidades de datos en formatos diferentes y producir modelos que van aprendiendo y autoajustándose para mantener su poder predictivo y grado máximo de eficiencia. Este proceso de aprendizaje está siempre supervisando por expertos para asegurar que el modelo aprende correctamente y no hay sesgos ni sobreajustes.

AIS Group ha desarrollado también herramientas tanto de medición de stress (cómo afectan distintos escenarios macro económicos a la capacidad de pago de los clientes) como de cálculo del capital requerido por el entorno regulatorio, así como un modelo de “alertas tempranas” que vinculan la evolución futura de las calidades de las carteras con la evolución de la economía. “Saber en qué gastará nuestro cliente, si necesita financiación y si será capaz de pagar su deuda, si hay señales de que su comportamiento varía, es mucho más fácil con la ayuda de las técnicas y herramientas de IA”, señala José Manuel Aguirre.