A concessão de crédito é um processo crucial para instituições financeiras e consumidores. A utilização de dados e inteligência artificial (IA) tem revolucionado a forma como essas decisões são tomadas, permitindo uma avaliação mais precisa e personalizada do risco de crédito.
O assunto foi abordado durante a palestra “Simplificando o crédito com IA”, com Rodrigo Cebernite, da Gyra+, durante o evento WebSummit Rio 2024. Rodrigo afirma que modelos de inteligência artificial poderão auxiliar na previsão de padrões de comportamentos para que bancos, fintechs e seguradoras possam oferecer crédito e melhores serviços, sem excluir aqueles que possuem baixo score de crédito.
A diferença entre Generative AI e Predictive AI
A Generative AI, também conhecida como IA generativa, é uma vertente da inteligência artificial que visa criar novos dados a partir de conjuntos existentes e que já estamos acostumados a usar, com o ChatGPT, por exemplo.
Enquanto isso, a Predictive AI, ou IA preditiva, concentra-se em aprender com comportamentos passados para identificar padrões em larga escala e prever resultados futuros.
Para Rodrigo, A Predictive AI será fundamental para a análise de crédito, pois utiliza técnicas de machine learning para identificar padrões de comportamento de crédito e risco. Isso permite que as instituições financeiras tomem decisões mais informadas e precisas ao conceder crédito ou serviços financeiros e seguros.
Otimizando a performance com machine learning
O uso de machine learning na análise de crédito tem se mostrado eficaz na otimização da performance das instituições financeiras. Ao identificar padrões de comportamento de crédito, o machine learning permite uma análise mais rápida e precisa, reduzindo o risco de inadimplência ou a adesão de serviços que se encaixem melhor em perfis que apresentem esse tipo de comportamento.
Além disso, o machine learning também é utilizado para simular cenários de risco e identificar possíveis fraudes. Segundo uma pesquisa apresentada pela Fides (Federação Interamericana de Empresas e Seguros), cerca de 15% das contratações feitas no Brasil apresentam algum tipo de fraude. Na Argentina, são incríveis 45% das contratações. Na América Latina, as fraudes resultam em perdas anuais de aproximadamente US$ 50 bilhões.
Alertas de comportamento e personalização de serviços
Uma das principais vantagens da utilização de dados e IA na análise de crédito é a capacidade de criar alertas de comportamento. Isso permitirá que as instituições financeiras identifiquem padrões de comportamento de risco e alertem seus parceiros para que possam agir de forma preventiva.
Além disso, a análise de dados e IA também permitirá uma maior personalização dos serviços financeiros. Ao analisar o comportamento de crédito dos clientes, as instituições financeiras poderão oferecer produtos e serviços mais adequados às necessidades de clientes que ainda não possuem oportunidades de contratação, justamente pelo score baixo ou sem qualquer histórico em seguradoras.
Em resumo, a utilização de dados e inteligência artificial na análise de crédito tem se mostrado extremamente benéfica para as instituições financeiras e consumidores. Ao utilizar técnicas avançadas como Generative AI, Predictive AI e machine learning, as instituições financeiras podem tomar decisões mais certas sobre crédito, reduzindo o risco de inadimplência e oferecendo serviços mais personalizados aos seus clientes.
O que dizem os especialistas da Too Seguros
Para Gustavo de Paula Perl (foto), especialista em ciência de dados da Too Seguros, modelos de análise comportamental a partir de dados é uma forma de conhecer melhor o cliente ao interagir com o produto e como são suas particularidades regionais.
“Aliando esses conhecimentos com análise de dados, criamos uma modelagem financeira específica e assim encontramos mais de 90.700 combinações distintas de risco”, diz Gustavo. Assim, segundo ele, isso possibilita a concessão de uma taxa mais adequada ao risco observado ou esperado de cada cliente e por tanto uma experiência com mais assertividade para todos os envolvidos na negociação: o parceiro, empresa e cliente.