Los bancos online y las fintech siguen innovando e implementando sofisticados métodos para determinar el perfil de riesgo de una persona que solicita un crédito. En este proceso, entran en juego nuevas variables, hasta el momento ignoradas por la banca tradicional, que van desde el tamaño de la pantalla del celular hasta el tipo de correo electrónico.
A través de la tecnología, ahora pueden "medir" la capacidad de repago de quienes no cuentan con historial crediticio. Y esto los hace sentirse parte fundamental en el proceso de inclusión financiera de segmentos de la población que se han mantenido alejados.
En el país, el 84% de los préstamos bancarios se otorgan al sector ABC1, mientras que en el segmento D1 (80% de la población) apenas llegan al 20%, según datos provistos a iProUP por la Cámara Argentina de Fintech.
A modo de referencia, estos guarismo ascienden al 95 del PBI en en la Unión Europea, mientras que en América Latina baja al 45% y se desploma al 14% en Argentina.
Actividad en redes, clave para conseguir un crédito
Alejandro Cosentino, fundador y CEO de Afluenta, prefiere hablar de cambios en los "procesos de análisis crediticio" antes que de nuevos tipos de scoring. Esta fintech, que conecta capital de inversores con solicitud de créditos, utiliza machine learning para relacionar una mayor cantidad de variables para predecir la capacidad de repago de una persona.
"Tomamos información del proceso de solicitud: la hora, el día de la semana, el tiempo que tarda y la respuesta a preguntas específicas. Con todo esto, ponemos a correr los algoritmos que en 10 segundos establecen el monto, plazo y tasa del crédito", confía a iProUP Cosentino, quien además es vicepresidente de la Cámara Argentina de Fintech.
En siete años, Afluenta otorgó más de 20.000 préstamos por $1.000 millones y desde la firma estiman que en el 60% de los casos esas solicitudes no hubiesen llegado a buen puerto en un banco tradicional. "No es que no quieren prestar. En muchos casos, no saben cómo analizar el perfil crediticio de la persona", añade.
El directivo pone especial énfasis en un concepto: la tecnología llegó para complementar los scorings tradicionales y no para hacerlos a un lado. En Afluenta se siguen utilizando los burós de créditos tradicionales, como Veraz y Nosis. De esta forma, se establece la historia de cumplimiento de la persona. Luego, a través de la solicitud de datos sobre ingresos y empleo, se verifica la capacidad de repago.
"Tenemos un modo distinto de analizar la situación: dividimos a los clientes en siete categorías y no en solamente en una, en la que todo se limitaría a determinar si se pasa un umbral o no, tal como sucede en los bancos", asegura Cosentino.
Esas categorías van desde AA, asociada a una performance sobresaliente, hasta la F, que implica nivel aceptable. A partir de esa clasificación se determina la tasa de interés. "Los fundamentos del crédito siguen siendo los mismos", completa.
Un caso destacado entre los expertos es el de Findo, plataforma argentina que desarrolló un complejo sistema de scoring para establecer cómo es el comportamiento financiero de un individuo y sus riesgos, en base a su ADN digital. Recientemente recibió inversiones de Latin View, dirigido por Federico Sturzenegger, expresidente del Banco Central.
La compañía no presta dinero, sino que vende esta tecnología a los bancos para que puedan ampliar su cartera a no bancarizados o sin historial crediticio. Actualmente, trabaja con el Ciudad, el Macro y el Hipotecario. Con este nuevo score, las entidades pudieron reducir 30% la mora y el portfolio de clientes creció 20% en promedio.
"Los bancos están empezando a utilizar datos alternativos digitalizados y se muestran ávidos de tecnología. Esto es una oportunidad no solo para ellos, sino además para los más de 20 millones de argentinos excluidos del sistema. Si bien no tienen historial crediticio, lo cierto es que dejan sus huellas digitales al navegar en redes sociales", explica a iProUP Diego Varela, CEO y co-fundador.
Esa huella tecnológica se va perfeccionando en cada página que visita, a partir de las apps que descarga, personas que sigue y publicaciones a la que le pone "Me Gusta". "Al incorporar este score en base a la identidad digital, se sumaron individuos que nunca hubiesen ingresado por el canal formal", agrega.
Estima que las entidades que utilizaron el score de Findo cerraron préstamos por $200 millones, a razón de $20.000 por cada solicitud. Pese a contratar este servicio, los criterios de aprobación siguen contemplando los parámetros de los burós tradicionales.
Según Daniel Negrotto, CTO y cofundador de la firma, "el Scoring de Findo primero verifica que la persona sea quien dice ser cuando envía la selfie y foto del documento. Pasado este control, se corren los algoritmos sobre el uso del celular y se establece el score mobile".
La escala de riesgo va de 1 (mayor) a 10 (menor). Los datos obtenidos del teléfono incluyen las "huellas digitales" que deja al descargar una app, conectarse a WiFi o poner una georreferencia en Instagram.
Su staff se compone de más de 20 desarrolladores, doctores en Ciencias de Datos, matemáticos, especialistas en ingeniería de software, manejo de grandes volúmenes de datos, algoritmos de aprendizaje, cloud computing y seguridad.
Por el lado de la fintech Moni, acaba de presentar la actualización del sistema de scoring crediticio basado en machine learning y big data. Apenas pasaron cinco años desde su lanzamiento y ya pudo entregar casi un millón de créditos, siendo su foco de negocios los individuos subbancarizados.
"La base de la pirámide de la población queda afuera con los scorings tradicionales", apunta a iProUP Juan Pablo Bruzzo, CEO de Moni y presidente de la Cámara Argentina de Fintech.
Gracias a la sofisticación aportada por la tecnología, detectó que el 70% de los préstamos fueron otorgados a personas con 300 puntos de calificación en los sistemas de scoring tradicionales. Para que un banco los considere usuarios, deberían haber contabilizado al menos 500 puntos.
"La mayoría de nuestros clientes no tiene historial crediticio en el Banco Central, por lo que decidimos crear nuestro propio sistema", agrega Bruzzo. Esta herramienta combina más de 200 variables para predecir en tiempo real el perfil de riesgo de un solicitante, como por ejemplo:
- Marca del celular
- Tamaño de la pantalla
- Horario de acceso a la plataforma
- El número de IP (número de identificación del dispositivo en Internet) en la que se conecta
- El modo de expresión escrita
- El dominio del correo electrónico (@gmail.com, @hotmail.com, etcétera)
Con esos factores, se establecen 10 segmentos con una probabilidad de mora de entre 2,5% y 20% y se determina el monto y plazo máximo al que se otorgará el crédito. Cada tres o seis meses actualizan el método a través de la búsqueda de nuevas variables.
Con casi un millón de préstamos concedidos, ya posee 180 millones de datos, principal insumo para que el modelo logre un altísimo grado de precisión al predecir el perfil de riesgo de cada operación.
Tasas de interés por las nubes: ¿hasta cuándo?
El panorama es sombrío. Por el incremento de las tasas en pesos para contener las presiones sobre el dólar, los costos financieros totales llegan a superar el 200% en el sistema bancario tradicional.
Expertos consultados por iProUP coinciden en señalar que la actual dinámica económica derivó en un escenario de tasas por las nubles. No obstante, consideran que este tipo de scorings tecnológicos hará que ese elevado costo del dinero se reduzca, ante la mayor precisión que se tendrá sobre el perfil de riesgo del solicitante.
"En el corto plazo habrá una mayor oferta de préstamos. A mediano, se va a poder cobrar menos, pero es difícil pensarlo en este momento del país", asegura Bruzzo de Moni.
En el mismo sentido se expresa Varela, de Findo: "Estamos generando confianza y creemos que cuando el nuevo score tenga una adopción mayor, tendrá un buen impacto económico y social".
Cosentino, de Afluenta, anticipa que en unos años se verán mejoras en el costo financiero: "Cuanta más estadística haya, habrá mayor cantidad de datos para tomar decisiones".
Sobre la razón de los altos costos financieros, explica que las fintech deben pagarle como mínimo 100% de tasa al Banco Central. A eso se le agregan gastos, ganancias y un porcentaje por posibles morosos.
"Así termina rápidamente arriba del 200%", detalla Cosentino. Sobre las críticas que se hacen en este sentido, concluye: "No hay que comparar sólo precios y tasas, sino que efectivamente los créditos se otorguen".
