Ferramentas de IA melhoram as decisões de empréstimos

A adoção de inteligência artificial pelos negócios está crescendo rapidamente – um relatório da McKinsey estima a taxa de adoção em 80%, com variações no grau de uso e por setor de negócios. A importância da IA é inegável, especialmente em organizações em que a tecnologia é uma competência central; o banco de investimentos americano Goldman Sachs estima que a IA generativa possa aumentar o PIB (Produto Interno Bruto) global em até 7%, o que corresponde a cerca de US$ 7 trilhões.

Já vimos esse filme no mundo financeiro: credores usando a IA para desenvolver consideráveis vantagens competitivas (como a melhoria na avaliação de riscos) que só se tornarão mais pronunciadas e serão diferenciais nesse mercado.

O próprio termo IA é amplo, e abrange mais do que as ferramentas de IA generativa, como o ChatGPT, que se tornaram proeminentes nos últimos anos. Já na década de 1980, vimos a introdução de sistemas especialistas – IA projetada para imitar a tomada de decisão humana, em geral usando regras do tipo “se isso, então aquilo”. Na virada do milênio, o aprendizado de máquina também se tornou comum – e ambas as ferramentas continuam sendo amplamente utilizadas hoje.

Há, é claro, o debate sobre se o “resultado líquido” da IA para o mundo será positivo ou negativo. Mas existe um consenso de que, à medida que essa tecnologia amadurece, seu impacto será revolucionário – e precisamos estar preparados para lidar com isso. Dada a importância óbvia da IA para os negócios, e neste caso, especificamente para o setor de crédito, a questão já não é mais se adotá-la, e sim como aproveitar adequadamente suas vantagens.

IA agiliza o processo de empréstimo

O mercado de crédito é essencial para as economias; credores bancários e não-bancários (incluindo fintechs) têm um papel vital no financiamento de empresas e de pessoas. Decisões de empréstimo são tomadas com base em uma ampla gama de fatores, incluindo renda e histórico de crédito, e muitas estão sendo tomadas com ajuda da IA (e, em alguns casos, exclusivamente pela IA).

Os provedores de tecnologia de IA do setor têm se concentrado em agilizar o processo de empréstimo, ajudando os bancos a tomar decisões de alta qualidade de forma eficiente, segura e sustentável. A Rich Data Corporation (empresa australiana especializada em serviços com IA), por exemplo, oferece uma plataforma Software as a Service (SaaS) que combina IA e expertise humana para melhorar a tomada de decisão dos credores com transparência, conformidade e responsabilidade.

Decisões de empréstimo são tomadas com base em uma ampla gama de fatores, incluindo renda e histórico de crédito, e muitas estão sendo tomadas com ajuda da IA (e, em alguns casos, exclusivamente pela IA).

Ao mesmo tempo, estamos tentando melhorar a equidade no acesso às finanças, aprimorando a eficiência e a precisão nas decisões de empréstimo. Dada a importância das finanças para nossa infraestrutura social, a capacidade de os tomadores de empréstimos acessarem crédito, e, por sua vez, recursos, é essencial para alcançar o que quer que pretendam fazer, seja uma empresa desenvolvendo um produto ou uma pessoa comprando seu imóvel.

Do ponto de vista dos empréstimos, além de atender aos requisitos da legislação de igualdade de oportunidades em muitos mercados, o acesso equitativo é uma oportunidade para expandir o mercado, reduzir o risco de concentração e, naturalmente, ajudar os bancos a reduzir seu portfólio de riscos.

Menos riscos, mais crédito consciente

O impacto da IA nos processos de instituições de empréstimo até agora tem sido bastante claro. Ao avaliar as medidas mais tradicionais de sucesso nos negócios, como receita, custos e lucro, a pesquisa da McKinsey mostra que os líderes em adoção estão alcançando retornos mais altos em algumas (ou todas as) categorias.

Além dessas métricas tradicionais, há também três outros benefícios da adoção de IA. Em primeiro lugar, ela amplia o alcance de um credor dentro ou além de seus mercados-alvo tradicionais. No caso de clientes em potencial que não têm um histórico de crédito, credores agora podem usar dados diferentes e técnicas de IA para prever sua capacidade de crédito – o que é muito útil em mercados em desenvolvimento, onde os históricos de crédito não são tão comuns.

Em segundo lugar, a análise de dados com IA pode ajudar na identificação de riscos e aumentar a precisão das previsões, ajudando os credores a reduzir sua exposição geral ao risco. Bancos dos Estados Unidos que usam IA, por exemplo, agora poderão identificar sinais de alerta precoce sobre tendências problemáticas do mercado, tanto para pequenas como para grandes empresas e imóveis comerciais. Dessa forma, os bancos poderão identificar e gerenciar corretamente os riscos de crédito – e  evitar perdas significativas.

O terceiro benefício é relativamente simples: o aumento da eficiência geral. Muitas técnicas e ferramentas de IA agilizam o processo de tomada de decisão; em alguns casos, a automação completa ajuda credores a reduzir seus custos.

O setor também reconhece a necessidade de incentivar o crédito consciente, algo que a IA pode fazer. Como o credor muitas vezes tem vantagem nessa relação, a exploração dos tomadores causa um impacto enorme. Se os credores avaliarem a capacidade de pagamento dos tomadores de empréstimos de forma precisa e eficiente com o auxílio da IA e oferecerem os empréstimos mais adequados, os tomadores de empréstimos serão beneficiados – e os credores obterão um maior valor vitalício desses tomadores.

De olho no trabalho da IA

Ainda há uma diferença considerável entre os líderes e os lanternas na adoção de IA, uma vez que dar os primeiros passos nesse campo pode afetar os resultados de negócio. O que ainda não está claro, porém, é o tamanho do impacto que a IA generativa pode causar quando se tornar mais amplamente utilizada.

No setor bancário, dados são coletados e processados para que a IA seja aplicada no final. São processos que exigem muito conhecimento, geralmente vindo de talentos que conhecem aspectos distintos da operação, como software que geram e processam informações e disciplina de dados. Também é preciso cultivar uma cultura orientada por dados para facilitar a adoção da IA e levar a tomadas de decisão mais precisas.

Hoje, as ferramentas de IA no setor de crédito agilizam os processos de tomada de decisão porque combinam elementos de cálculos – como índices financeiros – e fatores comportamentais – como pagamento e histórico de inadimplência. Empréstimos maiores envolvem mais supervisão humana e avaliações de personalidade – como capacidade de gestão –, enquanto decisões mais simples podem ser automatizadas.

Fornecedores de SaaS precisam garantir que os credores mantenham o controle do software e dos dados subjacentes, caso contrário persistirá a preocupação interna de que as coisas estão saindo do controle deles. 

Monitoramento contínuo e auditorias garantem a precisão e a equidade das decisões de IA, identificando e abordando problemas como vieses na tecnologia de reconhecimento facial. A integração da IA com a expertise humana permite uma tomada de decisão flexível e controlada, permitindo que os credores escalem soluções de IA conforme necessário, mantendo o controle sobre as competências principais e garantindo conformidade com as regulamentações.

A rápida evolução da IA também exige parcerias entre credores e fornecedores de IA para que todos se mantenham competitivos, por isso vemos um aumento nos fornecedores de SaaS. Há várias razões para isso: 

• O custo total de propriedade é menor.
• Escalar o uso é mais fácil.
• Trocar de fornecedor é relativamente simples.
• Há flexibilidade e consistência nas atualizações e no desenvolvimento tecnológico sem a necessidade de recursos internos adicionais.

Ainda há alguma resistência ao modelo SaaS por parte de algumas empresas, principalmente devido à percepção de quem está no controle nessa parceria. Fornecedores de SaaS precisam garantir que os credores mantenham o controle do software e dos dados subjacentes, caso contrário persistirá a preocupação interna de que as coisas estão saindo do controle deles. 

Cito o exemplo de um antigo cliente – um grande banco – que discutia frequentemente a ideia da “gravidade dos dados” (onde estava o controle dos dados). Como eles consideravam os dados seu principal elemento competitivo, precisavam garantir que não estivessem fora do alcance de seus negócios. Conseguimos reduzir suas preocupações configurando uma instância na nuvem privada virtual com um grande provedor em nuvem e armazenando os dados lá.

No passado, o principal concorrente das soluções SaaS eram os softwares locais e as construções internas; agora, com a IA avançando rapidamente, essas construções às vezes são impossíveis de manter e atualizar para acompanhar as tecnologias emergentes.

Os limites da aplicação da IA

Ainda há uma série de desafios no uso da IA no setor de crédito. Na China, bancos são regulados, e os modelos precisam ter altos níveis de transparência e explicabilidade. Adotar um desses modelos requer um extenso processo de conformidade, ao longo do qual a percepção de falta de controle ou a incompreensão se tornam obstáculos.

Minha experiência é a de que construir um modelo para o setor bancário leva semanas, mas sua aprovação pode se prolongar por meses (e, em alguns casos, até 12 ou 18 meses, caso seja necessária a aprovação regulatória). Esse processo pode ser difícil, mas é essencial para gerenciar riscos e garantir segurança, dado que os bancos são a base de todo o sistema financeiro. Do ponto de vista dos fornecedores de tecnologia, é fundamental incorporar a transparência desde o início, e não tentar adicioná-la posteriormente.

No setor não bancário, empresas menores enfrentam mais dificuldades para adotar a IA por falta de dados suficientes para tornar as decisões mais precisas. Esse pode não ser um problema para gigantes como PayPal ou Alipay, mas a maioria das instituições de crédito é composta por credores menores. Ao contrário do que acontece com os bancos, estar em conformidade com normas de privacidade de dados pode ser um grande desafio para credores não bancários, pois há menos supervisão – o que pode aumentar a tentação de uso indevido dos dados para fins financeiros.

O equilíbrio entre automação e segurança é crucial; credores devem ajustar o nível de automação conforme o risco envolvido – como ter medidas de segurança mais rigorosas para o caso de empréstimos de valores maiores.

Resistir a essa tentação e garantir que tudo seja controlado e esteja em conformidade é um equilíbrio difícil de alcançar. Aqui, voltamos às questões de crédito consciente e do uso ético da IA – além do desafio de encontrar um meio-termo entre maximizar o lucro do credor e ser justo com o tomador de empréstimo. Esperamos que mais governos implementem regulamentações claras para reduzir essas preocupações.

Há também limitações nos modelos puramente baseados em dados, o que ficou evidente durante a pandemia de covid-19. O histórico de dados não conseguiu prever adequadamente eventos futuros devido a uma série de circunstâncias inesperadas. Isso reforçou a importância de combinar expertise humana com modelos baseados em dados para garantir decisões mais confiáveis. Essa abordagem será útil para lidar com riscos climáticos e promover empréstimos verdes na ausência de um histórico de dados.

A automação já é possível e amplamente utilizada em casos simples, mas situações mais complexas, como freelancers com renda variável, não são adequadas para decisões totalmente automatizadas. Para evitar a exploração do sistema, diversos controles e medidas antifraude estão em vigor, incluindo processos de verificação e monitoramento de atividades incomuns. O equilíbrio entre automação e segurança é crucial; credores devem ajustar o nível de automação conforme o risco envolvido – como ter medidas de segurança mais rigorosas para o caso de empréstimos de valores maiores.

Usar a tecnologia para aprimorar processos de crédito de forma ética é essencial. A IA pode ser implementada de maneira eficaz quando objetivos e restrições estão bem definidos. No entanto, sem processos bem estruturados, aplicar a IA ao crédito responsável pode ser desafiador. A IA deve estar alinhada aos princípios de negócios e considerações éticas, com foco em segurança de dados, equidade e valores centrados nos seres humanos.

Aliança com a expertise humana

O papel da IA no setor de crédito será cada vez mais relevante ao transformar processos tradicionais e melhorar a precisão e a eficiência na tomada de decisão. No setor de consumo, avanços tecnológicos em pagamentos e transações continuarão a impulsionar mudanças significativas. No lado do crédito, a IA, aliada à experiência humana, trará vantagens competitivas por meio de processos de decisão aprimorados.

A IA é extremamente útil por várias razões, mas tem suas limitações. Embora acelere processos, também traz preocupações sobre a precisão diante de eventos inesperados e do uso indevido de dados por agentes mal-intencionados. Por isso, a integração da IA no setor de crédito não busca substituir os humanos, e sim aprimorar as capacidades e a eficiência das instituições financeiras, tornando a regulamentação eficaz uma necessidade absoluta.

Ao equilibrar a tecnologia de IA com a expertise humana, os credores devem estar preparados para garantir práticas de crédito responsáveis e equitativas, beneficiando tanto os credores como os tomadores de empréstimos a longo prazo.

Por Charles Guan

Charles Guan é CTO e cofundador da Rich Data Co, especializada na tecnologia de IA para empréstimos.