inteligencia artificialIAaprendizaje automáticoriesgo crediticiogestión de riesgosciencia de datosfintech
El Analista Aumentado: Cómo Zirdle Utiliza IA para Mejorar la Evaluación del Riesgo Crediticio
Por Chief Data Scientist, Zirdle
Loading...
Loading...
El término "Inteligencia Artificial" en las finanzas a menudo evoca dos imágenes opuestas: una visión utópica de una toma de decisiones automatizada e impecable, o un temor distópico hacia algoritmos opacos de "caja negra" que toman decisiones sesgadas e irresponsables. En Zirdle, rechazamos ambos extremos. Nuestra filosofía se basa en un concepto más poderoso y pragmático: la Inteligencia Aumentada.
No creemos que la IA sea un reemplazo para el juicio contextual y matizado de nuestros expertos analistas de crédito humanos y de nuestros socios corredores en terreno. En cambio, vemos la IA - específicamente, el aprendizaje automático (ML) - como una herramienta increíblemente poderosa que puede aumentar sus capacidades, permitiéndoles tomar decisiones más rápidas, más consistentes y basadas en más datos.
Este artículo desmitificará cómo funciona realmente la IA dentro de nuestro marco de riesgo crediticio, centrándose en cómo potencia a nuestros expertos humanos, en lugar de sustituirlos.
Durante décadas, la evaluación crediticia ha dependido de modelos estadísticos tradicionales, como la regresión logística, utilizando un número limitado de puntos de datos (por ejemplo, ingresos, nivel de deuda, impagos pasados). Estos modelos son transparentes y fáciles de interpretar, pero tienen limitaciones significativas:
Nuestros modelos de ML están diseñados para superar estas limitaciones y servir como un poderoso copiloto para nuestros tomadores de decisiones humanos. Así es cómo:
Nuestros modelos pueden analizar miles de puntos de datos para una oportunidad de préstamo determinada, mucho más allá de lo que cualquier humano podría procesar. Esto incluye no solo datos financieros tradicionales sino también:
Al procesar este vasto conjunto de datos, el modelo puede revelar información y riesgos potenciales que de otro modo permanecerían ocultos.
Aquí es donde el ML realmente sobresale. Un analista humano podría ver que los ingresos de un prestatario están aumentando, lo cual es una buena señal. Pero un modelo de ML podría identificar un patrón más complejo: "Los ingresos están aumentando, PERO se están concentrando más en un solo cliente que se encuentra en un sector con correlación negativa con el aumento de los precios del petróleo".
El modelo no solo mira variables; está observando las intrincadas relaciones multidimensionales entre ellas. Puede marcar estas correlaciones ocultas y presentárselas al analista humano para una mayor investigación.
Todo ser humano tiene sesgos inconscientes. Un analista podría haber tenido una experiencia particularmente buena o mala con cierta industria, lo que podría influir sutilmente en sus juicios futuros. Nuestros modelos de IA, cuando están debidamente entrenados y auditados en cuanto a equidad, están libres de estos sesgos humanos.
El modelo proporciona una puntuación de "probabilidad de incumplimiento" consistente y basada en datos para cada préstamo. Esta puntuación no toma la decisión final. En cambio, actúa como una línea de base objetiva. Si un analista humano quiere anular la recomendación del modelo (ya sea para aprobar un préstamo que el modelo marcó o rechazar uno que aprobó), debe proporcionar una justificación clara y por escrito. Este proceso de "humano en el circuito" obliga a una decisión rigurosa y responsable, combinando lo mejor de ambos mundos: la consistencia basada en datos de la máquina y la comprensión contextual del experto humano.
A diferencia de los modelos estáticos, nuestros sistemas de ML están diseñados para aprender. Les proporcionamos continuamente nuevos datos de desempeño sobre nuestra cartera de préstamos. Al ver qué préstamos funcionaron bien y cuáles incumplieron, el modelo refina constantemente sus algoritmos, volviéndose más inteligente y preciso con el tiempo. Puede adaptarse a las cambiantes condiciones económicas de una manera que los modelos tradicionales simplemente no pueden.
El futuro de la evaluación crediticia no es una batalla entre humanos y máquinas. Es una asociación. En Zirdle, nuestra IA no es un juez autónomo; es el asistente de investigación más poderoso del mundo. Examina montañas de datos, identifica patrones complejos y presenta sus hallazgos a nuestros expertos humanos. Son estos expertos -nuestros equipos internos y nuestros socios corredores externos- quienes luego aplican su sabiduría, experiencia y contexto del mundo real para tomar la decisión final e inteligente de préstamo.
Este enfoque de inteligencia aumentada nos permite ser tecnológicamente avanzados y profundamente humanos, ofreciendo un nivel de evaluación de riesgos más exhaustivo, consistente y con visión de futuro que nunca antes.