inteligência artificialIAaprendizagem automáticarisco de créditogestão de riscociência de dadosfintech
O Analista Aumentado: Como a Zirdle Utiliza IA para Melhorar a Avaliação de Risco de Crédito
Por Chief Data Scientist, Zirdle
Loading...
Loading...
O termo "Inteligência Artificial" nas finanças evoca frequentemente duas imagens opostas: uma visão utópica de tomadas de decisão automatizadas e infalíveis, ou um medo distópico de algoritmos "caixa negra" opacos que fazem escolhas tendenciosas e irresponsáveis. Na Zirdle, rejeitamos ambos os extremos. A nossa filosofia está enraizada num conceito mais poderoso e pragmático: Inteligência Aumentada.
Não acreditamos que a IA seja um substituto para o julgamento contextualizado e matizado dos nossos especialistas humanos em análise de crédito e dos nossos parceiros corretores no terreno. Em vez disso, vemos a IA – especificamente, o machine learning (ML) – como uma ferramenta incrivelmente poderosa que pode aumentar as suas capacidades, permitindo-lhes tomar decisões mais rápidas, mais consistentes e baseadas em mais dados.
Este artigo vai desmistificar como a IA funciona realmente dentro da nossa estrutura de risco de crédito, focando-se em como ela potencia os nossos especialistas humanos, em vez de os substituir.
Durante décadas, a avaliação de crédito baseou-se em modelos estatísticos tradicionais, como a regressão logística, utilizando um número limitado de pontos de dados (ex: rendimento, nível de dívida, incumprimentos passados). Estes modelos são transparentes e fáceis de interpretar, mas têm limitações significativas:
Os nossos modelos de ML são concebidos para superar estas limitações e servir como um poderoso co-piloto para os nossos decisores humanos. Eis como:
Os nossos modelos podem analisar milhares de pontos de dados para uma oportunidade de empréstimo, muito além do que qualquer humano conseguiria processar. Isto inclui não apenas dados financeiros tradicionais, mas também:
Ao processar este vasto conjunto de dados, o modelo pode revelar informações e riscos potenciais que de outra forma permaneceriam ocultos.
É aqui que o ML realmente se destaca. Um analista humano pode ver que as receitas de um mutuário estão a aumentar, o que é um bom sinal. Mas um modelo de ML pode identificar um padrão mais complexo: "As receitas estão a aumentar, MAS estão a concentrar-se cada vez mais num único cliente que está num setor com correlação negativa com o aumento dos preços do petróleo."
O modelo não está apenas a olhar para variáveis; está a olhar para as intrincadas relações multidimensionais entre elas. Pode sinalizar estas correlações ocultas e apresentá-las ao analista humano para uma investigação mais aprofundada.
Todo o ser humano tem preconceitos inconscientes. Um analista pode ter tido uma experiência particularmente boa ou má com um determinado setor, o que poderia influenciar subtilmente os seus julgamentos futuros. Os nossos modelos de IA, quando devidamente treinados e auditados quanto à equidade, estão livres destes preconceitos humanos.
O modelo fornece uma pontuação de "probabilidade de incumprimento" consistente e baseada em dados para cada empréstimo. Esta pontuação não toma a decisão final. Em vez disso, funciona como uma linha de base objetiva. Se um analista humano quiser substituir a recomendação do modelo (quer para aprovar um empréstimo sinalizado pelo modelo, quer para rejeitar um que ele aprovou), tem de fornecer uma justificação clara e por escrito. Este processo de "humano no circuito" obriga a uma decisão rigorosa e responsável, combinando o melhor dos dois mundos: a consistência baseada em dados da máquina e a compreensão contextual do especialista humano.
Ao contrário dos modelos estáticos, os nossos sistemas de ML são concebidos para aprender. Alimentamo-los continuamente com novos dados de desempenho da nossa carteira de empréstimos. Ao ver quais os empréstimos que tiveram bom desempenho e quais os que incumpriram, o modelo refina constantemente os seus algoritmos, tornando-se mais inteligente e preciso ao longo do tempo. Pode adaptar-se a condições económicas em mudança de uma forma que os modelos tradicionais simplesmente não conseguem.
O futuro da avaliação de crédito não é uma batalha entre humanos e máquinas. É uma parceria. Na Zirdle, a nossa IA não é um juiz autónomo; é a assistente de investigação mais poderosa do mundo. Examina montanhas de dados, identifica padrões complexos e apresenta as suas conclusões aos nossos especialistas humanos. São estes especialistas – as nossas equipas internas e os nossos parceiros corretores externos – que depois aplicam a sua sabedoria, experiência e contexto do mundo real para tomar a decisão final e inteligente de concessão de crédito.
Esta abordagem de inteligência aumentada permite-nos ser tecnologicamente avançados e profundamente humanos, oferecendo um nível de avaliação de risco mais completo, consistente e prospetivo do que nunca.