#WebsummitRio24: análise preditiva vai melhorar o acesso ao crédito

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.

Veja mais matérias do WebSummit Rio 24:

#WebSummitRio2024: bancos precisam aliar o tradicional ao digital
#WebSummitRio2024: o futuro dos seguros na promoção de hábitos saudáveis

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, 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”

Gustavo de Paula Perl, especialista em ciência de dados da Too Seguros

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.