Ante el gran cambio de las finanzas en relación con la irrupción de la digitalización, los modelos tradicionales quedan obsoletos.
El scoring crediticio fue durante décadas el eje principal del sistema financiero para evaluar la solvencia de personas y empresas. Este sistema, que utilizaba datos limitados recopilados por burós tradicionales, atraviesa una transformación histórica de la mano de la revolución tecnológica.
El acceso a grandes cantidades de datos y la inclusión financiera gracias a las innovaciones tecnológicas da paso a nuevos modelos de evaluación crediticia, que están ganando lugar de una forma muy rápida y eficiente.
Sin embargo, aún son considerados modelos alternativos. Prometen una visión más integral del comportamiento financiero de los individuos, especialmente de aquellos que estuvieron fuera del radar de los burós tradicionales. Con el respaldo de fintechs, bancos digitales y big techs, esta nueva generación de scoring tiene el potencial para redefinir quién accede al crédito y en qué condiciones.
El modelo tradicional del scoring crediticio y las alternativas
Los modelos tradicionales de scoring credilicio funcionan principalmente manteniendo cinco pilares: historial de pagos, nivel de endeudamiento, duración del historial crediticio, tipos de crédito utilizados y nuevas solicitudes de crédito. Pero aunque solía funcionar para reducir el riesgo crediticio, hoy presentan grandes limitaciones.
El especialista financiero Fernando Boudourian indica que la digitalización está transformando la banca privada y la relación con los clientes, y de allí los cambios necesarios.
Uno de los principales problemas actuales es la exclusión financiera de millones de personas que no tienen historial crediticio formal, pero que sí manejan sus finanzas de manera responsable, principalmente gracias a la digitalización.
Según el Banco Mundial, más de 1.400 millones de adultos en el mundo no tienen acceso a servicios bancarios básicos, lo que minimiza la creación de perfiles crediticios bajo los parámetros tradicionales.
Este enfoque es negativo para los jóvenes, migrantes y trabajadores informales, quienes suelen tener poca información registrada por los burós. En muchos casos, el sistema no distingue entre alguien sin historial y alguien con mal comportamiento crediticio, afectando el acceso en condiciones justas.
Frente a este panorama, surgieron diversas opciones con el fin de reemplazar o complementar los sistemas tradicionales de scoring crediticio, principalmente con el uso de fuentes de datos alternativas y tecnologías avanzadas.
Estas nuevas metodologías integran información no convencional como el pago de servicios públicos, historial de alquiler, movimientos bancarios, uso de plataformas digitales, comportamiento en redes sociales, y patrones de navegación en internet.
Gracias al machine learning y a la inteligencia artificial, estos datos pueden ser procesados para generar perfiles crediticios más completos, dinámicos e integrales ya que se tienen en cuenta a personas que no tenían acceso a servicios bancarios tradicionales.
Este modelo comenzó a ser adaptado por distintas empresas en todo el mundo, y de esta forma se evalúa la solvencia de personas en mercados emergentes mediante el análisis de datos móviles, como hábitos de comunicación, comportamiento de navegación y frecuencia de recarga de saldo.
Uno de los principales beneficios de estos modelos alternativos es su capacidad para democratizar el acceso al crédito. Al contar con una amplitud de variables que permiten incluir a personas previamente excluidas del sistema financiero formal, lo que es clave para avanzar hacia la inclusión financiera.
Los modelos alternativos pueden duplicar la tasa de aprobación de créditos en segmentos de bajos ingresos, sin aumentar el riesgo de impago. Esta mejora se da porque los algoritmos pueden identificar patrones de comportamiento responsables, incluso si no hay historial crediticio tradicional.
Asimismo, los modelos alternativos mejoran la eficiencia operativa de las instituciones financieras, al automatizar procesos de evaluación, reducir costos y acelerar los tiempos de respuesta.
Pese al gran espacio que están ganando los modelos alternativos, se plantean desafió respecto a marcos regulatorios relacionados con el acceso a datos personales como así también los relacionados con los ciberataques de seguridad.
¿Un reemplazo inmediato?
Al momento que se comienza a imponer un nuevo modelo, las preguntas son diversas. Desde la capacidad de adaptación hasta el tipo de funcionalidad y respuestas tendrá, ante el cambio de estructura, por lo que un reemplazo total a veces no es un proceso inmediato.
En caso de scoring crediticio se inclina hacia un proceso de convivencia. Los burós tradicionales están incorporando progresivamente fuentes de datos alternativos en sus modelos, mientras que las fintechs más innovadoras buscan alianzas estratégicas con bancos y agencias tradicionales para escalar sus soluciones.
Por el momento, el futuro inmediato del scoring será híbrido, contando con un modelo que combine la rigidez y seguridad de los datos históricos con la riqueza de las nuevas innovaciones digitales.
Lo cierto es que la irrupción de este modelo está redefiniendo la forma de operar y el acceso a datos aptos para créditos. Los modelos tradicionales ya son suficientes para responder a la complejidad del comportamiento financiero de las personas.