El sector bancario enfrenta el reto constante de adaptarse a los cambiantes estilos de vida de sus clientes en un entorno financiero cada vez más competitivo. Para ello la analítica de datos predictiva ha mejorado notablemente la evaluación del riesgo crediticio y la concesión de préstamos en el Perú, impulsando una mayor precisión y eficiencia en las decisiones financieras.
La inteligencia artificial y el aprendizaje automático han permitido ofrecer una mayor precisión a la hora de analizar las características únicas de cada cliente.
En el Perú, el acceso al crédito ha crecido de manera significativa en los últimos años, pero también ha aumentado la tasa de morosidad, debido a la desaceleración económica del 2023, lo que ha presentado un desafío para las instituciones financieras. Según la Superintendencia de Banca, Seguros y AFP (SBS), la tasa de morosidad en el sistema financiero ha mostrado niveles cercanos al 4% desde el 2023.
Para Sandra Vásquez, Account Manager del sector financiero de CANVIA, con la implementación de los análisis predictivos, las entidades han podido reducir el riesgo de incumplimiento al identificar con mayor precisión a los solicitantes con mayor probabilidad de impago. “Al integrar datos no convencionales como patrones de uso de servicios, comportamiento digital y redes sociales, las instituciones financieras pueden detectar riesgos que los modelos tradicionales no habrían identificado”, señala Vásquez.
Un estudio de la Cámara Peruana de Comercio Electrónico (CAPECE), en 2022, reveló que el 72% de los usuarios en Perú utilizan canales digitales para diversas transacciones, un tipo de comportamiento que ahora es analizado para la evaluación crediticia. “Con ayuda de la IA y del Machine Learning ha cambiado la manera de evaluar el riesgo crediticio. El análisis de grandes volúmenes de datos capta patrones complejos y relaciones que los modelos estadísticos convencionales no pueden detectar”.
Asimismo, los procesos de evaluación de préstamos se han vuelto más rápidos. Según el Banco Central de Reserva del Perú (BCRP), el tiempo promedio de aprobación de crédito en el Perú ha disminuido en un 20% desde la implementación de sistemas automatizados basados en inteligencia artificial, lo que mejora la experiencia del cliente y agiliza la entrega de créditos, especialmente para pequeñas y medianas empresas. “Diseñar productos de crédito más personalizados y que se ajusten al perfil y a las necesidades específicas de cada cliente son resultados que van creciendo con la implementación de esta tecnología. Además, la predicción del comportamiento futuro de los clientes permite a los bancos ajustar sus estrategias de cobro y asignar reservas para morosidad de forma más precisa”. De igual manera, el análisis de datos predictivo ha permitido mejorar la detección y reducción de casos de fraude al detectar patrones anómalos en tiempo real. Se estima que la mejora a nivel global es de un 30% para las instituciones financieras y, conforme avance el proceso de digitalización en el Perú, la cifra se puede mantener o superar. “A medida que el país continúa digitalizándose, se espera que la adopción de estas herramientas pueda ayudar a mejorar la prevención de potenciales ciberataques, así como en la detección de casos de fraude, beneficiando tanto a los prestamistas como a los consumidores y contribuyendo al crecimiento económico del país”.
