Smart Finance: una aplicación con inteligencia artificial para conceder préstamos

Con esta aplicación se puede evaluar con más precisión en qué condiciones debe realizarse un préstamo, superando a las evaluaciones humanas.

Hombre con móvil en la mano
iStock

La concesión de un préstamo debe ajustarse a toda clase de parámetros. Cuantos más se valoren, menos arriesgado será el préstamo, porque de esa forma se conoce mejor la solvencia crediticia del solicitante. Gracias a la inteligencia artificial (IA), los algoritmos están sustituyendo a los humanos en esta clase de análisis porque son capaces de realizar estimaciones más precisas.

Esa es la misión de Smart Finance, una aplicación de IA que usa solo algoritmos para conceder millones de pequeños préstamos en apenas unos segundos de análisis. 

De esta forma, el solicitante solo debe permitir el total acceso a Smart Finance para que recopile algunos de los datos que alberga su teléfono móvil, en vez de introducir manualmente la cantidad de dinero que gana y otros baremos como los suministrados tradicionalmente para evaluar la probabilidad de que se devuelva el préstamo. 

¿Cuánta batería tienes en el móvil?

Los datos que analizan los algoritmos de aprendizaje profundo (deep learning), una clase de aprendizaje automático más sofisticado que permite que la inteligencia artificial aprenda por sí misma, no son los más obvios, como el dinero de que dispone el usuario o si cuenta en su historial con algún impago. 

Para Smart Finance, los datos importantes son los que a un ser humano no le revelarían nada importante: cuánta batería le queda al móvil, la velocidad a la que el usuario introduce la fecha de nacimiento, con qué frecuencia pide comida para llevar, si se tomó el tiempo suficiente en leer el acuerdo de usuario y otros parámetros que acaban conformando una especie de huella dactilar digital capaz de predecir si el prestatario abonará el préstamo solicitado.

En total, Smart Finance ayuda a construir un sistema de calificación crediticia basado en 1 200 puntos de datos relacionados con el comportamiento del usuario. A continuación, el servicio conecta a los prestatarios potenciales con los prestamistas.

Con todo, uno de los problemas a la hora de entrenar algoritmos de aprendizaje automático es que los vínculos causa-efecto se difuminan. Es decir, que el algoritmo puede haber detectado correlaciones asombrosas cuyas causas no estén a la vista. Por ejemplo, los algoritmos pueden haber hallado una correlación del tipo: “los usuarios que tienen la batería por debajo del 12 % solo devuelven sus préstamos un 43 % de las veces”.

Esta extraña correlación ha sido identificada por los algoritmos tras bucear en grandes cantidades de datos, pero nuestra mente humana es incapaz de procesar tal cantidad de información, así que también nos revelamos incapaces de explicar cuál es la relación causal subyacente. Lo máximo a lo que podemos aspirar es a constatar que esa correlación existe y es consistente, pero no la razón de que una persona con ese porcentaje de batería probablemente vaya a incumplir su contrato. 

Tanto es así que, en 2017, Smart Finance concedía más de dos millones de préstamos al mes con tasas de impago muy bajas, superando holgadamente a las evaluaciones que realizaban los bancos tradicionales. No en vano, el fundador de Smart Finance, Ke Jiao, califica las métricas que aporta su aplicación acerca de la solvencia de los usuarios como el “nuevo estándar de belleza”. 

Por supuesto, esto plantea otro asunto espinoso: la privacidad. Estas aplicaciones bucean hasta límites insospechados en los datos de nuestra vida cotidiana. De hecho, muchas plataformas que rastrean el uso de teléfonos inteligentes tienen acceso a datos como servicios de ubicación, listas de contactos telefónicos y registros de llamadas que pueden usarse para más tarde rastrear y hostigar a los prestatarios morosos.

Finalmente, pues, estamos ante un sistema más preciso a la hora de conceder préstamos, pero también a merced de correlaciones que no somos capaces de entender, así como mucho más expuestos a que nuestros datos privados se usen para fines ilícitos.

Continúa leyendo