La adopción de inteligencia artificial (IA) en los servicios financieros avanza hacia modelos cada vez más enfocados en tareas específicas. En el ámbito del riesgo crediticio, las soluciones diseñadas para este propósito muestran ventajas significativas frente a los modelos generalistas como ChatGPT o Gemini, explicó Yoel Gavlovski, fundador y director ejecutivo de Quash, firma especializada en el desarrollo de sistemas para análisis financiero.
En pruebas comparativas realizadas por la compañía, un agente especializado en riesgo crediticio fue evaluado junto a un modelo de IA de propósito general, como los antes mencionados.
Los resultados mostraron que el sistema especializado fue capaz de generar información artificial que reproduce el comportamiento de datos reales, solicitar datos adicionales para afinar sus estimaciones y producir análisis validados por expertos independientes. En contraste, el modelo generalista presentó errores conceptuales y limitaciones técnicas al abordar tareas del dominio financiero.
Ayuda a cumplir con regulación
“Los modelos generalistas no están diseñados para comprender la complejidad del riesgo crediticio. Una IA especializada puede automatizar el procesamiento de datos, generar variables inteligentes, construir modelos predictivos y cumplir con regulaciones de manera más eficiente. En otras palabras, permite transformar procesos altamente técnicos en herramientas accesibles y confiables para la toma de decisiones financieras”, señaló Gavlovski.
Este tipo de desarrollos apunta a un cambio estructural en el uso de IA dentro del sistema financiero. De acuerdo con McKinsey & Company, en su estudio Capturing the full value of generative AI in banking, la implementación de IA generativa podría aumentar entre 9 y 15% las utilidades operativas del sector bancario, debido a mejoras en eficiencia, reducción de costos y optimización de procesos críticos como la gestión de riesgos y la atención al cliente.
Gavlovski ilustró el potencial de estas herramientas con el caso de una cadena de ropa deportiva con más de 150 sucursales que buscaba ofrecer financiamiento a jóvenes sin historial crediticio. Señaló que a través de la información que ya tenían de sus clientes y el uso de IA generativa, pudieron identificar patrones y otorgar crédito a personas sin antecedentes en algunas de las Sociedades de Información Crediticia.
Según el directivo, este tipo de correlaciones permiten ampliar el acceso al crédito a partir del comportamiento de usuarios con características similares. El mismo principio añadió, puede aplicarse al comercio electrónico.
“Si un solicitante no tiene historial, pero comparte rasgos con otros 300 clientes que sí pagaron a tiempo, el modelo puede inferir una probabilidad alta de cumplimiento. Los hábitos de compra o el comportamiento financiero online se han convertido en predictores sólidos de la disposición a pagar un préstamo. Hoy, estos modelos pueden discriminar con más de 70% de precisión quién será un buen o mal pagador, especialmente en segmentos de inclusión financiera en México”, resaltó.
Con apoyo externo
Aunque cerca de 68% de las fintech ya utiliza IA en sus operaciones, gran parte de ellas lo hace a través de proveedores externos, según el “Fintech Radar 2025”. La decisión entre desarrollar capacidades internas o recurrir a soluciones de terceros depende, en gran medida, del tipo de función que se busca automatizar o fortalecer.
Entre los segmentos con mayor adopción de inteligencia artificial destacan la gestión patrimonial, con 81% de empresas que reportan su implementación; la banca digital, con 73%; y la infraestructura tecnológica para bancos y fintech, con 69 por ciento.
Aunque cerca de 68% de las fintech ya utiliza IA en sus operaciones, gran parte de ellas lo hace a través de proveedores externos.
Cortesía de El Economista
Dejanos un comentario: