Los prestamistas y las leyes que regulan los préstamos justos han sido objeto de discriminación durante cientos de años. Muchas veces, ciertos grupos de personas se quedan sin la oportunidad de calificar para un préstamo. Estos públicos incluyen a las personas de color, los que no tienen títulos de educación superior, los inmigrantes, y las generaciones más jóvenes con un historial de crédito delgado o inexistente. Dado que estas comunidades desatendidas son vistas como las que tienen más riesgo, generalmente son las últimas en la fila en el proceso de préstamo.
A menudo, estas personas son etiquetadas como "no tiene fondos suficientes en”. Esto significa que no tienen un puntaje de crédito tradicional o tienen muy poca información en sus archivos de crédito. Estas personas se encuentran atrapadas en un círculo vicioso incapaces de obtener crédito porque no tienen crédito en su expediente o disponible. Un modelo de puntuación tradicional defectuoso es lo que impide a estos solicitantes potencialmente cualificados acceder a los préstamos.
Los bancos, los prestamistas hipotecarios y las empresas de nueva creación de FinTech están empezando a aprovechar la gran cantidad de datos disponibles para tomar decisiones más precisas e informadas sobre los préstamos. Aquí es donde inteligencia artificial (AI) y el aprendizaje automático (ML) tienen el potencial de revolucionar el proceso de préstamo justo tal como lo conocemos hoy en día.
¿Qué es un préstamo?
Investopedia define un préstamo como "dinero, propiedad u otros bienes materiales dados a otra parte a cambio de la devolución futura del valor del préstamo o del principal, junto con los intereses o los gastos financieros".
Hay muchas cosas a tener en cuenta con los préstamos. Por ejemplo, los préstamos con altas tasas de interés tienen pagos mensuales más altos - o tardan más en pagarse - que los préstamos con tasas bajas. Los préstamos pueden estar garantizados por una garantía, como una hipoteca, o sin garantía, como una tarjeta de crédito. Los préstamos o líneas de crédito rotativas pueden gastarse, pagarse y volver a gastarse, mientras que los préstamos a plazo son préstamos de tasa fija y de pago fijo.
También hay diferentes tipos de préstamos, como los garantizados frente a los no garantizados y los renovables frente a los a plazo. Las hipotecas y los préstamos para automóviles son préstamos garantizados, mientras que los préstamos de tarjetas de crédito suelen ser no garantizados o no estar respaldados por una garantía. Una tarjeta de crédito es un préstamo rotativo no garantizado, mientras que una línea de crédito sobre el capital propio (HELOC) es un préstamo rotativo garantizado.
El modelo tradicional de puntuación de crédito
El La Ley de Vivienda Justa (FHA) y el La Ley de Igualdad de Oportunidades de Crédito (ECOA) protegen a los consumidores prohibiendo las prácticas injustas y discriminatorias. Si bien estas leyes han estado en vigor durante décadas, los oficiales de préstamos y los propietarios han encontrado notoriamente lagunas en el sistema para discriminar a ciertos grupos de personas.
Antes de la suscripción de la IA, los préstamos eran procesados por un humano en un banco. Un oficial de préstamos usaría su propio juicio (que es propenso a la parcialidad) para evaluar la confiabilidad del solicitante del préstamo para pagar las deudas en su totalidad, a tiempo, y administrar sus finanzas. Reconociendo que ciertos grupos de personas pueden ser "invisibles para el crédito" o no estar suficientemente bancarizados, estos oficiales de préstamos o bien rehúyen conceder préstamos a estas personas o recomiendan "productos de alto riesgo y de alto precio.” ¿El resultado? Los grupos de personas más parecidos al oficial de préstamos recibieron más préstamos y los más diferentes al oficial de préstamos sufrieron.
Sin una forma de entender verdaderamente cómo cada prestamista toma su decisión, los reguladores utilizaron resultados estadísticos para determinar quiénes practicaban el préstamo de manera justa y quiénes no. Pero esas estadísticas suelen ser sesgadas y no tienen en cuenta el panorama general necesario para determinar si alguien es "arriesgado" o no. Confiar sólo en un puntaje crediticio e informes deja fuera información valiosa que puede hacer que un solicitante esté cualificado para el préstamo, aunque sus puntuaciones digan lo contrario.
Cada prestamista establece sus propios criterios para la aprobación del préstamo y el precio. La falta de estandarización dificulta la predicción de la TAE para alguien con mal crédito. Si alguien tiene mal crédito, el solicitante suele recibir ofertas en la parte alta de los tipos de interés, por encima del 36%. Basado en investigaciones que muestran que ciertos grupos de personas son más vulnerable a tener puntajes crediticios más bajos y expedientes de crédito más delgados, estas personas suelen ser objeto de prácticas de préstamo injustas y de discriminación a la hora de obtener un préstamo.
Cómo la IA puede nivelar el campo de juego
El aprendizaje automático tiene el poder de reducir la discriminación en los créditos. Por ejemplo, los modelos de ML utilizan hasta 100 veces más puntos de datos y matemáticas más sofisticadas para generar una mejor predicción del riesgo en unos pocos segundos. Los modelos de crédito ML pueden incluir más indicadores de solvencia y hacer aflorar conexiones sutiles entre los datos que permiten ver más claramente si alguien es un buen riesgo crediticio.
Hay un número creciente de empresas emergentes de FinTech que aprovechan la IA para revolucionar los préstamos justos. Algunas de estas empresas incluyen algunas como Underwrite.aiuna compañía que crea algoritmos que usan aprendizaje automático que los prestamistas pueden personalizar para ayudarles a tomar decisiones de crédito. Otras compañías como Upstart han adoptado grandes datos y aprendizaje automático para el proceso de préstamo. Upstart ofrece préstamos personales a los consumidores sobre la base de una evaluación de su solvencia crediticia que se basa en parte en la educación y el historial de empleo. De acuerdo con Consumer Finance MonitorEl modelo de Upstart, que utiliza datos alternativos y aprendizaje automático, "aprobó un 27% más de solicitudes que el modelo de préstamo tradicional y produjo un promedio de 16% menos de TAE". “
Es evidente que la IA puede aumentar el acceso al crédito de los prestatarios minoritarios y de bajos ingresos que han quedado al margen de los préstamos corrientes. Un aspecto importante a destacar es que los préstamos injustos siguen siendo un riesgo para los modelos de aprendizaje automático. "La proliferación del aprendizaje automático expondrá los prejuicios humanos, actuando como un 'espejo moral'", según Shannon Vallor...profesor del Departamento de Filosofía de la Universidad de Santa Clara y de Etica de la IA en Google. "Los modelos no son sólo identificadores de patrones, sino amplificadores de patrones", compartió con Forrester.
Para añadir al punto de Vallor, la tecnología es neutral y no es dañina en sí misma. Lo que es dañino son las actitudes que existen y que tienen el potencial de influir en la tecnología. Con esto en mente, los tecnólogos pueden aprovechar las capacidades de la IA para igualar los préstamos justos siempre y cuando la ética esté a la vanguardia del diseño de productos y codificación.
Resumen
Dada la mezcla de posibles ramificaciones sociales, los encargados de la formulación de políticas deben considerar qué prácticas son y no son permisibles y qué estructuras jurídicas y reglamentarias son necesarias para proteger a los consumidores contra las prácticas de préstamo injustas o discriminatorias. Las leyes de préstamo del país tendrán que actualizarse para adaptarse a estos avances tecnológicos, a medida que los bancos y otras empresas financieras las adopten más ampliamente.
La IA es una herramienta poderosa para revolucionar las prácticas de préstamos justos. Cuando se usa con cuidado, esta tecnología es capaz de dar a más personas cualificadas acceso a préstamos para mejorar su situación financiera. Esto ayuda a eliminar la discriminación y a reducir la pobreza, lo que eleva la sociedad en general y hace que la igualdad de oportunidades sea más justa para todos.
¿Está interesado en saber más sobre la forma en que la automatización de los conocimientos y la adopción de decisiones puede contribuir al proceso de concesión de préstamos? Eche un vistazo a nuestra resumen de la solución de préstamos para soluciones automatizadas y justas de préstamo. Ayudamos a empresas como la suya a garantizar que sus procesos de préstamo sean justos y conformes, siempre.
Acerca de ProcessMaker
ProcessMaker es un software de gestión de procesos empresariales y de flujo de trabajo de bajo código. ProcessMaker facilita a los analistas de negocios la colaboración con TI para automatizar procesos de negocios complejos que conectan a las personas y los sistemas existentes de la empresa. Con sede en Durham, Carolina del Norte, en los Estados Unidos, ProcessMaker tiene una red de socios distribuidos en 35 países de los cinco continentes. Cientos de clientes comerciales, incluidas muchas empresas de la lista Fortune 100, confían en ProcessMaker para transformar digitalmente sus procesos empresariales básicos, lo que permite una toma de decisiones más rápida, un mejor cumplimiento y un mejor rendimiento.
