Los procesos de evaluación de préstamos se han vuelto más rápidos en el país. Según el Banco Central de Reserva del Perú (BCRP), el tiempo promedio de aprobación de crédito 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», señaló Sandra Vásquez Machado, account manager del sector financiero de CANVIA.
El sector bancario, explicó, enfrenta el reto constante de adaptarse a la esencia cambiante de los estilos de vida de sus clientes en un entorno financiero cada vez más competitivo. 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, recalcó la vocera.
«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 captan patrones complejos y relaciones que los modelos estadísticos convencionales no pueden detectar».
Sandra Vásquez, account manager del sector financiero de CANVIA.
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. Sandra Vásquez estimó que la implementación de los análisis predictivos ha permitido 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», afirmó Vásquez. «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 captan patrones complejos y relaciones que los modelos estadísticos convencionales no pueden detectar», agregó.
Asimismo, 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 puedan 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», comentó Sandra Vásquez.
