💡 IA + Datos alternativos para puntuar a los “invisibles financieros”
Hoy comenzamos una subserie de casos fuera de Latinoamérica, enfocándonos en mercados con características similares:
📌Altos niveles de informalidad
📌Baja bancarización
📌Ausencia de datos en buró
📌Alta penetración digital y móvil
MyShubhLife, una fintech india, desarrolló un sistema de scoring propio para personas sin historial crediticio.
¿Cómo lo hizo? Con inteligencia artificial y datos no tradicionales:
📱 Actividad en el smartphone
📊 Referencias personales
🏠 Pagos de arriendo
🌐 Redes sociales
Utilizando modelos supervisados de machine learning, su motor analiza miles de variables para construir un score Shubh, incluso cuando el usuario no existe en el sistema financiero tradicional.
🔍 Resultados destacados:
➡️ Personas antes rechazadas acceden a su primer microcrédito
➡️ El scoring mejora hasta 30% la predicción de riesgo en estos segmentos
➡️ Los usuarios pueden “graduarse” hacia productos financieros más formales
Este caso inspira a otras regiones a usar datos alternativos e IA para cerrar las brechas de acceso.
¿Te fue de utilidad este post? Ayuda a otros compartiéndolo y recomendándolo 🤝