Cómo Uber encuentra un conductor en segundos. ¿Podríamos utilizar parte de esa lógica en crédito digital?
Uber no compara cada solicitud con todos los conductores de una ciudad. Primero utiliza H3, un sistema de indexación geoespacial que divide el territorio en celdas hexagonales, para reducir el universo de búsqueda. Después evalúa qué conductor puede atender mejor la solicitud.
Y aquí entendimos que el conductor más cercano en línea recta no necesariamente es el que llegará primero.
Llevemos esa lógica, de manera conceptual, al crédito digital.
En lugar de comparar una microempresa contra todos los negocios de una cartera, podríamos comenzar identificando empresas comparables:
– Misma actividad económica.
– Tamaño y antigüedad semejantes.
– Zonas con dinámicas comerciales parecidas.
– Comportamientos observados en la celda y sus alrededores.
Después entrarían las variables realmente decisivas: flujo de caja, capacidad de pago, endeudamiento, comportamiento y estabilidad del negocio.
¿Dónde podría intervenir la inteligencia artificial?
Primero, una precisión: H3 no es inteligencia artificial ni una red neuronal. Es una forma de organizar e indexar información geográfica.
La IA podría incorporarse posteriormente. Por ejemplo, una red neuronal podría analizar conjuntamente variables del solicitante, negocio, empleador, industria, ubicación y comportamiento. Incluso podrían explorarse modelos de redes neuronales sobre grafos para estudiar relaciones entre solicitantes, empleadores, comercios y zonas vecinas.
La misma lógica podría utilizarse para detectar concentraciones de riesgo entre empleados de una empresa, identificar focos de mora temprana, descubrir posibles redes de fraude o asignar la cobranza al canal y gestor con mayor probabilidad de recuperación.
Pero hacemos una aclaración importante: este es un análisis conceptual de muy alto nivel. No estamos presentando un modelo desarrollado ni afirmando que una red neuronal necesariamente sea superior a métodos tradicionales. Tampoco se ha afirmado que la variable espacial pueda ser discriminatoria.
Eso solamente podría determinarse con información suficiente, cartera madura, validaciones fuera de muestra y controles de explicabilidad, protección de datos y posibles sesgos.
Tampoco debería utilizarse la ubicación como una regla para negar crédito. El hexágono aportaría contexto; no debería convertirse en una sentencia sobre la persona ni en un barrio o urbanización específica.
Quizás innovar en crédito digital no consiste únicamente en buscar más datos o construir otro score. También puede consistir en traer formas de pensar de otras industrias y evaluar seriamente si pueden ayudarnos a tomar mejores decisiones.
¿Te fue de utilidad este post? Ayuda a otros compartiéndolo y recomendándolo 🤝