Evaluación de riesgos impulsada por IA: Baishi Wu, de Chime, habla sobre cómo convertir rápidamente datos complejos en información útil

Baishi Wu supervisa la organización de las tarjetas de Chime, tanto de débito como de crédito, y colabora con los equipos de producto, riesgo crediticio y ciencia de datos para optimizar la experiencia del cliente, desde el acceso hasta las autorizaciones. En una entrevista reciente con el cofundador y director de tecnología de Taktile, Maximilian Eber, Baishi les muestra a los oyentes los entresijos de la evaluación de riesgos impulsada por IA en Chime. 

Nos cuenta qué es lo que hace que la evaluación de riesgos en Chime sea tan única, cómo el equipo utiliza la inteligencia artificial para agilizar las decisiones de los clientes en la actualidad y su punto de vista sobre la próxima gran oportunidad para la inteligencia artificial en la evaluación de riesgos.

Baishi destaca que es titular de la relación de cuenta principal como el principal factor diferenciador de Chime en la evaluación de crédito. Explica que, cuando eres la cuenta en la que se deposita el 100 % del flujo de efectivo de una persona, tienes una ventaja enorme sobre los prestamistas que solo ven una parte.

Cuando las entidades crediticias se basan en los datos de las agencias de crédito, solo tienen acceso a un momento concreto del historial del solicitante. Los datos de flujo de caja están en constante evolución: el equipo de Baishi puede verlos en tiempo real y adaptar sus decisiones continuamente. Sin embargo, señala que las entidades crediticias suelen cometer el error de utilizar los datos de flujo de caja como una visión instantánea:

“Cuando, tradicionalmente, la gente analizaba los datos de flujo de efectivo desde una perspectiva de banca abierta, tomaba el modelo de cómo se utilizan los datos crediticios y trataba de aplicarlo a los datos de flujo de efectivo: analizábamos un momento específico, revisábamos algunas transacciones históricas e intentábamos evaluar tu solicitud en ese mismo instante. 

«Pero lo más importante a la hora de trabajar con los datos de flujo de caja es revisarlos tantas veces como sea posible y basar tus decisiones en ellos de manera constante».

El acceso de Chime a datos continuos de los clientes es una gran ventaja estratégica. Sin embargo, también añade complejidad a la hora de ajustar los límites de crédito de los clientes a lo largo de su recorrido.

Cuando Chime quiere ampliar el acceso al crédito, el equipo de Baishi utiliza pruebas de «champion challenger» para ver si pueden ofrecer más a los clientes que, normalmente, no tendrían un acceso más amplio.

Suena sencillo. 

Pero en el caso de Chime, los clientes no son prestatarios que solicitan un préstamo una sola vez; son usuarios habituales con necesidades y circunstancias que cambian constantemente. «No es una simple prueba A-B en la que un solo momento influye en lo que hay que hacer a lo largo del tiempo», explica Baishi. «Es una serie de pruebas basadas en una variedad de antigüedad y experiencia, y todo eso lo hace mucho más complejo».

«Pero, en el fondo, este proceso sigue un modelo de “campeón-retador”, en el que intentamos descubrir cómo podemos ir más allá en lo que respecta a lo que podemos ofrecer a nuestros clientes».

Con tanta información compleja que analizar, Baishi ha visto cómo la IA ha acelerado la capacidad de su equipo para convertir datos sin procesar en información útil.

En primer lugar, la IA puede romper los silos de datos entre equipos multifuncionales. En el pasado, los equipos de riesgo crediticio, ciencia de datos, finanzas y producto tal vez hayan trabajado con información separada y resumida. Con la IA, cada equipo puede tener acceso al panorama completo y tomar decisiones con confianza más rápidamente, sin importar su nivel de experiencia técnica.

En segundo lugar, la IA puede funcionar como un «analista de riesgos en una caja», que puede convertir rápidamente los datos en información útil cuando se combina con el criterio humano. 

“Cuando tienes un conjunto de datos difícil de analizar, puedes dejar que la IA lo resuma rápidamente y reúna todas las piezas. Luego, agrega tu criterio humano para decidir qué es realmente significativo. De esta manera, puedes analizar mucho más rápido los conjuntos de datos de los que no estás seguro de que valgan la pena, obtener una perspectiva y decidir si tienen el potencial de reducir el riesgo.”

De cara al futuro, Baishi considera la validación de modelos como la mayor oportunidad para la automatización impulsada por la IA en la suscripción de créditos. Si bien la elaboración de una política de crédito es una parte del proceso, asegurarse de que el modelo funcione correctamente y cumpla con las normas es la parte que realmente lleva mucho tiempo.

Si implementas más de treinta funciones, explica Baishi, tendrías que crear documentación para cada una de ellas. Él sostiene que la IA puede automatizar una mayor parte de ese proceso de gobernanza:

“Puedes diseñar un modelo de crédito basándote en cómo crees que debería funcionar en la práctica y, luego, automatizar el proceso de gobernanza con inteligencia artificial. Menos trabajo tedioso en el proceso y una comunicación más directa entre los equipos de riesgo y de cumplimiento.”

La idea es que, una vez que la IA pueda automatizar los aspectos de gobernanza, los equipos puedan enfocarse en la innovación.

“Crear una política que pueda mejorarse con el tiempo requiere mucho esfuerzo y es realmente complejo. Con la IA, realmente se puede acelerar el ritmo al que generamos nuevas ideas en este ámbito. Esa es la verdadera forma de triunfar: poder enfocarnos en el trabajo importante y fundamental, y hacer que las tareas rutinarias sean mucho más fáciles de realizar.”