En el marco del proyecto Hyperlender, que este centro tecnológico desarrolla en colaboración con Eurostar a través del Programa de Proyectos de Colaboración Público-Privada 2021, uno de los desafíos más fascinantes a los que nos enfrentamos no es solo tecnológico, sino también ético: ¿cómo podemos utilizar los datos para construir un sistema de evaluación de riesgo crediticio más justo e inclusivo?
Un enfoque híbrido para una evaluación crediticia inclusiva
Uno de los principales problemas del sistema financiero actual radica en la forma en que se evalúa la solvencia crediticia. Los modelos tradicionales se basan en un conjunto limitado de datos históricos, lo que a menudo lleva a la exclusión de solicitantes que son perfectamente capaces de devolver un préstamo. Para superar esta barrera, Hyperlender ha adoptado un enfoque híbrido. Por un lado, integramos sistemas de evaluación crediticia externos como punto de partida; por otro, los enriquecemos con nuestros propios algoritmos de Inteligencia Artificial.
El objetivo de esta combinación es lograr una comprensión multidimensional de cada solicitante. Mientras que la puntuación externa nos proporciona una referencia estandarizada, nuestros modelos de IA están diseñados para analizar indicadores alternativos y patrones más sutiles. Esto nos permite construir un perfil de riesgo mucho más completo y equitativo, abriendo la puerta a solicitantes que, a pesar de su potencial, serían pasados por alto por los sistemas convencionales.
El desafío del reentrenamiento: adaptar la IA al contexto local
Nuestros algoritmos de IA ya están preentrenados utilizando datos externos de mercados internacionales. Aunque esto proporciona un punto de partida funcional, somos plenamente conscientes de sus limitaciones: los factores socioeconómicos que determinan el riesgo crediticio en un país no pueden aplicarse directamente a otro. Un modelo entrenado con datos de un contexto diferente puede no estar perfectamente calibrado a la realidad de nuestros usuarios.
Por este motivo, nuestra estrategia a medio y largo plazo se centra en el reentrenamiento y perfeccionamiento continuo de estos algoritmos. El verdadero valor surgirá de alimentar nuestros modelos con datos reales y generados orgánicamente dentro de la propia plataforma —siempre anonimizados y con el consentimiento del usuario—. Este proceso de “aprendizaje adaptativo” nos permitirá ajustar gradualmente los pesos y variables de nuestros algoritmos para reflejar con precisión las particularidades del mercado local.
Esta estrategia refleja un compromiso tanto con la excelencia como con la equidad. En lugar de depender de modelos genéricos, estamos construyendo un sistema de evaluación crediticia que evoluciona junto con nuestra plataforma. A medida que esta crece, nuestros algoritmos se volverán más inteligentes —y, sobre todo, más justos—, garantizando que las decisiones de crédito se basen en una comprensión profunda y contextualizada del perfil de cada individuo.