Por Daniel Díez, Asesor en Estrategia Digital y Profesor del Programa de Especialización en Blockchain.
Nos encontramos en una circunstancia histórica, tras décadas de globalización, apertura y avance en nuestras libertades personales, por vez primera y contra todo pronóstico, la sociedad comienza a cuestionarse si este era el camino que debíamos haber seguido, o si por contra nuestras prioridades deberían haber sido otras.
Internet ha supuesto un radical avance en la forma de acercar a las personas y democratizar el acceso a servicios de la información en las últimas dos décadas, con una neutralidad independiente del género, raza o geografía de cada individuo. A pesar de esta circunstancia, existen aún multitud de ámbitos en los que la inclusión y democratización de servicios no habían alcanzado hasta la fecha los resultados que cabría esperar, siendo uno de ellos los servicios financieros.
El acceso al crédito se trata de uno de los principales motores de inclusión y desarrollo, y un factor fundamental para su correcta asignación es la capacidad que tengamos para medir de forma eficiente el riesgo, algo que se apoya en la calidad y diversidad de la información que está a nuestra disposición para generar lazos de confianza entre individuos e instituciones.
En la actualidad, la metodología de análisis de riesgos se apoya en el procesamiento estandarizado del histórico financiero y crediticio de una persona, junto a información demográfica y circunstancial que nos permite evaluar la prima o tipo de interés a aplicar, o si se concede o deniega el acceso al servicio.
Esta decisión y su previo análisis suelen ser procesados mediante modelos de scoring estandarizados como VantageScore o FICO, pero en gran parte de escenarios este procesamiento suele ser llevado a cabo por empresas como Equifax (Beacon y Pinnacle), Experian (ERS) o TransUnion (Empirica) con modelos de scoring propios, que no suelen dotar de la debida transparencia a sus clientes sobre la forma de calcular tales scorings.
¿En qué fallan estos modelos?
Imaginemos a un individuo que cambia su residencia de un país desarrollado a uno emergente. Al acudir a su mismo banco para contratar servicios de los que ya disponía en origen se encontrará con varias limitaciones: las condiciones de contratación de servicios serán sustancialmente diferentes, superando en hasta 15 veces el coste de contratar un préstamo, no podrá disponer del acceso a diversos servicios (ej. hipoteca) al carecer de un histórico financiero en el nuevo país, o directamente servicios que consideraba convencionales no existen (ej. leasing de un automóvil).
Los modelos de scoring por lo general no son extrapolables de un entorno a otro y requieren de una muestra mínima de información, que aun así es difícil de obtener en múltiples escenarios y en determinados estratos poblacionales directamente no existe por lo que se penaliza a todo el conjunto poblacional, a pesar de que realmente pudieran ser solventes.
Asimismo, existe una enorme complejidad en la migración de datos personales o financieros debido a la diversidad de estándares entre empresas y países, y a que la información reside en silos en lugar de tener un punto central de custodia, el individuo.
Ante esta circunstancia cabe preguntarnos: ¿no debería ser la medición del riesgo algo asociado a cada individuo, independientemente de la geografía y circunstancias que le rodeen?; ¿cabría la posibilidad de establecer un modelo universal de análisis de riesgos?.
Esto pronto podría ser así gracias a nuevas tecnologías como Blockchain, Secure Multiparty Computation y las Pruebas de Conocimiento Cero (ZKP), que permiten desarrollar nuevos modelos de identidad digital soberana, donde el individuo pasa a ser el centro de todo como dueño de sus datos, potenciando el incorporar nuevas fuentes y capacidades analíticas para determinar de la forma más eficiente, neutral y anónima en qué medida podemos confiar en él.
En la actualidad, el 31% de la población adulta mundial (1.700 millones de personas) no dispone de una cuenta bancaria (Banco Mundial) y están, por tanto, excluidas del acceso al crédito por la vía convencional, algo que sucede incluso en países emergentes en los que la tasa de bancarización es más elevada, debido a que la información recopilada es tan limitada que no permitía hasta la fecha determinar correctamente los niveles de riesgo de cada individuo.
Iniciativas como Libra (Libra.org), la red impulsada por Facebook junto a 23 empresas, trata de generar un estándar de pagos y de identidad digital para agrupar la información social y financiera en no solamente países desarrollados, sino también en países emergentes y en vías de desarrollo.
Otras iniciativas como Kiva han impulsado una red de microcréditos sin ánimo de lucro en el cual cada patrono apoya proyectos personales de colectivos en países emergentes con una devolución libre de intereses, logrando una morosidad inferior al 1.5%; Ethic Hub en España, que incorpora un tipo de interés reducido, o Tala, que agregando nueva información no financiera a los análisis de riesgo crediticio en colectivos desbancarizados a través de los patrones de uso de un teléfono móvil, han conseguido unos ratios de morosidad inferiores al 10%.
Modelos incipientes como estos podrían no únicamente desbloquear una creación de valor sin precedentes y llevar liquidez allá donde realmente se necesita en un periodo donde es especialmente importante, sino también llevar los servicios de confianza de lo individual a lo global, cambiando por tanto la forma en la que se gestiona el riesgo y se generan ecosistemas de valor.
¿Será la disrupción de la confianza el próximo escenario de gran impacto tecnológico y social? Nos encontramos en un período clave para construir, transformar y empoderar a aquellos que ahora más lo necesitan, mediante el uso de la tecnología y nuevos modelos de negocio integradores para participar en una generación de progreso y riqueza sin precedentes.
Artículo publicado en el informe Reflexiones jurídicas y financieras pos-Covid-19.
Estás en Inicio » Actualidad » Blog » Globalización en tiempos de Covid-19: hacia un modelo de Credit Scoring Universal