A medida que la inteligencia artificial (IA) aumenta constantemente su influencia en la economía global, una de las muchas áreas propicias para la disrupción es la de los precios al consumidor. En situaciones en las que a diferentes consumidores se les ofrece el mismo producto o servicio a diferentes precios, ahora es posible quitarle la discreción al personal y usar una computadora para calcular el mejor precio usando una combinación de datos históricos de precios, capacidades de aprendizaje automático y algoritmos.
Aerolíneas como Virgin Atlantic están utilizando el aprendizaje automático para ofrecer tarifas aéreas más competitivas, por ejemplo. (Se podría pensar que las tarifas aéreas están estandarizadas, pero en realidad se ven afectadas por numerosas variables, como el lugar donde vive). Del mismo modo, los bancos van en esta dirección con las hipotecas.
En términos más generales, la fijación de precios de los préstamos tiene el potencial de transformarse. Mi grupo de investigación publicó recientemente un artículo sobre los préstamos para automóviles en América del Norte. Al aplicar el aprendizaje automático a miles de decisiones crediticias a través de concesionarios, descubrimos que las ganancias podrían haberse aumentado en un 34 %.
Sin embargo, esto tiene un costo:significaría cobrar a los prestatarios más riesgosos un poco más por sus préstamos que en la actualidad. Como veremos, existen algunos factores atenuantes que, según algunos, incluso justifican el coste. De cualquier manera, plantea preguntas inquisitivas sobre el futuro de los préstamos.
Hasta hace unas décadas, los precios de los préstamos eran los mismos para todos. Eso empezó a cambiar tras la introducción de las puntuaciones de crédito a finales de los años 1980. Estos se utilizaban con frecuencia para encarecer un poco los préstamos para clientes de mayor riesgo.
Esto fue en parte para cubrir los costos de los acreedores que tienen que hacer un seguimiento de los incumplimientos y cancelar las deudas incobrables, y en parte porque es menos probable que los clientes más riesgosos abandonen préstamos con condiciones más onerosas. Es decir, son menos sensibles a los precios que otros prestatarios, principalmente porque sus opciones son más limitadas.
Cuando se trata de fijar precios, las decisiones frecuentemente se delegan en los vendedores. La mejor información sobre esta práctica proviene de un estudio realizado en 2014 en Alemania que encontró que el 72% de las empresas que abarcan múltiples industrias, incluidos los servicios financieros, lo estaban haciendo.
El sector de los préstamos para automóviles es un ejemplo clásico. Los prestamistas confían a los vendedores de los concesionarios la determinación de los términos de los préstamos de los clientes, incluidas las tasas de interés, el tamaño del depósito y la duración del préstamo. Durante décadas, esto ha sido una especie de "mejor práctica". La capacidad de los vendedores para evaluar subjetivamente la sensibilidad al precio de los clientes en el punto de venta se ha considerado una ventaja competitiva única. Y a pesar del potencial de la IA para tomar decisiones más precisas utilizando muchos más datos, este sector apenas ha comenzado a utilizarla en la fijación de precios de préstamos.
Queríamos cuantificar el tamaño de la oportunidad. Nos asociamos con un prestamista de automóviles en Canadá y utilizamos sus datos históricos para crear un modelo estadístico que tenga en cuenta las decisiones críticas tomadas por el prestamista, los vendedores y los clientes. Luego, nuestro algoritmo estimó el impacto de los diferentes precios de los préstamos en la decisión de un cliente de aceptar o rechazar los términos ofrecidos. A partir de ahí, podríamos determinar el precio que maximiza las ganancias para el prestamista.
Nuestros resultados confirmaron que los clientes responden de manera diferente a los precios de los préstamos, principalmente dependiendo de su perfil de riesgo. Aunque su sensibilidad a los precios puede variar entre países o sectores, el hecho de que se trate de un fenómeno común probablemente signifique que nuestros hallazgos sean ampliamente transferibles.
El siguiente gráfico muestra cómo nuestro algoritmo habría modificado el precio de los préstamos para nuestro socio prestamista. Los préstamos se vuelven un poco más baratos para los clientes de riesgo bajo y medio (nivel 1 y nivel 2), y más caros para el grupo de mayor riesgo (nivel 3). Mientras que los préstamos ofrecidos por los vendedores ya tenían un precio de alrededor de 0,5 puntos porcentuales más alto en promedio para los clientes del nivel 3 que para los del nivel 1, el algoritmo calculó que los concesionarios podrían cobrar a los clientes de alto riesgo 1,07 puntos más.
El prestamista se beneficiaría de esto porque podría cobrar intereses adicionales por asumir un riesgo adicional. A primera vista, el prestatario arriesgado está perdiendo, aunque no es tan sencillo como parece a primera vista.
En la vida real, la tasa de aprobación del prestamista para préstamos a clientes de menor riesgo era más de 50 puntos porcentuales más que para los clientes de mayor riesgo. Creemos que es muy probable que el uso de un sistema de inteligencia artificial para fijar precios aumente significativamente la proporción de aprobaciones de préstamos para clientes más riesgosos, ya que los prestamistas recibirían una compensación más completa por hacer negocios con ellos.
También vale la pena enfatizar que la mayor diferencia en los precios de los préstamos que utilizan el sistema de inteligencia artificial es pequeña. En un préstamo a tres años de £ 20 000 (C $ 34 338), es la diferencia entre £ 658 por mes para clientes de bajo riesgo (a 12% TAE) y £ 668 por mes para clientes de alto riesgo (a 13,1% TAE).
Según nuestros hallazgos, los datos de buena calidad pueden sustituir la información que los vendedores pueden generar en el piso de ventas. En tales circunstancias, la fijación de precios centralizada basada en IA es el claro ganador en la carrera por las ganancias.
Es muy probable que los prestamistas quieran aprovechar estas nuevas tecnologías en los próximos años, a pesar de haber tardado hasta ahora en adoptar el aprendizaje automático para las decisiones de fijación de precios. Anticipándose a este cambio, la equidad ya ha surgido como un problema:los reguladores financieros del Reino Unido advirtieron hace un tiempo a los bancos que solo podrían usar la IA para préstamos si demuestran que el enfoque no perjudica a quienes ya tienen dificultades para obtener préstamos.
Como hemos visto, los prestatarios de alto riesgo pueden verse favorecidos o perjudicados por esta tecnología. A medida que las empresas quieran adoptar cada vez más estos modelos, es probable que las discusiones sobre los pros y los contras se intensifiquen.
Proporcionado por The Conversation
Este artículo se vuelve a publicar desde The Conversation bajo una licencia Creative Commons. Lea el artículo original.