SERVICIOS TECNOLÓGICOS
Análisis predictivo de riesgo crediticio con IA
Conceder crédito siempre implica riesgo, pero ese riesgo se puede medir mucho mejor con inteligencia artificial. Desarrollamos un modelo predictivo que evalúa la solvencia de un solicitante cruzando decenas de variables en segundos, reduciendo la morosidad y agilizando la aprobación. El tiempo de resolución de solicitudes pasó de 3 días a menos de 4 horas.
Ficha técnica del Proyecto.
El cliente es una fintech española especializada en préstamos al consumo, cuya identidad se mantiene confidencial. El proyecto se enmarca en el sector fintech y crédito, con una duración de 9 semanas y finalizado en 2026. Las tecnologías empleadas fueron Python, LightGBM y SHAP para la explicabilidad del modelo, junto con FastAPI e integración con un bureau de crédito externo.
El Problema de fondo.
Esta fintech aprobaba o denegaba solicitudes de crédito basándose en un scoring externo estándar y la intuición de sus analistas. El proceso tardaba entre 2 y 3 días, la tasa de morosidad estaba por encima de la media del sector y los analistas dedicaban horas a revisar expedientes manualmente.
Sabían que tenían datos propios muy valiosos acumulados durante años. El problema era que no los estaban usando.
La Solución que Contruimos juntos.
Desarrollamos un modelo de scoring crediticio propio, entrenado con el histórico interno de la empresa. A diferencia de los bureaus de crédito genéricos, este modelo conoce el perfil exacto de sus clientes: qué tipo de solicitante devuelve el préstamo, en qué plazos y bajo qué circunstancias.
Además, integramos SHAP para que cada decisión del modelo fuera explicable. Esto es fundamental en el sector financiero: el sistema no solo dice sí o no, sino que explica por qué, lo que facilita el cumplimiento regulatorio y genera confianza interna.
Resultados.
Los resultados demostraron el impacto directo del modelo en el negocio desde los primeros meses. La tasa de morosidad se redujo un 31% en los primeros seis meses tras la puesta en producción. El tiempo de resolución de solicitudes pasó de entre 2 y 3 días a menos de 4 horas, mejorando enormemente la experiencia del solicitante. En cuanto a precisión, el modelo propio superó al scoring externo anterior en 22 puntos porcentuales. Por último, los analistas quedaron liberados del 70% de su carga de trabajo manual, dedicándose únicamente a revisar los casos en zona gris donde el modelo no alcanza una certeza suficiente.