À medida que a inteligência artificial (IA) aumenta constantemente o seu domínio sobre a economia global, uma das muitas áreas propícias à disrupção são os preços ao consumidor. Em situações em que é oferecido a diferentes consumidores o mesmo produto ou serviço a preços diferentes, agora é possível retirar o poder discricionário dos funcionários e utilizar um computador para calcular o melhor preço utilizando uma combinação de dados históricos de preços, capacidades de aprendizagem automática e algoritmos.



Companhias aéreas como a Virgin Atlantic estão usando aprendizado de máquina para oferecer tarifas aéreas mais competitivas, por exemplo. (Você pode pensar que as tarifas aéreas são padronizadas, mas na verdade elas são afetadas por inúmeras variáveis, como onde você mora). Da mesma forma, os bancos estão a caminhar nesta direcção com as hipotecas.

De um modo mais geral, os preços dos empréstimos têm potencial para serem transformados. Meu grupo de pesquisa publicou recentemente um artigo analisando empréstimos para automóveis na América do Norte. Ao aplicar o aprendizado de máquina a milhares de decisões de empréstimo por meio de concessionárias, descobrimos que os lucros poderiam ter aumentado em 34%.

No entanto, isto tem um custo:significaria cobrar aos mutuários mais arriscados um pouco mais pelos seus empréstimos do que actualmente. Como veremos, existem alguns factores atenuantes para isto, que alguns poderão argumentar que até justificam o custo. De qualquer forma, levanta questões profundas sobre o futuro dos empréstimos.

A mudança para preços variáveis

Até algumas décadas atrás, os preços dos empréstimos eram iguais para todos. Isso começou a mudar após a introdução das pontuações de crédito no final da década de 1980. Estes eram frequentemente utilizados para tornar os empréstimos ligeiramente mais caros para clientes de maior risco.

Isto deveu-se, em parte, para cobrir os custos dos credores que tiveram de acompanhar os incumprimentos e anular dívidas incobráveis, e em parte porque os clientes mais arriscados têm menos probabilidades de desistir de empréstimos com condições mais onerosas. Isto significa que são menos sensíveis aos preços do que outros mutuários – principalmente porque as suas opções são mais limitadas.

Quando se trata de definir preços, as decisões são frequentemente delegadas aos vendedores. A melhor informação sobre esta prática vem de um estudo de 2014 realizado na Alemanha, que concluiu que 72% das empresas que abrangem vários setores, incluindo serviços financeiros, a praticavam.

O setor de crédito automóvel é um exemplo clássico. Os credores confiam aos vendedores das concessionárias para determinar as condições dos empréstimos dos clientes, incluindo taxas de juros, tamanho do depósito e duração do empréstimo. Durante décadas, esta tem sido uma espécie de "melhor prática" assumida. A capacidade dos vendedores de avaliar subjetivamente a sensibilidade dos clientes ao preço no ponto de venda tem sido vista como uma vantagem competitiva única. E apesar do potencial da IA ​​para tomar decisões mais precisas utilizando muito mais dados, este setor mal começou a utilizá-la na fixação de preços de empréstimos.

Queríamos quantificar o tamanho da oportunidade. Fizemos uma parceria com um credor de automóveis no Canadá, utilizando os seus dados históricos para construir um modelo estatístico que dê conta das decisões críticas tomadas pelo credor, pelos vendedores e pelos clientes. Nosso algoritmo estimou então o impacto de diferentes preços de empréstimo na decisão de um cliente de aceitar ou rejeitar os termos oferecidos. A partir daí, poderíamos determinar o preço que maximizou os lucros do credor.

Os nossos resultados confirmaram que os clientes respondem de forma diferente aos preços dos empréstimos, principalmente dependendo do seu perfil de risco. Embora a sua sensibilidade aos preços possa variar entre países ou sectores, o facto de este ser um fenómeno comum significa provavelmente que as nossas conclusões são amplamente transferíveis.

O que encontramos

O gráfico abaixo mostra como nosso algoritmo teria reavaliado os preços dos empréstimos para nosso parceiro credor. Os empréstimos ficam um pouco mais baratos para clientes de risco baixo e médio (nível 1 e nível 2) e mais caros para o grupo de risco mais alto (nível 3). Enquanto os empréstimos oferecidos pelos vendedores já tinham preços cerca de 0,5 pontos percentuais mais elevados, em média, para os clientes do nível 3 do que os do nível 1, o algoritmo calculou que os concessionários poderiam cobrar aos clientes de alto risco 1,07 pontos a mais.

Configurações de IA versus empréstimo humano

O credor se beneficiaria com isso porque poderia cobrar juros adicionais por assumir riscos extras. À primeira vista, o mutuário arriscado está a perder, embora não seja tão simples como parece à primeira vista.

Na vida real, a taxa de aprovação do credor para empréstimos a clientes de menor risco era mais de 50 pontos percentuais superior à dos clientes de maior risco. Acreditamos que é muito provável que a utilização de um sistema de IA para a fixação de preços aumentasse significativamente a proporção de aprovações de empréstimos para clientes mais arriscados, uma vez que os credores seriam mais plenamente compensados ​​por fazerem negócios com eles.

Taxa de aprovação de empréstimos por nível de risco

Também vale a pena enfatizar que o aumento da diferença nos preços dos empréstimos usando o sistema de IA é pequeno. Em um empréstimo de três anos de £ 20.000 (C$ 34.338), é a diferença entre £ 658 por mês para clientes de baixo risco (a uma TAEG de 12%) e £ 668 por mês para clientes de alto risco (a uma TAEG de 13,1%).

O que vem a seguir

De acordo com nossas descobertas, dados de boa qualidade podem substituir as informações que os vendedores podem gerar na área de vendas. Nessas circunstâncias, a precificação centralizada baseada em IA é a clara vencedora na corrida pelos lucros.

É extremamente provável que os credores queiram tirar partido destas novas tecnologias nos próximos anos, apesar de terem sido lentos na adopção da aprendizagem automática para decisões de preços até agora. Antecipando esta mudança, a justiça já surgiu como um problema:os reguladores financeiros do Reino Unido alertaram os bancos há algum tempo que só poderiam usar a IA para empréstimos se provassem que a abordagem não prejudica aqueles que já têm dificuldade em obter empréstimos.

Como vimos, os mutuários de alto risco podem ser beneficiados e prejudicados por esta tecnologia. À medida que as empresas querem cada vez mais migrar para estes modelos, as discussões sobre os prós e os contras provavelmente só se intensificarão.

Fornecido por The Conversation


Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.