Para partir el 2021, recientemente nos aceptaron el primer paper de lo que espero sea una colaboración larga con RappiBank, el área financiera de la compañía tecnológica Rappi. Nuestra primera colaboración buscó responder una pregunta muy simple: ¿Cuánto aportan las variables de otras líneas de negocio en el riesgo de crédito?

Antes de entrar a esto, ¿qué es una Super-App? Super-Apps son todas aquellas apps que permiten realizar múltiples funciones. Por ejemplo, para nuestro paper probamos delivery (la función más conocida de Rappi), transporte (taxis, bicicletas y varios otros tipos de ridesharing que ofrecen en Latam) y por supuesto, créditos. Tal vez la super-app más famosa es la China AliPay, que permite integrar múltiples servicios a través de su plataforma, no sólo pagos.

Ejemplos de Super-Apps. Realmente se puede acceder a todo con una de ellas…

Nuestro paper, disponible oficialmente aquí, pero también de forma gratuita en ArXiV o vía descarga directa acá, realiza un experimento exploratorio con la información de dos países donde estudiamos el impacto de las variables de este estilo. Nuestra conclusión: Las variables sirven para diferenciar patrones de riesgo, en particular cuando las variables de bureau están en valores intermedios o simplemente no están disponibles. Este efecto es particularmente notable en personas con bajo patrimonio.

Los resultados de este trabajo tienen implicancias importantes tanto por el tema de la inclusión financiera, la competitividad, y la interpretabilidad de patrones. Para lo primero, las super-apps tienen ventajas competitivas frente a las instituciones financieras clásicas, pues observan comportamientos revelados que se aplican a segmentos sin historial crediticio. No todos tienen tarjeta de crédito a los 18 años, pero la gran mayoría han pedido una pizza. Hay información valiosa que es utilizable para predecir el riesgo allí.

Para lo segundo, existe un incentivo económico en tener acceso a estas fuentes alternativas de información. Mi predicción es que habrán compras, acuerdos y fusiones entre la banca tradicional y estas apps de tal forma de tener acceso estos datos. Leyes de privacidad de los datos y acciones regulatorias serán claves para entender el impacto de estos nuevos actores financieros. Es totalmente factible que la banca se vea en desventaja pues sólo actores que tienen acceso a los datos debido a su integración pueden acceder a costo razonable a ciertos segmentos. También veo factible que bureaus de crédito intenten asociarse con estos controladores de datos para poder tener acceso a ellos.

Y por último, hay conflictos éticos en el uso de estas variables que deben ser resueltos. Una variable que resultó significativa es el porcentaje de propina que cada cliente deja. Propinas promedio están asociados con riesgo bajo el promedio. Propinas bajo el promedio están asociados con riesgo promedio. Pero propinas altas están asociadas con riesgo alto. Este resultado puede tener efectos importantes: si comenzamos a juzgar el riesgo de crédito a partir de la generosidad de las personas (ya los scores psicométricos son muy comunes), podemos dañar a los repartidores, quienes muchas veces están en riesgo de ganar bajo el mínimo. Aquí los reguladores tendrán el desafío de normar qué variables son aceptables y cuáles no. Tampoco, en mi opinión, deberían caer en declarar todas estas variables como no permitidas. Hay muchos comportamientos que tienen explicación clara, como el número de transacciones rechazadas.

En definitiva, estamos entrando a un nuevo mundo en el cual el riesgo es mirado de forma multidimensional, y tenemos que esforzarnos que estas nuevas dimensiones sean justas y suficientemente transparentes.