Propuesta de solución de análisis de crédito basada en el uso de técnicas de inteligencia artificial

Resumen

Con el aumento de las operaciones de crédito, la necesidad de evaluar la información de los clientes antes de efectuar una venta es esencial. En este proceso, el historial de los clientes será importante para obtener una respuesta más rápida y segura. La utilización de técnicas de inteligencia artificial para analizar esta información y proporcionar el apoyo necesario se convierte en una posibilidad. Con estas técnicas, es posible entrenar a las inteligencias artificiales para que ayuden en la toma de decisiones y realicen tareas que hasta entonces eran hechas por personas. Con este estudio se buscó desarrollar un sistema de análisis de crédito que utilice técnicas de inteligencia artificial para proporcionar una decisión rápida y segura, minimizando los riesgos de impago (o morosidad). La simulación del sistema se realizó a través de herramientas como Python y Sklearn. Para encontrar el mejor modelo, se utilizó el método GridSearch. Los resultados de la simulación indicaron que el uso de estas técnicas aumenta las posibilidades de identificar a los clientes candidatos al impago. El promedio de acierto del modelo, analizando las métricas de clasificación, fue del 75% para la exactitud (accuracy), 76% para la precisión, 75% para la exhaustividad (recall) y 75% para la puntuación F1 (f1-score). El análisis parte de la comparación entre el porcentaje de acierto de los clientes que eran o no morosos y que fueron clasificados correctamente por el algoritmo. Con la inclusión de información más detallada sobre los clientes, la precisión será aún mayor, posibilitando que en escenarios más extremos sea decisiva para la toma de decisión del analista de crédito