Gastar para cobrar créditos impagados

NO HACE FALTA DECIR que la economía de Estados Unidos es pésima. Los bancos se enfrentan con frecuencia a enormes préstamos concedidos con provisiones de fondos que nunca se recuperan. En teoría, el ciclo de un préstamo es simple: se comprueba el saldo, se concede el préstamo y se recaudan las ganancias. Pero cuando va mal, el ciclo se alarga y se vuelve interactivo... y caro. Eso significa que los bancos, como cualquier otro negocio, están ansiosos por aprovecharse de cualquier ventaja que la tecnología les pueda dar.

Los bancos se ven doblemente afectados: primero, porque el proceso de tramitar préstamos pendientes de pago es costoso de por sí. Segundo, porque no saben cuáles son los préstamos a los que merece la pena dedicarse y cuáles deberían dar por perdidos. Una nueva compañía, Intelligent Results, se está enfrentando con el problema. Según ella, la deuda resultante de los préstamos pendientes de liquidación asciende a unos 60.000 millones de dólares, de los que unos 17.000 probablemente se pierdan totalmente a lo largo del año. Lo único más triste que gastar mil dólares en gestionar un préstamo pendiente de pago es invertir la misma cantidad y no cobrar el préstamo. Los clientes solventes de los bancos también se ven afectados, porque corren con parte de esos gastos, que luego se traducen en tipos de interés más altos.

La nueva empresa se basa en que se pueden saber muchas cosas de alguien simplemente por lo que esa persona dice; al igual que se clasifica un documento por sus palabras.

Con más información se puede mejorar la capacidad de predecir si una persona devolverá el préstamo, al igual que se pueden predecir muchas otras cosas.

¿Cuánto dinero podría recuperarse de esos préstamos si los bancos usaran las estrategias apropiadas para cobrarlos? En este momento, los bancos deciden las cuestiones más importantes basándose en sensaciones, un método verdaderamente poco fidedigno. Intelligent Results espera mejorar esa técnica.

La empresa fue fundada en el año 2000 por un equipo de seis ingenieros que había trabajado en Amazon.com después de que la librería digital absorbiera a sus anteriores compañías, Cartia y Junglee. Estaban especializados en modelar el comportamiento de los clientes, y vieron una oportunidad para crear toda una compañía basándose en su experiencia y tecnología.

La nueva empresa se basa en el principio de que se pueden saber muchas cosas simplemente por lo que la persona dice; igual que se clasifica un documento por las palabras que contiene. Pero la firma decidió, acertadamente, centrarse en un solo mercado para probar sus capacidades. Eligió los préstamos pendientes de pago.

"Buscábamos un área donde se tomara una gran cantidad de decisiones importantes para el sector financiero, y donde hubiera suficientes datos en los que basar esas decisiones", dice el presidente, Dave Chen. "La mayoría de los bancos cuentan con un sector en la asesoría telefónica en el que los empleados registran cada llamada, pero esa información pocas veces se usa". Por lo general, son sólo 10 o 20 palabras, registradas por el responsable del servicio telefónico, como por ejemplo: "El cliente estaba enfermo", "El cliente se compromete a pagar 500 dólares el viernes" o "El cliente ha aparecido con una factura de hospital inesperada".

Esas palabras, analizadas estadísticamente, pueden ayudar a mejorar las decisiones que actualmente toman los bancos. El programa analítico de Intelligent Results estudia los datos del cliente y presenta su recomendación: intentar el cobro o abandonar. En la actualidad, los bancos calculan, siendo demasiado optimistas, que los préstamos pendientes de pago constituyen las dos terceras partes del total, con lo que se gasta demasiado dinero en deudas que no se recuperan.

Basándose en siete pruebas con datos bancarios reales, Intelligent Results puede reducir el nivel aproximadamente a la mitad (de un 67% a un 50%). Según los análisis de la compañía, los bancos podrían haber renunciado antes a los préstamos, ahorrándose varios cientos de dólares por cada préstamo en el proceso.

En otras palabras, disponiendo de más información se puede mejorar la capacidad de predecir si una persona devolverá el préstamo, al igual que se pueden predecir muchas otras cosas. La información no es infalible, pero vale para mejorar.

El resultado es que un banco puede gastar menos recursos en deudas que nunca recuperará. Claro que sería incluso mejor si el banco pudiera hacer este tipo de clasificaciones antes de realizar el préstamo. Pero las conversaciones recogidas telefónicamente que revelan los datos no comienzan hasta que hay algún problema.

En vez de depender de la opinión de sus empleados, que pueden equivocarse y ser parciales, numerosas empresas están comenzando a confiar cada vez más en los sistemas informáticos para tomar sus decisiones. No es justo discriminar a la gente basándose en su color de piel, en su origen o en muchos otros factores; pero los humanos lo hacen con frecuencia. Los programas informáticos, no.

Además, esos programas fomentan una transparencia que es útil en muchos sentidos: ¿en qué te basas para tomar esa decisión? Si es una decisión objetiva (el nivel de ingresos, por ejemplo), entonces resulta fácil. Si se trata de analizar documentos, entonces hay que confiar en las estadísticas. En cualquier caso, los criterios son claros y verificables. Existe la posibilidad de conseguir mejores resultados financieros y de eliminar la dependencia de la caprichosa opinión humana.

En la detección de préstamos no beneficiosos, el método parece ser bastante acertado; pero cuando nos adentramos en otros aspectos, el asunto se vuelve más delicado: ¿le negaría usted a alguien un puesto de trabajo porque, según el ordenador, esa persona encaja con los que cometen fraude? Nos estaríamos acercando al mundo de Minority Report.

c) 2003 EDventure Holdings, Inc. Distribuido por Los Angeles Times Syndicate