Gastar para cobrar cr¨¦ditos impagados

NO HACE FALTA DECIR que la econom¨ªa de Estados Unidos es p¨¦sima. Los bancos se enfrentan con frecuencia a enormes pr¨¦stamos concedidos con provisiones de fondos que nunca se recuperan. En teor¨ªa, el ciclo de un pr¨¦stamo es simple: se comprueba el saldo, se concede el pr¨¦stamo 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, est¨¢n ansiosos por aprovecharse de cualquier ventaja que la tecnolog¨ªa les pueda dar.

Los bancos se ven doblemente afectados: primero, porque el proceso de tramitar pr¨¦stamos pendientes de pago es costoso de por s¨ª. Segundo, porque no saben cu¨¢les son los pr¨¦stamos a los que merece la pena dedicarse y cu¨¢les deber¨ªan dar por perdidos. Una nueva compa?¨ªa, Intelligent Results, se est¨¢ enfrentando con el problema. Seg¨²n ella, la deuda resultante de los pr¨¦stamos pendientes de liquidaci¨®n asciende a unos 60.000 millones de d¨®lares, de los que unos 17.000 probablemente se pierdan totalmente a lo largo del a?o. Lo ¨²nico m¨¢s triste que gastar mil d¨®lares en gestionar un pr¨¦stamo pendiente de pago es invertir la misma cantidad y no cobrar el pr¨¦stamo. Los clientes solventes de los bancos tambi¨¦n se ven afectados, porque corren con parte de esos gastos, que luego se traducen en tipos de inter¨¦s m¨¢s 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 m¨¢s informaci¨®n se puede mejorar la capacidad de predecir si una persona devolver¨¢ el pr¨¦stamo, al igual que se pueden predecir muchas otras cosas.

?Cu¨¢nto dinero podr¨ªa recuperarse de esos pr¨¦stamos si los bancos usaran las estrategias apropiadas para cobrarlos? En este momento, los bancos deciden las cuestiones m¨¢s importantes bas¨¢ndose en sensaciones, un m¨¦todo verdaderamente poco fidedigno. Intelligent Results espera mejorar esa t¨¦cnica.

La empresa fue fundada en el a?o 2000 por un equipo de seis ingenieros que hab¨ªa trabajado en Amazon.com despu¨¦s de que la librer¨ªa digital absorbiera a sus anteriores compa?¨ªas, Cartia y Junglee. Estaban especializados en modelar el comportamiento de los clientes, y vieron una oportunidad para crear toda una compa?¨ªa bas¨¢ndose en su experiencia y tecnolog¨ªa.

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 decidi¨®, acertadamente, centrarse en un solo mercado para probar sus capacidades. Eligi¨® los pr¨¦stamos pendientes de pago.

"Busc¨¢bamos un ¨¢rea 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 mayor¨ªa de los bancos cuentan con un sector en la asesor¨ªa telef¨®nica en el que los empleados registran cada llamada, pero esa informaci¨®n pocas veces se usa". Por lo general, son s¨®lo 10 o 20 palabras, registradas por el responsable del servicio telef¨®nico, como por ejemplo: "El cliente estaba enfermo", "El cliente se compromete a pagar 500 d¨®lares el viernes" o "El cliente ha aparecido con una factura de hospital inesperada".

Esas palabras, analizadas estad¨ªsticamente, pueden ayudar a mejorar las decisiones que actualmente toman los bancos. El programa anal¨ªtico de Intelligent Results estudia los datos del cliente y presenta su recomendaci¨®n: intentar el cobro o abandonar. En la actualidad, los bancos calculan, siendo demasiado optimistas, que los pr¨¦stamos pendientes de pago constituyen las dos terceras partes del total, con lo que se gasta demasiado dinero en deudas que no se recuperan.

Bas¨¢ndose en siete pruebas con datos bancarios reales, Intelligent Results puede reducir el nivel aproximadamente a la mitad (de un 67% a un 50%). Seg¨²n los an¨¢lisis de la compa?¨ªa, los bancos podr¨ªan haber renunciado antes a los pr¨¦stamos, ahorr¨¢ndose varios cientos de d¨®lares por cada pr¨¦stamo en el proceso.

En otras palabras, disponiendo de m¨¢s informaci¨®n se puede mejorar la capacidad de predecir si una persona devolver¨¢ el pr¨¦stamo, al igual que se pueden predecir muchas otras cosas. La informaci¨®n no es infalible, pero vale para mejorar.

El resultado es que un banco puede gastar menos recursos en deudas que nunca recuperar¨¢. Claro que ser¨ªa incluso mejor si el banco pudiera hacer este tipo de clasificaciones antes de realizar el pr¨¦stamo. Pero las conversaciones recogidas telef¨®nicamente que revelan los datos no comienzan hasta que hay alg¨²n problema.

En vez de depender de la opini¨®n de sus empleados, que pueden equivocarse y ser parciales, numerosas empresas est¨¢n comenzando a confiar cada vez m¨¢s en los sistemas inform¨¢ticos para tomar sus decisiones. No es justo discriminar a la gente bas¨¢ndose en su color de piel, en su origen o en muchos otros factores; pero los humanos lo hacen con frecuencia. Los programas inform¨¢ticos, no.

Adem¨¢s, esos programas fomentan una transparencia que es ¨²til en muchos sentidos: ?en qu¨¦ te basas para tomar esa decisi¨®n? Si es una decisi¨®n objetiva (el nivel de ingresos, por ejemplo), entonces resulta f¨¢cil. Si se trata de analizar documentos, entonces hay que confiar en las estad¨ªsticas. 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 opini¨®n humana.

En la detecci¨®n de pr¨¦stamos no beneficiosos, el m¨¦todo parece ser bastante acertado; pero cuando nos adentramos en otros aspectos, el asunto se vuelve m¨¢s delicado: ?le negar¨ªa usted a alguien un puesto de trabajo porque, seg¨²n el ordenador, esa persona encaja con los que cometen fraude? Nos estar¨ªamos acercando al mundo de Minority Report.

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