Fim da profecia educacional: IA na análise preditiva do crédito estudantil

Fim da profecia educacional: IA na análise preditiva do crédito estudantil

André Dratovsky*

25 de setembro de 2021 | 08h00

André Dratovsky. FOTO: DIVULGAÇÃO

De todos os desafios enfrentados por uma nação em desenvolvimento, a desigualdade de oportunidades talvez seja o desafio mais sensível e latente. Famoso por figurar entre os últimos no ranking de educação da OCDE – Organização para a Cooperação e Desenvolvimento, e na 64ª posição, segundo o IMD World Competitiveness Center, o Brasil ainda carece de acesso à educação contemporânea e tecnológica de ponta. Embora reconheça diversos desafios quando o assunto é financiamento educacional, um deles, é certamente o mais perturbador: a generalização das taxas de inadimplência e os custos indiretos causados por isso.

O mercado assume que a gestão desses ativos é um desafio que precisa ser enfrentado de mente aberta, além de contar com a tecnologia como uma aliada nesse sentido. As soluções de Big Data Analytics possibilitam, dentre outras vantagens, o cruzamento rápido de informações e uma visão holística em tempo real, dos riscos relacionados a cada perfil de estudante, permitindo realizar análises preditivas e eficazes.

Já a IA tem um papel decisivo e preponderante na inovação do ensino, quando falamos em uma análise de dados. Permite que as instituições de ensino e, também, todos os atores envolvidos neste processo, sejam mais competitivos e possam fornecer uma educação de qualidade e de alto impacto, sim, a que forma para às áreas do futuro, listadas recentemente pelo Fórum Econômico Mundial.

Ao passo que a tecnologia nos desafia com seu ritmo evolutivo, frenético e perecível do conhecimento, os dados ganham espaço na rotina de algumas empresas para a tomada de decisão, seja na área de recrutamento de pessoas, vendas, marketing e finanças. Na educação já estão sendo usados para a análise preditiva, cálculos de evasão e na liberação de recursos para o estudo profissional e técnico.

Por óbvio e por anos, conceder crédito a jovens “financeiramente invisíveis”, em especial aos mais pobres, sempre foi algo muito perigoso e um risco iminente, considerando que o processo de concessão de crédito sempre, e historicamente, era feito por mãos humanas. Por sorte e competência de muitos engenheiros e cientistas de dados, as tecnologias de Inteligência Artificial (AI) e Machine Learning (ML) vieram para resolver esse desafio, quais sejam, a equidade de oportunidades e o lucro consciente.

São tecnologias que treinam e capacitam computadores capazes de aprender com dados históricos, reproduzem resultados assertivos, levando em conta uma quantidade de variáveis infinitas. Com o uso de AI e ML, modelos de crédito podem ser criados para um número enorme de arquétipos, eliminando, portanto, decisões genéricas e humanamente enviesadas.

Eliminar os vieses e não retroalimentá-los

Incorporam dados alternativos, comportamentais, psicométricos e de finalidade de uso, cujas correlações produzem decisões preditivas muito mais assertivas que as tomadas por humanos. É necessário ponderar, entretanto, o potencial para eliminação de erros e inclinações socioeconômicas e raciais, cabendo somente às empresas decidirem como treinar suas máquinas que por si só, são como crianças superdotadas, porém, desprovidas de qualquer tipo de conhecimento prévio ou juízo de valor.

Contemos com a capacidade de produção, correlação e processamento de dados viabilizados pela AI, mas não nos esqueçamos quem são seus mestres que guiam e oferecem os primeiros ensinamentos. Esses modelos de crédito podem ser criados e replicados para um número cada vez maior de arquétipos, reduzindo e eliminando vieses que, muitas das vezes, embasam as decisões de quem deve ou não tomar crédito e em quais condições.

Quando a análise é feita por humanos, é parcial, limitada a poucos critérios de avaliação, geralmente limitados a: condição socioeconômica, local de residência, pontuação de crédito genérica, se a pessoa é negativada ou não, se tem bens em seu nome como garantia e assim por diante. A pergunta que deveria ser feita, portanto, é como um jovem, no auge dos seus 18 a 24 anos, comprova bens, imóveis, carro e outros patrimônios?

E como isso tudo beneficia bancos, investidores e fintechs? A tecnologia permite conceder crédito a quem de fato tem potencial e intenção de pagar e em escala, sem saber raça, gênero, condição social. O foco deve ser na correlação entre o perfil do jovem, em consonância com a finalidade do uso de crédito e potencial de sucesso projetado. Os dados, quando bem aplicados, são capazes de direcionar a tomada de decisão, que até hoje, é muito baseada em vieses que não contribuem para a entrada de jovens ao mercado de trabalho. Ao jovem estudante, a tecnologia permite serem vistos como realmente são. Torna-os mais previsíveis e visíveis, jogando luz nas intenções, potenciais e em um caminho de possibilidades que se abrem no futuro.

Fim da profecia. Aqui, num mundo ideal em que a tecnologia é aliada, cada um tem a oportunidade de provar seu potencial e intenções, sem tolher resultados dos investidores às custas das limitações essencialmente humanas. Sim, a tecnologia alcançou o momento.

*André Dratovsky é CEO e fundador da Elleve

Tudo o que sabemos sobre:

Artigo

Comentários

Os comentários são exclusivos para assinantes do Estadão.