A IA já se tornou uma commodity em crédito e recuperação?

Há dois anos, a Inteligência Artificial começava a impactar o setor de crédito e recuperação, principalmente pela promessa de análises mais profundas e individualizadas sobre o comportamento e as preferências dos clientes. Este potencial tecnológico e operacional guiou as discussões da primeira edição do CCX Seminário em 2024.

“Na ocasião, discutimos como combinar dados cadastrais, comportamentais e transacionais para, em dois anos, prever melhor a inadimplência. Mas estamos realmente prevendo com eficácia?”, questiona Cristiano de Souza Corrêa, professor de Finanças e Coordenador de Pós-Graduação em Negócios do Ibmec.

“Atualmente, há quase 84 milhões de pessoas inadimplentes no Brasil, e 42% dessas pessoas já estão nessa situação há 10 anos. Portanto, predição e resultado não são a mesma coisa.”

Henrique Albuquerque, Superintendente de Inteligência de Dados do Bradesco, destaca que o banco tem alcançado resultados utilizando diferentes tipos de IA, incluindo a tradicional, como Machine Learning, que ajuda a identificar com qual cliente se comunicar, em qual canal e horário, bem como a IA generativa.

Um caso de sucesso com a IA generativa é a chamada Mentoria. “Coletamos dados de escritórios de cobrança a partir de áudios, aplicamos IA generativa, entendemos o que está acontecendo internamente e identificamos os melhores cobradores, criando um feedback individual para cada agente.” Dessa forma, algo que antes era feito por amostragem, agora é individualizado.

Previsão já é uma commodity

Apesar do alto número de inadimplentes no Brasil, Natalia Fernandes, Head de Cobrança do Enforce Group, empresa do BTG Pactual, argumenta que “prever a inadimplência já se tornou uma commodity”. Segundo ela, modelos de Machine Learning já apresentam resultados positivos nesse aspecto.

“O principal objetivo daqui para frente é saber exatamente quem cobrar, em qual canal e com qual abordagem”, explica. A IA auxilia nesse processo por meio da individualização do atendimento, proporcionando escala a partir de uma base histórica das instituições financeiras. Tudo começa com um banco de dados estruturado, uma conversa antiga que ainda traz desafios. É a partir disso que a IA generativa começa a ajudar as organizações a encontrar respostas.

“O desafio agora é aplicar esses modelos para entender como abordar o cliente em todas as camadas de cobrança”, ressalta. Isso porque, segundo ela, esse movimento já é mais amplo na concessão de crédito, mas ainda está em estágio inicial na cobrança.

O papel da inteligência humana

Em resumo, o desafio não está na predição, mas em agir com base nos insights gerados pela IA. Como aponta Paulo Godoy, CEO da Olos Tecnologia, não existe uma receita simples. “Você pode realizar uma cobrança sobre um serviço de utilidade pública, um automóvel, uma casa ou uma dívida de cartão de crédito. Cada produto ou serviço possui características específicas.”

Paulo ressalta que a tomada de decisão na cobrança vai além da escolha do canal; envolve a abordagem da mensagem, o modelo e diversos outros fatores.

Para ilustrar esse desafio, o executivo traz um exemplo da Olos. Em determinada região, a equipe identificou alta inadimplência, mas nenhuma variável indicava se houve um problema de comunicação com os clientes locais ou se havia uma falha no sistema de cobrança. Após investigação, descobriu-se que a refinaria local havia sido desativada, resultando em várias demissões, o que exigiu novas estratégias.

“A IA pode ajudar, mas isso depende de como você a alimenta”, enfatiza. “Se as respostas já estão prontas, como você irá entender os devedores? Como estruturará a régua de cobrança? Tudo isso também depende da inteligência humana para formular perguntas e interpretar os insights.”

A armadilha das variáveis

Quando se fala em educação, inadimplência e permanência estão intimamente relacionadas. O desafio da YDUQS é criar oportunidades que apoiem os alunos a realizarem seus sonhos e, assim, aumentarem sua renda para se tornarem financeiramente independentes.

Como destaca Talita Freitas, Diretora Financeira e Tributária da YDUQS, a graduação é uma das formas mais rápidas de aumentar a renda, com um crescimento de cerca de 180% no Brasil. Entretanto, a formação leva de dois a quatro anos, no mínimo.

“O grande avanço que esperamos da IA é o score de tratabilidade, que nos permitirá definir o melhor canal, horário e abordagem para contatar o aluno. Isso se deve ao fato de que mesmo alunos com perfis de risco semelhantes ainda requerem medidas e ações diferenciadas.”

Na YDUQS, Talita menciona que iniciativas nesse sentido estão em andamento, ainda em fases iniciais, mas promissoras. Para ela, conhecer o cliente e possuir essa inteligência é o primeiro passo.

“Não podemos cair na armadilha do excesso de variáveis”, alerta. “É fundamental identificar aquelas que diferenciam seu cliente, determinar quais fazem sentido para o modelo utilizado e compreender os resultados gerados para o negócio. Não devemos sucumbir à moda de afirmar que o resultado é fruto da IA.”

Nunca deixe de testar

Por isso, iniciativas que envolvem diferentes modelos de IA são uma via promissora para explorar os benefícios e a relevância dessa tecnologia no mercado de crédito e recuperação. No caso das Lojas Renner, a IA preditiva fornece mais valor que a IA generativa, como explica Diego Ramos, Gerente de Cobrança da empresa.

“Quando falamos de IA generativa, temos vários casos e a aplicação no universo operacional é muito relevante. Mas é preciso refletir: onde é necessário ter uma IA generativa? A tecnologia ainda não é uma commodity. Por isso, é importante entender onde ela se aplica com eficácia”, aponta.

Essa percepção é reforçada pelo fato de que a cobrança, que foi relegada a segundo plano nas estratégias com IA durante muito tempo, agora é uma experiência integrada com a operação de crédito.

A Realize, instituição financeira das Lojas Renner, posiciona-se como uma facilitadora no varejo, a ponto de os clientes da Realize que também compram na Renner apresentarem um TPV anual 150% maior do que os clientes que não estão na Realize. Além disso, têm uma frequência de compra 50% maior.

Dessa forma, o aspecto mais relevante para o planejamento das estratégias do setor, segundo Diego, é: nunca deixar de testar. “O cenário macroeconômico muda, e o perfil da base também. É crucial ter um controle para identificar quais são as melhores ações. Uma estratégia que funcionava até ontem pode não surtir efeito daqui a três meses. O segredo é continuar a monitorar e compreender as características da base.”