¿Cuanto gastaron en 2018 los españoles usando tarjetas de crédito/débito?

El repunte del crédito al consumo podría transformarse en un aumento de la morosidad y en un deterioro de la cartera de las entidades, que podría poner en riesgo la economía

Publicado el 09 Jul 2019

Woman paying lunch with credit card at restaurant

A pesar de la fuerte competencia de las nuevas modalidades de pago, el uso de las tarjetas de crédito y débito sigue creciendo en España. De hecho, el pasado año se realizaron compras por un total de 147.431 millones de euros en punto de venta pagadas con tarjetas, un máximo histórico que se va batiendo cada año desde 2013, según un estudio elaborado por la consultora AIS Group, que analiza la evolución de la red de tarjetas desde 2014. En 2018, el número de tarjetas que conforman la red de medios de pago en España ascendió a 83,7 millones, de ellas, 36,6 millones son tarjetas de crédito y unos 47 millones son de débito. De media los españoles tenemos 2,2 tarjetas per cápita.

Alerta por el crédito al consumo

Ante el repunte del crédito al consumo (incluido el de las operaciones con tarjeta) y dada la preocupación del Banco de España porque este crecimiento no se transforme en un aumento de la morosidad y en un deterioro de la cartera de las entidades que pueda poner en riesgo la economía, conviene que la banca tome medidas preventivas en la gestión de su riesgo en general, pero en el derivado de las tarjetas de crédito en particular.

La Inteligencia artificial como respuesta

Para combatir los riesgos principales derivados de uso masivo de las tarjetas de crédito, según AIS Group hay que atender tres frentes principales “y en los tres, la implementación de técnicas de inteligencia artificial (IA) como el machine learning tiene mucho que aportar”, afirma Pere-Joan Ventura, director del área de modelos de riesgo de crédito de AIS Group.

Para combatir los riesgos principales derivados de uso masivo de las tarjetas de crédito, según AIS Group hay que atender tres frentes principales “y en los tres, la implementación de técnicas de inteligencia artificial (IA) como el machine learning tiene mucho que aportar”, afirma Pere-Joan Ventura, director del área de modelos de riesgo de crédito de AIS Group.

Primero conviene controlar las tarjetas ya emitidas. Es recomendable poner en marcha sistemas de alertas para el seguimiento capaces de identificar comportamientos que denoten una probabilidad alta de caer en impago. El machine learning tiene dos grandes virtudes que lo hacen especialmente recomendable para este tipo de herramientas. Por un lado, es capaz de trabajar con una gran cantidad de variables, analizarlas, encontrar relaciones entre ellas y todo ello a gran velocidad. Por otro lado y relacionado con lo anterior, su poder predictivo es mucho más elevado que el de otras técnicas, por lo que es capaz de detectar esas señales que anuncian un posible impago con mayor antelación.

El segundo frente es la concesión de nuevas tarjetas. Aunque prácticamente todas las entidades financieras disponen de sistemas de scoring que determinan a quién otorgan las tarjetas, la aplicación de modelos de inteligencia artificial puede lograr un salto cualitativo. Y lo hacen gracias a la posibilidad de utilizar las tecnologías basadas en open banking, que permiten tener una visión más amplia del comportamiento del solicitante de la tarjeta. “Se trata de herramientas –dice Venturaque recopilan toda la información transaccional de las personas que solicitan una tarjeta, no sólo la del propio banco, sino la de todas las entidades con las que opera, de modo que obtengamos un retrato mucho más completo que nos permita decidir si de acuerdo a su perfil es conveniente conceder”.

Algunos pueden pensar que este es un campo vetado al machine learning debido a que los modelos de concesión son modelos regulados por el Banco de España y, por lo tanto, deben cumplir unos requisitos de documentación y explicación de cómo toman las decisiones. No obstante, “no es ya sólo que el Banco de España haya recomendado a las entidades complementar sus modelos con modelos de IA -afirma Ventura-, sino que el halo de caja negra que envuelve a los modelos machine learning ya no es tal. Ya disponemos de herramientas capaces de trazar esos modelos, discernir qué peso se asigna a cada variable, cómo influye en la decisión final, etc. En definitiva, se pueden cumplir los requisitos demandados por el regulador”.

Como tercer y último frente está la detección del fraude. Aquí es donde la inteligencia artificial marca la gran diferencia. Las actitudes fraudulentas son muy variadas y utilizan nuevos métodos constantemente. La IA posibilita el análisis a tiempo real de la operativa, evaluando si las operaciones están siendo capciosas y aprende automáticamente de los comportamientos que observa, siendo capaz de detectar el fraude con un acreditado grado de eficacia”, concluye el experto.

¿Qué te ha parecido este artículo?

Tu opinión es importante para nosotros.

T
Redacción TICPymes

Artículos relacionados

Artículo 1 de 3