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

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 Organização para a Cooperação e Desenvolvimento (OCDE) 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, certamente um deles é o mais perturbador: a generalização das taxas de inadimplência e os custos indiretos causados por isso.

Nos EUA, apenas como parâmetro, a dívida estudantil com empréstimos no âmbito federal e privado atingiu proporções gigantescas, cerca de US$ 1,6 trilhão em março de 2019, de acordo com o Federal Reserve. Dados publicados pelo The Institute for College Access & Success mostram que cerca de 43 milhões de estudantes estão endividados. A cada ano, 70% dos graduados universitários começam suas vidas no vermelho.

Ainda que seja um assunto de âmbito puramente financeiro – e aqui não é o espaço para debater essa questão, 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.

Analytics e IA

As soluções de big data analytics possibilitam, dentre outras vantagens, o cruzamento rápido de informações e uma visão holística em tempo real, bem como dos riscos relacionados a cada perfil de estudante, permitindo realizar análises preditivas e eficazes.

Já as soluções de inteligência artificial têm um papel decisivo e preponderante na inovação do ensino, quando falamos em uma análise de dados. A IA 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, visando as áreas do mercado do futuro que foram 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 IA e machine learning 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, considerando uma quantidade de variáveis infinitas. Com o uso de IA e machine learning, modelos de crédito podem ser criados para um número enorme de arquétipos, eliminando, portanto, decisões genéricas e humanamente enviesadas.

Eliminar os vieses e não os retroalimentar

Essas soluções tecnológicas 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 IA, 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.

Em resumo, é o 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 à custa das limitações essencialmente humanas. Sim, a tecnologia alcançou o momento.

Gostou do artigo do André Dratovsky? Saiba mais sobre o uso de IA e análise predativa assinando gratuitamente nossas newsletters e ouvindo nossos podcasts em sua plataforma de streaming favorita.