O Agibank atingiu recentemente seu menor nível histórico de inadimplência: 3,3%. O resultado é atribuído, em grande parte, à adoção de um modelo preditivo com inteligência artificial, em que diversas variáveis de comportamento do cliente são analisadas na tentativa de prever seus próximos movimentos. Desta forma, se o modelo indica que o cliente está prestes a passar por um aperto financeiro e as condições para pagamento de um empréstimo ficarão difíceis de honrar, o Agibank se adianta e, pró-ativamente, reduz os juros ou amplia as parcelas, reduzindo o risco de inadimplência.
“Surpreendemos o cliente com redução de taxa de juros para dar um alívio. É uma lógica de relacionamento de longo prazo e de compreensão do cliente”, explica Vinicius Aloe, diretor de Tecnologia do Agibank, em conversa com Mobile Time. Ele estima que a inadimplência caiu pelo menos 30% nos últimos anos por causa da adoção do modelo preditivo.
“A modelagem de crédito é obrigatória para toda instituição financeira. Mas o que poderíamos ter de diferente além de um modelo de crédito bem apurado? A resposta é o modelo preditivo. Com ele, conseguimos enxergar obstáculos que estão por vir, com base no comportamento do cliente”, comenta Daniel Pires, diretor de dados, crédito e risco do Agibank, que também participou da entrevista.
Daniel Pires, diretor de dados, crédito e risco do Agibank
Além de dados públicos e de bureaus de crédito, o modelo do Agibank analisa a utilização dos seus serviços, como se o cliente acessa muito o app; se paga boletos; se trouxe uma chave Pix; se costuma ser atendido nas lojas físicas; se está usando o cartão de crédito etc.
“Analisamos a satisfação e a vinculação do cliente com a instituição. Usamos a técnica de machine learning supervisionada, para termos domínio do modelo”, explica o diretor de dados.
O modelo preditivo foi adotado há três anos e está agora em sua terceira versão, implementada em fevereiro.
Personalização e segurança através do modelo preditivo do Agibank
Os clientes do banco são classificados em clusters, de acordo com o seu perfil. Até a segunda versão da solução, eram 10 clusters. Na versão mais recente são 20. Para cada perfil, muda a calibragem do modelo e as ações a serem tomadas dependendo da situação.
Os produtos exibidos na home do app são alterados de acordo com o cluster no qual o cliente está classificado, assim como as ofertas que recebe. Os canais para comunicação também levam em conta a preferência de cada um.
O modelo preditivo também está ajudando a reduzir fraudes. Transferências suspeitas por Pix são bloqueadas com base no histórico do cliente, e uma mensagem é exibida na tela do smartphone questionando se o correntista quer mesmo efetuá-la. Eventualmente pode ser exigida até uma validação biométrica para a conclusão do Pix. Depois de implementada essa proteção, o volume de reclamações sobre golpes com pagamento instantâneo caíram 80%, relatam os executivos.
A instituição financeira também conseguiu elevar a satisfação dos clientes. O NPS subiu de 72 para 77 desde a adoção do modelo preditivo.
O Agibank tem 3,3 milhões de clientes ativos, dos quais 1,2 milhão recebem seus salários pelo banco. Quase 90% deles têm renda média entre um e dois salários mínimos.
MobiMeeting Finance + ID
Daniel Pires, diretor de dados, crédito e risco do Agibank, vai participar do painel de abertura do MobiMeeting Finance + ID, cujo tema será o combate a fraudes digitais no setor financeiro. Ele terá a companhia de Adriana Umeda, head de risco da Visa; Alexandre de Oliveira, vice-presidente de risco e compliance da Getnet; e Fabiola Marchiori, vice-presidente de engenharia e gerente geral de combate a fraudes do Nubank.
O evento, organizado por Mobile Time, acontecerá no dia 30 de outubro, no WTC, em São Paulo. A programação atualizada e mais informações estão disponíveis em www.mobimeeting.com.brç
Ilustração: Nik Neves para o Mobile Time
