¿Cómo funciona Betty, el algoritmo de inclusión financiera creado por Nu? 

Betty es un algoritmo de inteligencia artificial creado por Nu Colombia que le permite crear un puntaje de crédito alternativo con la información proporcionada por los burós de crédito. Si bien es un algoritmo basado en el historial crediticio de las personas y datos que formulan las centrales de riesgo, también suma información del comportamiento de las personas en el mercado. 

Entonces, por ejemplo, una persona no es evaluada porque es joven y hace dos años tenía una deuda con el pago de un préstamo, si no por el hecho que desde entonces ha pagado juiciosamente su préstamo. 

Por lo tanto, el puntaje de Nu, a través de Betty, podrá favorecer o mejorar el puntaje crediticio de una persona en las centrales de riesgo. Es un modo de democratizar el acceso al crédito y velar por la inclusión financiera que tenemos en Nu. Esto no quiere decir que las centrales de riesgo no sean necesarios, sino un punto ineludible de partida.

Creamos nuestras propias herramientas tecnológicas para liberar a más y más colombianos no sólo de la complejidad financiera, sino de “castigos” demasiados largos del sistema financiero actual.

Aviso: si tu moradita fue rechazada hoy, inténtalo nuevamente en unos meses, que es el tiempo que Betty por ahora necesita para aprender  y hacer del otorgamiento del crédito una práctica más democrática.

Una tarjeta de crédito equivale a un préstamo mensual. Las personas gastan “a cuenta” con su tarjeta y pagan a fin de mes. Si no cumple, la empresa tiene que pagar a todos los comercios en los que esa persona usó la tarjeta en los últimos treinta días. 

En ese sentido, el otorgamiento de una tarjeta de crédito supone un riesgo para la empresa que la expide. ¿Por qué? Porque esa empresa, a priori, no sabe si el cliente devolverá el dinero prestado. Como el dinero tiene un costo financiero, cuando el cliente no paga, la empresa pierde dinero. 

Demolamos este mito: en Nu, queremos que nuestros clientes puedan pagar y no se endeuden demasiado pagando intereses.  

Creamos Betty, el modelo de aprendizaje automático de crédito de Nu, porque queremos ser mejores que el sistema actual en predecir el riesgo de otorgar una tarjeta de crédito a una persona.  

Si las centrales de riesgo proveen un puntaje crediticio genérico, Betty se especializa en predecir la voluntad y capacidad de pago para la categoría: “tarjetas de crédito”. 

Es decir: creamos Betty para darle la moradita, la oportunidad de tener una tarjeta de crédito -sin cuota de manejo- a personas que bajo el régimen actual serían rechazadas.

Entonces Betty es un modelo de machine learning o aprendizaje automático. Los modelos se alimentan y crecen a medida que más datos van nutriendo su conocimiento del comportamiento humano. En este momento, Betty es como un bebé. Hoy en día, un cierto porcentaje de las personas que aprueba Betty no serían aprobadas si este sistema no existiera.

El algoritmo creado por Nu contempla muchísimas variables. Compartamos dos ejemplos:

1. Si una persona no pagó una factura, pero su historial de crédito hasta entonces ha sido impecable, entonces el puntaje de Betty puede ser mayor que el puntaje de la central de riesgo.
2. Si una persona nunca tuvo una tarjeta de crédito, la central de riesgo no nos proveerá información, puesto que no cuenta con un “historial de crédito” de esa persona. Con el modelo de Betty, el algoritmo está entrenado para tener data contemplando otras variables. Por ejemplo: si tienes una cuenta de ahorros, podría ser un gran insumo para alimentar el modelo y que seas parte de nuestro análisis.

En síntesis, nuestro equipo de Análisis de Riesgo en Nu Colombia puede ser mucho más eficaz y eficiente (y justo) usando esta tecnología a través de Betty, evitando el sesgo del sistema actual. 

1. Con quienes tienen tarjeta de crédito, mirando su compartimiento en relación al pago de ese crédito mes a mes, en vez de fijarse, por caso, si pagó su renta a tiempo o si debe dinero.

2. Con quienes nunca tuvieron una tarjeta de crédito, tomando otras variables que no sea un historial crediticio. 

Entonces, nuevamente: si tu moradita fue rechazada hoy, inténtalo nuevamente en seis meses, que es el tiempo que por ahora Betty necesita para procesar nueva información y hacer del otorgamiento del crédito una práctica más democrática.

Para aprender y expandirse, Betty usa tanto información externa a Nu -esas variables de las que hablábamos- como interna de Nu. Entonces, cuantos más clientes tenga Nu, más aprenderá Betty, puesto que tendrá más data que procesar. 

El modelo creado en Nu tiene su complejidad. Para crear Betty, nos servimos de varias herramientas de programación:

1. Machine learning. En este caso, usamos Python, un lenguaje de programación versátil que usamos para construir modelos de aprendizaje automático o machine learning en Nu. Python se destaca por su código legible y limpio.
2. Lenguaje de programación. Para realizar búsquedas a lo largo y ancho de toda esa información usamos el lenguaje de programación Scala.
3. Arquitectura de microservicios. Para acoger a Betty, se necesita una “casa” que lo aloje. Clojure es ese lenguaje de programación que permite “hacer llamados” a Betty, que ésta le responda con la información requerida para, luego, tomar una decisión sobre el otorgamiento del crédito.
4. Base de datos. El componente para guardar toda la información importante en Nu es Datomic. Cognitect, la empresa estadounidense que creó Clojure y Datomic, acompañó a Nu desde sus comienzos en Brasil. En 2020, la empresa fue adquirida por Nu.

En Nu, internamente nos comunicamos por Slack, una aplicación de mensajería para empresas. Allí tenemos equipos que concentran la comunicación en un sólo canal y, también, la posibilidad de comunicarnos entre sólo dos personas. 

En el canal del equipo de Growth, una de nosotras llamó la atención acerca del nombre que le habíamos puesto a este modelo de análisis sobre riesgo crediticio. Nos habíamos inspirado en el burro de Juan Valdés, pero un ingeniero reparó que ese nombre podría ser usado sarcásticamente. 

Como en el equipo no sólo hay colombianos, sino Nubankers de diferentes países que hablan otras lenguas, nos comunicamos en inglés.

“¡Hola equipo!

Como algunos de ustedes ya saben, acabamos de descubrir que no debemos usar Conchita como el nombre de nuestro modelo de riesgo crediticio, porque es un nombre ofensivo en Argentina .

Así que estoy aquí tomando prestada humildemente su creatividad durante unos segundos para ayudarme a pensar en otro nombre para nuestro modelo. Por favor, simplemente propongan ideas en los “hilos” de este chat. Y recuerden, éste siempre es un espacio seguro para que cualquiera pueda decir lo antes posible si cometemos errores similares en el futuro :)”

La respuesta no se hizo esperar. “Más rápido que un bombero”, uno de nuestros diseñadores respondió a través de un meme:

El resto es historia (financiera).