Para Fernando Martins, da Core AI, próxima etapa do mercado é usar inteligência artificial para precificar risco de forma individual e tornar o crédito mais eficiente
A expansão do crédito concedido por bancos digitais nos últimos anos ampliou o acesso de consumidores historicamente pouco atendidos pelo sistema financeiro, mas também trouxe novos desafios para a gestão de risco. Para Fernando Martins, cofundador da Core AI, fintech especializada em infraestrutura de crédito baseada em inteligência artificial, a próxima etapa desse processo passa menos por conter a oferta e mais por melhorar a capacidade das instituições de diferenciar os perfis de risco dentro dessa nova base de clientes.
Segundo levantamento da Equifax BoaVista citado por Martins, a taxa de atrasos em cartões emitidos por bancos digitais saltou de cerca de 8% para mais de 20% entre 2021 e 2025. O movimento, na avaliação do executivo, precisa ser analisado à luz da expansão da inclusão financeira promovida pelas instituições digitais.
“Nos últimos anos, os bancos digitais ampliaram bastante o acesso ao crédito no Brasil, e a inadimplência acompanhou esse movimento. Isso não significa necessariamente que o modelo de expansão esteja errado: boa parte desse crescimento veio de gente que nunca tinha acessado crédito formal antes, e algum grau de inadimplência é esperado quando se abre a porta para quem historicamente ficou de fora”, explica Martins.
Nesse cenário, a inteligência artificial pode ajudar as instituições a substituir modelos baseados em classificações amplas por análises mais individualizadas. Em vez de aplicar os mesmos limites, prazos e taxas para grandes grupos de consumidores, a tecnologia permite considerar um conjunto maior de informações para estimar a capacidade de pagamento de cada cliente.
“O papel da inteligência artificial aqui é permitir que a instituição diferencie, dentro desse público novo, quem tem capacidade real de pagamento, ajustando limite, prazo e taxa de forma individual, em vez de aplicar uma régua genérica. Crescer com qualidade, hoje, é menos sobre frear a expansão e mais sobre ter modelos capazes de enxergar risco de forma granular antes que ele apareça no balanço”, afirma.
Precificação individualizada
A mudança também pode afetar a própria forma como o mercado brasileiro precifica o crédito. Historicamente, categorias profissionais e características cadastrais são utilizadas como referências importantes para determinar o risco de um tomador. Para Martins, modelos de IA permitem considerar o comportamento efetivo de cada operação e, assim, reduzir distorções na precificação.
“Historicamente, o Brasil precificou crédito olhando para categorias amplas: autônomo é mais caro, CLT é mais barato, ponto final. A inteligência artificial quebra essa lógica ao permitir precificação em cima da operação específica, considerando o histórico real de pagamento daquele cliente ou daquele recebível, e não apenas a categoria em que ele se encaixa”, ressalta.
O movimento já começa a aparecer em operações de antecipação de recebíveis, nas quais a taxa pode ser ajustada conforme o risco de cada transação. Na avaliação do executivo, esse modelo pode beneficiar principalmente bons pagadores que atualmente acabam pagando mais por serem classificados dentro de grupos de risco abrangentes.
“Já existem fintechs brasileiras rodando esse modelo em tempo real na antecipação de recebíveis, ajustando a taxa conforme o risco medido operação a operação. Na prática, isso tende a baratear o crédito para quem paga bem e hoje é mal precificado por estar em um grupo genérico de risco. Essa é a promessa real da IA aplicada a crédito: não é só decidir mais rápido, é decidir com mais justiça, cobrando de cada tomador o preço que o risco dele realmente representa”, conclui Martins.
Para a Core AI, essa evolução representa uma mudança de paradigma na infraestrutura de crédito: a tecnologia deixa de atuar apenas para acelerar processos e passa a influenciar diretamente a qualidade da originação, a precificação e a sustentabilidade das carteiras.
