¿Tienes clientes morosos? Esta inteligencia artificial prevé los impagos a empresas

Cualquier empresa, independientemente de su tamaño, sabe de sobra que en su actividad diaria se va a ver afectada por circunstancias de impagos, morosidad o retraso en según qué abonos por parte de clientes o proveedores. Sin embargo, a la hora de abordarlos se puede encontrar con varios problemas.

En primer lugar, la mayoría de grandes compañías tienen que hacer un trabajo exclusivamente humano y manual para detectar las cuentas financieras de un cliente, su evolución y, en definitiva, las probabilidades que hay de que antes o después caiga en un impago. En segundo lugar, todas las empresas presentan sus cuentas en torno al mes de septiembre del año anterior, con lo que los resultados presentados pueden ser muy distintos a la situación actual de la compañía. Si una empresa está pensando ahora mismo si trabajar con otra de cara a 2019, las cuentas que encontrará en el Registro Mercantil serán de 2017, con lo que su utilidad será muy limitada.

Tecnología para predecir la morosidad

Todos estos son algunos de los problemas que pretende solucionar A360, una herramienta 'cloud' de gestión de riesgo de crédito comercial que pretende ayudar a las empresas a evaluar las posibilidades de impago por parte de sus clientes haciendo uso de tecnología predictiva para analizar, en tiempo real, su situación económica, su evolución y el patrón de comportamiento financiero.

Para dar este servicio, la herramienta parte de la tecnología 'big data', que es capaz de cotejar todo tipo de información financiera —tanto positiva como negativa— de la empresa que se esté analizando: sus cuentas anuales, su evolución de pagos e impagos, el tiempo que tarda en pagar una factura, sus peticiones de crédito, si está al día con Hacienda y otros factores que ayuden a dirimir su salud financiera en ese momento.

La inteligencia artificial combina todos los datos, los analiza y otorga una reputación financiera a la compañía evaluada

A continuación, y recurriendo a inteligencia artificial y 'machine learning', A360 es capaz de combinar todos los datos, analizarlos y otorgar una reputación financiera a dicha compañía. Además, la herramienta recurre también al aprendizaje automático para, con los datos que va recopilando, ir sacando nuevas y mejores conclusiones.

De este modo, quien esté analizando esa compañía podrá hacerse una idea de las probabilidades de que acabe cayendo en posibles impagos, haciendo más sencilla la toma de decisiones de crédito y contratación, así como minimizando los riesgos financieros.

Gestión de riesgos automatizada y al instante

La solución de Axesor pretende llevar a cabo una tarea que en casi ninguna empresa acaba siendo del todo eficiente: la gestión de riesgos de crédito, analizando la situación del posible deudor, siguiendo la evolución del crédito y gestionando el cobro definitivo.

Para Julián Villalba, jefe de riesgos de Axesor, la clave de su herramienta es el valor añadido: "Con la mejor información se toman las mejores decisiones, y la solución está en el 'machine learning', que nos permite transformar esa información en conocimiento y en indicadores de riesgo que permiten automatizar este tipo de decisiones".

Desde su punto de vista, una solución como la suya no tiene por qué eliminar los perfiles humanos que se encargan de estas tareas, ya que la herramienta "complementa la toma de decisiones que haría un analista de riesgo tradicional. Hay grandes empresas que tienen 10.000 deudores en su cartera que generan varios miles de solicitudes de crédito al mes. Si la empresa quisiera gestionarlos a todos, cada día necesitaría un ejército de analistas, pero nosotros lo hacemos de manera automática y, además, en tiempo real".

La herramienta sirve para gestionar los impagos de los clientes de siempre, pero sobre todo los de los nuevos: "Los clientes nuevos son de los que menos información tienes. Porque ahora, por ejemplo, puedes consultar las cuentas de una empresa, pero estarás teniendo datos de hace un año, y esos indicadores pueden ser válidos en momentos económicos optimistas, pero no en los cambiantes o de incertidumbre. Muchos de los problemas financieros entre empresas derivados de la crisis llegaron porque había compañías decidiendo dar crédito a sus deudores basándose en información financiera de hacía uno o dos años".

Y es que "las empresas suelen tener controlados a sus clientes grandes, pero no a los pequeños, que al final son la mayoría, porque no son capaces de dedicar tanto tiempo solo a analizar su estabilidad financiera", asegura Villalba, con lo que factores como el índice de comportamiento en pagos, el límite de crédito y el riesgo inmediato de impago acaban quedando fuera.

Ahora, por tanto, "con el 'machine learning' gestionamos una cantidad de datos mucho mayor, predice escenarios futuros y hace unos análisis de riesgo de mucha más calidad, lo que permite automatizar los procesos, tener una mayor eficiencia, ahorrar costes e incluso permitirse políticas comerciales agresivas en tiempos de incertidumbre de información".