Cómo la IA podría ayudar a los negocios pequeños

¿Qué pasaría si la tecnología facilitara el predecir la capacidad de crédito de un pequeño negocio? En este artículo hablaremos acerca de la IA la cual se está relacionando con esta problemática.

TIEMPO DE LECTURA

texto alt

¿Cómo se calcula?

Descarga este Artículo

Conforme la tecnología abre la puerta a vastos tesoros de datos, están emergiendo oportunidades para crear nuevas perspectivas sobre la salud y prospectos de una empresa pequeña. Dichos insights tienen el potencial para resolver dos problemas definitivos que han enfrentado prestamistas y deudores: heterogeneidad – el hecho de que todos los pequeños negocios son diferentes, haciendo difícil el extrapolar de un ejemplo al siguiente – y la opacidad en la información – el hecho de que es difícil saber realmente qué es lo que está pasando dentro de una pequeña empresa.

Desde el punto de vista del prestamista, entre más pequeña es la empresa, es más difícil saber si esta realmente es redituable y cuáles podrían ser sus prospectos. Muchos propietarios de negocios pequeños no tienen una gran idea de su flujo de efectivo, de las ventas que podrían hacer, cuándo pagarán los consumidores o qué necesidades de efectivo podrían tener en base a la temporada o un nuevo contrato. Los pequeños negocios tienen pocas reservas de efectivo, así que un mal cálculo, un pago tardío o incluso el crecimiento rápido podría ocasionar una potencialmente mortal crisis de liquidez.

Sin embargo, ¿qué pasaría si la tecnología tuviera el poder para hacer que los dueños de pequeñas empresas conozcan mucho más sobre su flujo de efectivo, y que los prestamistas también lo sepan? ¿y si nuevos productos y servicios de préstamos facilitaran el predecir la capacidad de crédito de un pequeño negocio? ¿y si las pequeñas empresas tuvieran un tablero de sus actividades que les diera una imagen total de su salud financiera? ¿y si este tablero les ayudara a entender todas las opciones de crédito para las que califican hoy y qué acciones pudieran tomar para mejorar su calificación de crédito con el paso del tiempo? Mejor aún, ¿y si el tablero, aprovechando el poder predictivo del aprendizaje de las máquinas, pudiera ayudar a la empresa a evitar peligros a partir de datos sobre miles de negocios en industrias similares?

Es igualmente fácil imaginar un lado obscuro de los avances tecnológicos. Los economistas sugieren que los ganadores en varias industrias serán aquellos con control sobre grandes cantidades de datos estructurados y no estructurados. Si a ciertas compañías se les permite monopolizar datos, la innovación podría verse afectada. La futura regulación necesita asegurar acceso abierto a los flujos de datos.

Adicionalmente, conforme las máquinas aprenden a identificar quién tiene más probabilidades de incumplir el pago de sus préstamos, el riesgo de discriminación y exclusión se vuelve significativo. Una máquina podría identificar un factor de riesgo que se correlaciona fuertemente con raza, género o las características de otras clases protegidas e incluirlo como factor en el precio -a menos que reglas explícitas le impidan hacerlo. Incluso si la automatización se vuelve capaz de detectar discriminación y otros malos resultados, es probable que siga siendo necesaria la supervisión humana.

Una forma de superar estas preocupaciones es reunir los datos reales sobre acceso a capital en el mercado de las pequeñas empresas. La sección 1071 del Dodd-Frank Act — la ley que exige esta recolección de datos — fue aprobada después de la crisis financiera, pero todavía no se implementa. Reunir esta información y usarla para identificar y corregir brechas de mercado es un elemento fundacional clave de un mercado de crédito para pequeños negocios que sea altamente funcional, y será más importante conforme la inteligencia artificial se vuelve parte de las decisiones sobre préstamos.

“Conforme las máquinas aprenden a identificar quién tiene más probabilidades de incumplir el pago de sus préstamos, el riesgo de discriminación y exclusión se vuelve significativo.”.

“¿Y si nuevos productos y servicios de préstamos facilitaran el predecir la capacidad de crédito de un pequeño negocio?”.

“Avances tecnológicos tienen el potencial para resolver problemas definitivos que han enfrentado prestamistas y deudores de pequeñas empresas.”.

Conforme la tecnología abre la puerta a vastos tesoros de datos, están emergiendo oportunidades para crear nuevas perspectivas sobre la salud y prospectos de una empresa pequeña. Estos avances tienen el potencial de resolver algunos problemas que enfrentan prestamistas y deudores.
Desde el punto de vista del prestamista, entre más pequeña es la empresa, es más difícil saber si esta realmente es redituable y cuáles podrían ser sus prospectos. Mientras que los deudores, en sus pequeños negocios, no tienen una gran idea de su flujo de efectivo. Por lo que, un mal cálculo podría ocasionar una potencialmente mortal crisis de liquidez.
Entonces, ¿qué pasaría si la tecnología nos brindara la información necesaria que nos pueda ayudar con estos problemas tanto de prestamista como deudor?
Conforme las máquinas aprenden a identificar ciertos factores, el riesgo de discriminación y exclusión se vuelve significativo. Sin embargo, incluso si la automatización se vuelve capaz de detectar discriminación y otros malos resultados, es probable que siga siendo necesaria la supervisión humana.
Reunir esta información y usarla para identificar y corregir brechas de mercado es un elemento fundacional clave de un mercado de crédito, y será más importante conforme la inteligencia artificial se vuelve parte de las decisiones sobre préstamos.

© 2018 Harvard Business School Publishing Corp.

De: hbr.org

Distribuido por: The New York Times Syndicate.

How AI Could Help Small Businesses

As technology opens the doors to vast troves of data, opportunities are emerging to create new insights on a small business’s health and prospects. Such insights have the potential to resolve two defining issues that have faced lenders and borrowers: heterogeneity — the fact that all small businesses are different, making it difficult to extrapolate from one example to the next — and information opacity, the fact that it is hard to know what is really going on inside a small business.

From a lender’s point of view, the smaller the business, the more difficult it is to know whether the business is actually profitable and what its prospects might be. Many small-business owners do not have a great sense of their cash flow, the sales they might make, when customers will pay or what cash needs they could have based on the season or a new contract. Small businesses have low cash buffers, so a miscalculation, a late payment or even fast growth could cause a life-threatening cash crunch.

But what if technology had the power to make small-business owners significantly wiser about their cash flow, and lenders wiser as well? What if new loan products and services made it easier to predict the creditworthiness of a small business? What if small businesses had a dashboard of their activities that gave them an end-to-end picture of their financial health? What if this dashboard helped them understand all credit options they qualified for today and which actions they could take to improve their credit rating over time? And better yet, what if the dashboard, marshaling the predictive power of machine learning amassed from data on thousands of businesses in similar industries, could help a business head off dangers?

It is just as easy to imagine a dark side to the advances in technology. Economists suggest that winners in various industries will be those with control over large amounts of structured and unstructured data. If certain companies are allowed to monopolize data, innovation could be hampered. Future regulation needs to ensure open access to data streams.

In addition, as machines learn to identify who is more likely to default on their loans, the risk of discrimination and exclusion becomes significant. A machine might identify a risk factor that happens to correlate strongly with race, gender or the characteristics of other protected classes and — barring explicit rules preventing it from doing so — include it as a pricing factor. Even if automation becomes capable of detecting discrimination and other bad outcomes, it’s likely that human oversight will still be required.

One way to get ahead of these concerns is to collect the actual data on access to capital in the small-business market. Section 1071 of the Dodd-Frank Act — the law requiring this data collection — was passed after the financial crisis but has yet to be implemented. Collecting this information and using it to identify and correct market gaps is a critical foundational element of a highly functioning small-business credit market, and it will only become more essential as artificial intelligence becomes an integral part of lending decisions.

Si encontró algún error gramatical en este artículo, por favor notifíquelo a nuestros editores seleccionando el texto y presionando:“Ctrl + Enter”.