Nas últimas décadas, o crédito expandiu-se em Portugal e desenvolveu diferentes classes de devedores. Na realidade actual, muitas famílias continuam a enfrentar dificuldades financeiras e uma parte representativa da população não consegue pagar as suas dívidas. Um projecto desenvolvido por Leonardo Vanneschi e Diego Costa Pinto, professores da NOVA Information Management School (NOVA IMS) da Universidade Nova de Lisboa (UNL), demonstra que a Inteligência Artificial pode ser uma ferramenta útil para mitigar os efeitos deste fenómeno.
O projecto “AICE” consiste na criação de modelos descritivos e preditivos do sobre-endividamento de particulares e famílias em Portugal através de algoritmos de Machine Learning. Permite identificar, caracterizar e descrever os factores que conduzem a uma situação financeira complexa. No projecto foram identificados três clusters de famílias sujeitas ao risco do sobre-endividamento:
- (Cluster 1) Famílias com baixos rendimentos (31,27%) vítimas de eventos adversos na sua vida. São frequentemente famílias de tamanho médio com as seguintes características: emprego no sector privado, baixo nível de desemprego, rendimentos relativamente baixos, baixo uso de cartão de crédito, dificuldades quando a família aumenta.
- (Cluster 2) Famílias com baixo controlo do crédito (37,40%), geralmente pequenas, com maior rendimento, grande uso de cartão de crédito, baixo controlo do crédito, e que podem ser consumidores compulsivos.
- (Cluster 3) Famílias afectadas por crises (31,33%) que ficam sobre endividadas principalmente devido a mudanças bruscas provocadas por crises económicas, como o desemprego e cortes salariais. Famílias numerosas, com baixos rendimentos, grandes despesas domésticas e alta taxa de desemprego.
«Apesar de já terem sido desenvolvidos vários estudos sobre a influência de factores socioeconómicos no sobre-endividamento, até agora poucos tinham explorado o contributo que a Inteligência Artificial pode dar para prever esse fenómeno, permitindo o desenvolvimento de acções que ajudem os consumidores a fazer face ao problema, principalmente numa altura em que o recurso ao cartão de crédito é cada vez maior e os empréstimos também aumentaram», realçou o professor Leonardo Vanneschi.
«A análise realizada permitiu prever o sobre-endividamento com uma precisão de 89,2% e pode servir como ponto de partida para o desenvolvimento de um conjunto de intervenções para auxiliar na resolução alternativa de litígios da dívida dos portugueses», acrescentou.
Produzidos automaticamente por um sistema baseado na Programação Genética, os modelos desenvolvidos pelo projecto AICE, através de algoritmos Machine Learning, ajudam ainda a investigar a influência de factores psicológicos, como atitudes em relação à dívida, preferências temporais ou literacia financeira.
