Governança Para Definição Do Score De Crédito: A Participação Social Como Instrumento De Adequação Do Sistema

Contenido principal del artículo

Maique Barbosa de Souza
https://orcid.org/0000-0003-4130-8450

Resumen





A adoção de sistemas de inteligência artificial para a definição do score do risco de crédito tornou- se uma situação cada vez mais comum. No entanto, a adoção de tais sistemas, preconiza que o sistema seja adequado à sociedade para a qual será utilizado. Dessa forma, a pesquisa reflete sobre a importância de se adotar equipes multidisciplinares para a construção de sistemas de inteligência artificial de análise de crédito a fim de prover tal adequação. O problema indagou se a adoção de profissionais de áreas diversificadas para a adequada implementação do sistema de inteligência artificial de análise de crédito, com vistas a incorporar particularidades da economia local, permitirá uma melhor adequação do risco assumido em cada operação. A investigação para responder ao problema voltou-se para situações onde a análise do risco não conseguiu captar particularidades dos mercados locais, gerando inadequação na análise do risco e expondo a instituição financeira a situações indesejadas. Como conclusão da pesquisa, observou-se que a implementação de sistemas de inteligência artificial para a análise de crédito expõe a instituição financeira a novos riscos, merecendo tal situação uma estrutura de governança apropriada e dotada de instrumentos que permitam a adequação do modelo à sociedade que busca definir o risco.





Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Barbosa de Souza , M. . (2022). Governança Para Definição Do Score De Crédito: A Participação Social Como Instrumento De Adequação Do Sistema. E3 — Revista De Economia, Empresas E Empreendedores Na CPLP, 8(1), 089–101. https://doi.org/10.29073/e3.v8i1.617
Sección
Articles

Citas

Barocas, S. & Selbst, A. (2016). Big Data’s Disparate Impact. California Law Review, 2016. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2477899.

Banco Central do Brasil. (2018). O brasileiro e sua relação com o dinheiro. Banco Central do Brasil. Recuperado de https://www.bcb.gov.br/content/cedulasemoedas/pesquisabrasileirodinheiro/Apresentacao_brasileiro_relacao_dinheiro_2018.pdf.

BCBS. (2004). Basel II: International Convergence of Capital Measurement and Capital Standards: a Revised Framework. Basel Committee on Banking Supervision. Basiléia. Recuperado de https://www.bis.org/publ/bcbs107.htm.

Berquó, A. (2013). O crédito na sociedade de consumo. (Tese de Doutorado). Programa de Pós-Graduação em Sociologia da Universidade Federal da Paraiba.

Comissão Europeia. (2019). Excelência e confiança na inteligência artificial. Recuperado de https://ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/excellence-trust-artificial-intelligence_pt#benefcios-da-inteligncia-artificial.

Entsminger, J., Esposito, M., Tse, T. & Goh, D. (2018). What Governments need to understand about ethical AI. The European Business Review September. Recuperado de https://www.europeanbusinessreview.com/what-governments-need-to-understand-about-ethical-ai/

Ferguson, N. (2009). A ascensão do dinheiro: a história financeira do mundo; tradução Cordelia Magalhães. São Paulo: Editora Planeta do Brasil.

Future of Life Institute. (2020). What makes people happy? Recuperado de https://www.youtube.com/watch?v=z1N96In7GUc.

Financial Stability Board. (2017). Artificial intelligence and machine learning in financial services - Market developments and financial stability implications. Recuperado de https://www.fsb.org/2017/11/artificial-intelligence-and-machine-learning-in-financial-service/.

Harreis, H. (2017). The future of risk management in the digital era. Mckynsey & Company, 2017. Recuperado de https://www.mckinsey.com/business-functions/risk/our-insights/the-future-of-risk-management-in-the-digital-era.

Lidén, M. (2018). Confirmation Bias in Criminal Cases. [Doctoral Thesis]. Uppsala University, SE-75120 Uppsala, Sweden. Recuperado de http://uu.diva-portal.org/smash/record.jsf?pid=diva2%3A1237959&dswid=686.

Meireles, R. (2018). Um em cada três brasileiros não tem conta em banco, mostra pesquisa Locomotiva. Recuperado de https://www.ilocomotiva.com.br/single-post/2019/09/24/um-em-cada-tr%C3%AAs-brasileiros-n%C3%A3o-tem-conta-em-banco-mostra-pesquisa-locomotiva.

Nunes, D. & Marques, A. (2018). Inteligência Artificial e Direito Processual: vieses algorítmicos e os riscos de atribuição de função decisória às máquinas. Revista dos Tribunais online. Revista de Processo, vol. 285, 421–447.

O’neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. New York: Crow.

Pager, D. & Shepherd, H. (2008). The Sociology of Discrimination: Racial Discrimination in Employment, Housing, Credit, and Consumer Markets. Annual Review of Sociology. Princeton University Library. New Jersey. Recuperado de 10.1146/annurev.soc.33.040406.131740.

Parlamento Europeu. (2017). Resolução do Parlamento Europeu, de 16 de fevereiro de 2017, que contém recomendações à Comissão sobre disposições de Direito Civil sobre Robótica (2015/2103(INL)). Princípios éticos. Recuperado de https://www.europarl.europa.eu/doceo/document/TA-8-2017-0051_PT.html#title1.

Pasquale, F. (2015). The black box society: The Secret Algorithms That Control Money and Information Harvad University Press, 2015.

Ross, S. & Yinger, J. (2002). The Color of Credit: Mortgage Discrimination, Research Methodology, and Fair-lending Enforcement. Cambridge. The MIT Press.

Santos, V. (2020). Gestão De Risco De Crédito Bancário - Caso Do Banco Comercial E De Investimentos (BCI, S. A). [Master Thesis]. Instituto Universitário de Lisboa. Recuperado de https://repositorio.iscte-iul.pt/handle/10071/22452.

Saunders, A. (2008). Financial Institutions management: a risk management approach. 6ª Ed. McGraw-Hill/Irwin, 2008. Recuperado de http://www.bulentsenver.com/FIN5477/Financial_Institutions_Management_AntonySaunders_TextBook.pdf.

Sayuri, J. (2021). O que é o G10 Bank. E qual é seu papel na pandemia. Nexo Jornal, 2021. Recuperado de https://www.nexojornal.com.br/expresso/2021/02/05/O-que-%C3%A9-o-G10-Bank.-E-qual-%C3%A9-seu-papel-na-pandemia.

The Nielsen Company. (2016). Estudo Global: Comércio Conectado. Recuperado de https://www.nielsen.com/br/pt/insights/report/2016/estudo-global-comercio-conectado-2/#.

Turner, M. (2006). Give Credit Where Credit Is Due: Increasing Access to Affordable Mainstream Credit Using Alternative Data. Political and Economic Research Council and The Brookings Institution Urban Markets Initiative. Recuperado de https://www.perc.net/wp-content/uploads/2013/09/alt_data.pdf