Industria 06 · Capital
El sector con más dato y con más responsabilidad. Aquí la pregunta no es qué se puede automatizar, sino qué se puede explicar cuando alguien reclama.
Por qué este sector
Una parte grande de la población dominicana no tiene historial crediticio formal, y sin embargo tiene ingresos, flujo y comportamiento de pago observables. Ese es el problema donde estas técnicas realmente aportan valor económico en el país.
Y es también el terreno donde un modelo mal gobernado hace más daño, porque una negativa automatizada que nadie sabe explicar es indefendible frente al cliente y frente al regulador.
Ruta de aprendizaje
No se salta de nivel. Cada uno construye el dato y el criterio que necesita el siguiente, y el nivel 1 no cuesta dinero.
Nivel 1
Empezar
Nivel 2
Consolidar
Nivel 3
Escalar
Casos de uso
Caso 01
La remesa es un flujo enorme y muy repetitivo en la República Dominicana, y por eso los patrones anómalos se detectan bien.
Caso 02
Flujo de caja de un colmado, historial de pago de servicios y comportamiento transaccional dicen mucho de quien no tiene ficha en el buró.
Caso 03
Cruzar operaciones contra listas y umbrales, que hoy consume horas de trabajo manual repetido.
Caso 04
Explicar un cargo, una comisión o un plazo sin la jerga que nadie entiende y que genera la mitad de las llamadas.
Caso 05
Detectar la señal de impago antes del impago, que es cuando la solución todavía es barata para las dos partes.
Límites
Ningún caso de uso de esta página vale nada si se ignoran estos tres puntos.
Si un modelo niega un crédito y nadie puede decir por qué, la entidad no puede defenderlo ante el cliente ni ante el supervisor. La explicabilidad no es un extra, es el requisito.
Un modelo entrenado con la historia de a quién se le prestó antes reproduce a quién se le negó antes. Se mide por sexo, por zona y por edad, y se documenta.
Números de cuenta, cédulas, saldos y operaciones no se pegan en un asistente de uso general. Es el sector donde esta regla admite menos matices.
Dato propio
Filtrado del registro de compras públicas de este observatorio, construido desde la API de la DGCP. La clasificación por sector es por palabra clave sobre la entidad contratante y el título del proceso, así que es orientativa y revisable, no un criterio experto.
Se muestran los 12 más recientes de 20 coincidencias. El resto está en el registro completo.
Preguntas
Esta página se corrige
Si algo está mal o falta un caso que en la República Dominicana sí importa, es un fallo del observatorio. Las fuentes están publicadas para poder comprobarlo.
Los usos más asentados son detección de fraude en transacciones y remesas, clasificación y enrutado de consultas de clientes, y apoyo al área de cumplimiento con trabajo documental repetido. La evaluación de riesgo crediticio con modelos es el terreno de mayor valor y también el de mayor exigencia, porque cada decisión tiene que poder explicarse.
Puede ayudar a evaluarlos, que es distinto. Flujo de caja, historial de pago de servicios y comportamiento transaccional describen a alguien que no tiene ficha en el buró. La condición es que la entidad pueda explicar cada decisión y revise periódicamente si el modelo discrimina por sexo, zona o edad.
En la República Dominicana todavía no hay una ley específica de inteligencia artificial, así que rigen la normativa financiera general y la de protección de datos. En la práctica eso significa que la entidad debe poder justificar sus decisiones, conservar el rastro de cómo se tomaron y responder por ellas, independientemente de que las haya calculado un modelo.
Seguir leyendo
Empleo
El sector de servicios que más empleo joven concentra en el país es también el más expuesto, porque su trabajo...
Ver la páginaExportación
Es el motor exportador del país y el sector donde la IA lleva más tiempo funcionando de verdad, porque en una ...
Ver la páginaEducación
El profesor dominicano no compite contra una herramienta que sus estudiantes ya usan. Compite contra no tener ...
Ver la página