Banking 4.0 - Ed. 2020

3. All Data Is Credit Data: Apontamentos Sobre a Regulação do Credit Score

Entre no Jusbrasil para imprimir o conteúdo do Jusbrasil

Acesse: https://www.jusbrasil.com.br/cadastro

Autores:

Daniel Becker

Gabriela Cavalheiro

Roberto Rommel

1. Introdução

A atividade de concessão de crédito precede o capitalismo e até mesmo os Estados nacionais. Durante a Idade Média, por exemplo, empréstimos com juros somente eram concedidos por judeus, pois a usura era condenada pelas sociedades cristãs da época. A usura possibilitou aos judeus o acúmulo de capital necessário para financiarem, no início do último milênio, desde catedrais, castelos, até mesmo cruzadas e grandes navegações com ânimo colonizador, mediante o pagamento de contrapartidas cumulativas com o tempo.

Para se ter ideia da capacidade financeira dos judeus à época, foi com o capital proveniente da usura, por exemplo, que foi financiada a expedição de Cristóvão Colombo. Ao contrário do que se acredita, a aventura além-mar não foi financiada pela Rainha Isabel, mas sim por alguns judeus proeminentes da época, aí incluído o rabino Don Isaac Abravanel, ascendente do apresentador e empresário brasileiro Silvio Santos. 1

A justificativa teológica dizia respeito à atribuição de valor ao tempo, que, na doutrina cristã do Medievo, pertencia unicamente a Deus. É interessante verificar que, superada a questão pelo cristianismo há séculos, a Shari’a, lei canônica do Islã praticada em diversos países do mundo árabe, segue tratando a usura e outras características de financiamentos e empréstimos de forma diferente do Ocidente. Não à toa, existem atualmente fundos de investimento no Oriente Médio 2 que ostentam a certificação de “Sharia’a based” e “Shari’a compliant3

Superada essa breve digressão histórica, é tempo de dizer que a economia da sociedade contemporânea tem, como sustentáculo, o crédito. Países dependem de empréstimos, sociedades empresariais estão constantemente alavancadas e o cidadão, seja para compras corriqueiras, seja para aquisição atípica, tem, nas instituições financeiras, a sua opção preponderante para obtenção de financiamentos.

Juros, condições de financiamento, prazos et cetera são inerentes ao mercado de crédito e cada instituição financeira tem suas próprias modelagens estatísticas para saber se, como e quando devem emprestar dinheiro a seus clientes. É nesse contexto que nasce o credit score ou escore de crédito: nada mais que uma avaliação baseada em dados para criação de modelos preditivos sobre possibilidade de inadimplemento, a fim de que se precifique o custo de determinado crédito.

Com a evolução tecnológica e a alvorada das fintechs, empresas de tecnologia focadas em disrupção no mercado bancário e financeiro, as modelagens de crédito precisam ser mais agressivas para que essas inovadoras empresas possam fazer frente aos tradicionais bancos de varejo que, até o momento da publicação deste artigo, ainda reinam supremas neste mercado, comprovando sua concentração. Do ponto de vista do crédito para pessoas físicas, o credit score torna-se ainda mais relevante com a quantidade de dados disponíveis de cada indivíduo e o potencial das ferramentas analíticas de ciência de dados que conseguem agrupar pessoas em clusters por seus hábitos, características e demais aspectos pessoais.

O presente ensaio tem como objetivo abordar os aspectos regulatórios do escore de crédito, cuja falta e, posteriormente, ineficácia da regulamentação resultaram na consolidação de uma indústria, para bem ou para mal, com liberdade de faroeste. Pela amplitude do tema, estreitaremos nossa abordagem ao credit score de pessoas naturais à luz das leis de proteção de dados, trazendo, ao final, alguns apontamentos relacionados ao panorama regulatório da ferramenta no Brasil – por vezes trazendo elementos do direito comparado.

2. O credit score

No negócio de concessão de crédito em grande escala, há muitas decisões que devem ser tomadas, seja de aceitar, rejeitar, ajustar e especificar propostas de empréstimos, aumentar ou diminuir limites de crédito, autorizar ou rejeitar solicitações para compras com o cartão de crédito etc. A única maneira prática de se gerenciar uma organização dessa natureza, e que seja altamente descentralizada e eficiente, é utilizando o controle estatístico de forma automatizada 4 , o popular escore de crédito. Embora não haja certeza, por força das infinitas variáveis, o poder da estatística se mostra bastante confiável e eficiente para uso por instituições financeiras, mitigando a ocorrência de inadimplementos. 5

O credit score ou escore de crédito, portanto, é um resumo da capacidade creditória aparente de uma pessoa física ou jurídica que auxilia uma instituição financeira a prever a probabilidade relativa de um evento financeiro negativo, como uma inadimplência de uma obrigação de crédito. 6 Em linhas simples, quando um consumidor solicita crédito, tenta refinanciar um empréstimo ou deseja alugar uma casa e quer contratar uma fiança bancária, potenciais credores buscam informações sobre as condições financeiras do candidato fundo na forma de uma pontuação fornecida por um bureau de crédito ou analistas especializados 7 , o que é decisivo para influenciar a decisão do credor de conceder crédito e os termos dessa operação.

Nesse sentido, utiliza-se o escore de crédito para quantificar o risco nas diferentes fases do ciclo de crédito, exempli gratia, aplicação, comportamento, modelos de cobrança, juros et cetera. A ferramenta é relevante, pois permite que as instituições financeiras padronizem e/ou automatizem decisões, por exemplo, quando lidam com grandes volumes de clientes e margem de lucros relativamente pequena nas transações individuais 8 , o que aumenta substancialmente a eficiência na concessão (ou não) do crédito.

Um dos motivos para a utilização do credit score, em grandes proporções, consiste na possibilidade de escalar economicamente determinadas atividades ou, ainda, na viabilização propriamente dita de determinados modelos de negócio. A título de exemplificação, na economia digital, é impossível conceber agentes humanos analisando todos os dados produzidos dentro de uma aplicação de transporte alternativo, e gerando respostas direcionadas para motoristas e passageiros com margens de erro beirando a zero; da mesma forma que é inconcebível colocar humanos analisando todas as potenciais operações de crédito de uma instituição financeira que atende ao mercado de consumo. Com a evolução tecnológica constante, acompanhada da digitalização dos serviços bancários e a proliferação das fintechs, a necessidade de dotação de escala a esses procedimentos é ainda mais relevante. Assim, elimina-se o fator humano em prol da acurácia, da eficiência e da redução brusca de custos operacionais. 9

3. A tecnologia de escore de crédito

Até idos dos anos 90, a maioria dos credores utilizava, para fins de escore de crédito, um índice ou uma taxa única que era complementada com procedimentos de entrevista com potenciais clientes que buscavam crédito 10 . Esses processos não somente eram exaustivos do ponto de vista laboral mas também podiam ser profundamente influenciados por vieses pessoais dos operadores humanos. Hoje, a realidade é bem diferente. À medida que custos de armazenamento e de computação caíram, instituições financeiras começaram a precificar suas operações de forma quase individualizada.

Nos anos 1960, Gordon Earl Moore, cofundador da Intel, previu que a quantidade de transistores contidos nos processadores dobraria, em média, a cada dois anos, dando origem à chamada Lei de Moore, que, em 1975, foi revisada de modo que o período de dois anos fosse reduzido para dezoito meses. Isso significa que a evolução computacional obedece a uma função exponencial 11 , e explica por que os computadores da geração de Alan Turing ocupavam andares inteiros e possuíam uma ínfima capacidade de computação se comparados aos corriqueiros smartphones. 12

Da mesma forma, a explosão da disponibilidade de dados, a representação fidedigna do distante ou imediato passado que fora digitalizado 13 , é outro grande combustível da economia. A Lei de Kryder, que rege o aumento da capacidade de armazenamento dos dispositivos magnéticos e, consequentemente, o seu barateamento, também possui projeções exponenciais. 14 Enquanto, em 1981, um dispositivo de um gigabyte de armazenamento custava US$ 300.000,00 (trezentos mil dólares), em 2015, o valor já era de US$ 0,03 (três centavos de dólar) 15 .

A digitalização de tudo impactou profundamente os negócios e muitas corporações largaram na frente justamente por saberem utilizar a disponibilidade dessa quantidade colossal de dados produzidos numa frequência jamais vista. Para se ter uma ideia dessa magnitude, em 2009, os varejistas com mais de mil funcionários detinham 200 terabytes de dados sobre seus consumidores – 10 terabytes representam toda a Biblioteca do Congresso americano. 16

Contudo, o que significa isso? A expressão “algoritmo” entrou no vocabulário popular há pouco mais de uma década e, desde então, é vista como algo místico, quase mágico, devido ao crescente hype em torno da inteligência artificial. Isso porque, nas últimas décadas, o subcampo da ciência da computação, conhecido como aprendizado das máquinas (machine learning) e suas derivações (deep learning, neural networks et cetera), ganhou especial importância. Não é exagero dizer que, embora muitas vezes não nos demos conta, algoritmos ditam o ritmo da sociedade moderna: quais produtos são anunciados para o consumidor, se alguém é apto a preencher uma vaga de emprego, quem tem maiores chances de cometer um crime e se um réu deverá ficar preso preventivamente ou não; todos esses cálculos são conduzidos por algoritmos alimentados pelos dados que produzimos. Não é exagero afirmar, portanto, que nossa sociedade depende – e tende a cada vez tornar-se mais dependente – de algoritmos de inteligência artificial probabilísticos.

Com a proliferação do uso de smartphones, mídias sociais e meios de pagamento na última década, o usuário deixa, a todo o tempo, pegadas digitais, cuja trilha é facilmente possível de ser seguida por empresas de escore de crédito. 17 Esses dados tornam-se metadados de crédito, pois se combinam com as informações convencionais de crédito. Prever o risco de crédito com base nas preferências de varejo de um consumidor é apenas a ponta do iceberg; muitas ferramentas alternativas de avaliação de crédito agora pretendem analisar tudo, desde hábitos de navegação do consumidor e atividades de mídia social até dados de geolocalização 18 , construindo o perfil de cada indivíduo, a partir desses dados, metadados e ferramentas de análise de crédito.

O perfilamento (profiling) é a chave de qualquer negócio business-to-customer (B2C) que tenha como matriz...

Uma experiência inovadora de pesquisa jurídica em doutrina, a um clique e em um só lugar.

No Jusbrasil Doutrina você acessa o acervo da Revista dos Tribunais e busca rapidamente o conteúdo que precisa, dentro de cada obra.

  • 3 acessos grátis às seções de obras.
  • Busca por conteúdo dentro das obras.
Ilustração de computador e livro
jusbrasil.com.br
6 de Dezembro de 2021
Disponível em: https://thomsonreuters.jusbrasil.com.br/doutrina/secao/1198085288/3-all-data-is-credit-data-apontamentos-sobre-a-regulacao-do-credit-score-banking-40-ed-2020