Modelos de inteligência artificial para previsão de inadimplência

Abstract

Este trabalho tem como objetivo analisar o uso de modelos de Inteligência Artificial na previsão de inadimplência, com ênfase na compreensão de como diferentes algoritmos supervisionados têm sido aplicados por instituições financeiras para estimar o risco de crédito. A partir de uma revisão bibliográfica e documental, busca-se explorar o funcionamento geral de modelos como regressão logística, árvores de decisão, random forest e XGBoost, destacando suas contribuições, vantagens e limitações em cenários reais. Também se pretende discutir os critérios comumente utilizados para avaliar esses modelos — como acurácia, precisão e área sob a curva ROC —, além de identificar os benefícios práticos que a adoção dessas tecnologias pode trazer à gestão de crédito. Por fim, espera-se apresentar reflexões e recomendações que possam orientar o uso responsável e eficaz da Inteligência Artificial no setor financeiro, mesmo em organizações que ainda estão em fase inicial de transformação digital.

This study aims to analyze the use of Artificial Intelligence models in default prediction, with an emphasis on understanding how different supervised algorithms have been applied by financial institutions to estimate credit risk. Through a bibliographic and documentary review, the work explores the general functioning of models such as logistic regression, decision trees, random forest, and XGBoost, highlighting their contributions, advantages, and limitations in real-world scenarios. It also discusses the criteria commonly used to evaluate these models—such as accuracy, precision, and the area under the ROC curve—as well as identifying the practical benefits that the adoption of such technologies can bring to credit management. Finally, the study intends to present reflections and recommendations to guide the responsible and effective use of Artificial Intelligence in the financial sector, even in organizations that are still in the early stages of digital transformation.