Data Pub de octubre presenta el motor de decisión de crédito de Bankaya
29 de Octubre de 2025
El pasado 29 de octubre, en las instalaciones de la Escuela de Gobierno y Transformación Pública (EGobiernoyTP), sede Mixcoac, se llevó a cabo el Data Pub de octubre, con la participación de Francys Lanza García, Data Scientistes especializada en soluciones de Machine Learning para riesgo y fraude en servicios financieros.
Durante la charla, Francys habló sobre el diseño, funcionamiento e impacto del motor de riesgo crediticio desarrollado por Bankaya, el cual evalúa perfiles con poco o nulo historial crediticio a través de fuentes de datos alternativas, como geolocalización, señales del dispositivo y transacciones en tiempo real. Este sistema ha permitido mejorar la conversión, reducir el riesgo del portafolio y acelerar los tiempos de aprobación, además de facilitar implementaciones sin fricción con socios comerciales. La automatización de los ciclos de entrenamiento y despliegue ha liberado tiempo para la innovación y el desarrollo de nuevos productos.
Francys explicó la infraestructura técnica que sustenta este motor, destacando la implementación de un feature store unificado, capaz de servir features tanto en batch como en streaming, garantizando consistencia entre los entornos de entrenamiento y predicción. También profundizó en los procesos de MLOps (CI/CD/CT), las validaciones offline/online, y los mecanismos de despliegue seguro que permiten la actualización continua de modelos sin interrumpir las operaciones.
El público asistente, conformado por estudiantes, profesores y entusiastas del análisis de datos, participó activamente en la discusión sobre los principales temas tratados, que incluyeron los pilares operativos del motor de riesgo —Modern MLOps Stack, Prediction AI, Generative AI e Inteligencia Humana—, así como los modelos predictivos empleados por Bankaya: Approval Model, Fraud Model, Collection Model y Demand Forecasting. Asimismo, se abordó el papel del feature store en la integración de datos no tradicionales (como geolocalización, reconocimiento facial y uso de aplicaciones móviles) para mejorar la precisión y escalabilidad del sistema.
Entre los puntos más destacados, se subrayó el impacto del uso de IA generativa en la productividad del equipo, al permitir optimizar código y acelerar el prototipado, y el papel del monitoreo proactivo en la detección de degradaciones de desempeño antes de que afecten al modelo. Además, Lanza enfatizó la importancia de la explicabilidad de los modelos mediante chat values y agentes que traducen la complejidad técnica en información accesible para analistas y tomadores de decisiones.
La ponente explicó que el motor de crédito funciona como una máquina que, en segundos, evalúa miles de solicitudes de crédito utilizando datos no tradicionales, facilitando la inclusión financiera de usuarios que antes eran rechazados por falta de historial. Este enfoque ha permitido a Bankaya dedicar más tiempo a la innovación, pasando de un 70% de tareas operativas a un 70% de experimentación.
El evento concluyó con un espacio de preguntas y diálogo entre la ponente y los asistentes, quienes reconocieron el valor de compartir casos de aplicación real de la inteligencia artificial en el ámbito financiero y su potencial para promover la inclusión y la innovación en los servicios digitales.
El Data Pub forma parte de las iniciativas de la EGobiernoyTP para fomentar el diálogo en torno a los avances tecnológicos en datos e inteligencia artificial.
