Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/83161

TítuloAI-based consumer's creditworthiness assessment: era of automation, future of scoring and the EU policymaking on automated decision-making
Autor(es)Rebelo, Diogo Morgado
Ferreira, Filipa Campos
Palavras-chaveAI-based scoring
Creditworthiness assessment
Automated decision-making
Consumer Credit
Scoring baseado em IA
Decisões automatizadas
Avaliação de solvabilidade
DataDez-2022
EditoraUniversidade do Minho. Centro de Investigação em Justiça e Governação (JusGov)
CitaçãoMorgado Rebelo, Diogo & Campos Ferreira, Filipa - “AI-Based Consumer’s Creditworthiness Assessment: Era of Automation, Future of Scoring, and the EU Policymaking on Automated Decision-Making”. In: E. Tec. Yearbook - Industry 4.0: Legal Challenges (coord: Eva Sónia Moreira), JusGov, 2022-
Resumo(s)Today, credit data drives almost the entire consumer lending operation. Applicants should fear how some of their demographic, financial, employment or behavioural characteristics affect (may affect) determinately the possibility of obtaining loans. Credit scoring, fundamentally, stands as a tool that lies its value at the pre-contractual stage of determining the passive party. It is no longer the credit analysts or the programmers but the inputs sets' quality and, hence, the self-learning models derived, that decides whom to be granted a loan. From traditional judgemental systems to recent technological breakthroughs, AI software have shown an increasingly ability to operate successfully in classification tasks such as creditworthiness assessment. However, scoring based on AI raises an energetic tutelage on protecting personal data, especially in what esteems profiling consumers’ solvency. Are the GDPR and the EU sectorial policymaking ready to meet the challenges exhorted by Big Data and AI? How lawful is it for lenders and bureau agencies to rely on alternative data to assess a client’s creditworthiness? How or when credit analysts must intervene? What kind of information should they provide to the data subjects? Thus, it was in the light of the scope, legal grounds, and automated decision-making regime, as well as the somewhat illusory guarantees that the European legislator has enshrined - in Art. 22 of the GDPR, Arts. 13 and 14 of the Proposal for an AI Act, and in the Arts. 12 and 18 (6)(a)(b)(c) of the Proposal for a Directive on Consumer Credits, of 30 June 2021 - that we conclude the need to adopt multidisciplinary regulatory policies striving for a better (cyber) consumers’ financial info literacy.
Atualmente, os dados de crédito impulsionam quase toda a operação de concessão de empréstimos aos consumidores. Algumas das características sociodemográficas, financeiras, laborais e comportamentais dos candidatos afetam (ou podem afetar) determinantemente a possibilidade de estes serem aceites. O scoring de crédito é, portanto, fundamentalmente, um instrumento fulcral na fase pré-contratual para a determinação da parte passiva. Já não são os analistas de crédito ou os programadores, mas sim a qualidade dos conjuntos nas entradas e, consequentemente, os modelos de aprendizagem daqui derivados, que decidem a quem será concedido crédito. Dos sistemas tradicionais de opinião aos mais recentes avanços tecnológicos, dir-se-á que os software de IA têm envalecido uma capacidade crescente de operar em tarefas de classificação como esta. Em todo o caso, o scoring baseado em tecnologias de IA suscita uma tutela energética quanto a questões de proteção de dados pessoais, especialmente naquilo que contende com a definição do perfil dos candidatos quanto à sua solvência. Estarão, tanto o RGPD, como as políticas setoriais da UE, preparados para superar os desafios exortados pela Big Data e IA? É lícito para as instituições de crédito e sociedades financeiras e para os bureaus de crédito fazerem uso de dados alternativos para apurarem a solvabilidade de um cliente? Como (ou antes, quando) deve o analista de crédito intervir? Que tipo de informação deve ser prestada ao titular dos dados? Foi, portanto, à luz do âmbito, dos fundamentos de licitude e do regime das decisões automatizadas, bem como das ilusórias garantias adequadas que o legislador europeu consagrou – tanto no artigo 22.º, n.º 3, do RGPD, como nos artigos 13.º e 14.º da Proposta de Regulamento IA ou nos artigos 12.º e 18.º, n.º 6, als. a), b) e c), da Proposta de Diretiva, relativa aos créditos aos consumidores, de 30 de junho de 2021 – que se conclui pela necessidade de serem adotadas políticas regulatórias multidisciplinares que visem uma melhor alfabetização ciber dos consumidores em matéria de infoliteracia financeira.
TipoCapítulo de livro
DescriçãoE. Tec yearbook, ISSN 2184-707X
URIhttps://hdl.handle.net/1822/83161
Versão da editorahttps://repositorium.sdum.uminho.pt/bitstream/1822/81488/1/E-TEC_2022_Yearbook.pdf
Arbitragem científicayes
AcessoAcesso aberto
Aparece nas coleções:JusGOV - Livros e capítulos de livros

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
(1) E.Tec - Yearbook (1).pdf2,02 MBAdobe PDFVer/Abrir

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID