NDA Real Estate Scoring de crédito

CLIENTE CONFIDENCIAL

Como uma incorporadora otimizou a concessão de crédito com Machine Learning e reduziu em 46% a inadimplência

Padronizar análise de risco de crédito e reduzir inadimplência em incorporadora

−46% Redução de inadimplência

Em busca de mais precisão e agilidade na concessão de crédito, uma grande incorporadora brasileira adotou uma solução baseada em machine learning desenvolvida pela BlueMetrics. O modelo preditivo foi treinado com dados históricos da própria empresa, considerando variáveis como renda, estado civil e número de filhos, para classificar automaticamente o risco de inadimplência de novos solicitantes. A solução, integrada de IA e apoiada por tecnologias da AWS, eliminou subjetividades no processo, reduziu o retrabalho entre áreas e permitiu decisões mais rápidas e fundamentadas. O resultado? Uma redução potencial de 46% na inadimplência.

Visão geral

Em um cenário de alta competitividade no mercado imobiliário, garantir que o crédito seja concedido aos clientes certos pode fazer toda a diferença. Foi exatamente esse desafio que uma das maiores incorporadoras do Brasil enfrentou e superou com o uso de inteligência artificial aplicada à análise de crédito.

Nosso cliente, uma empresa do setor imobiliário que atua com venda de unidades residenciais, também opera como financiadora, concedendo crédito direto aos compradores. Com o aumento do volume de vendas e o crescimento das operações, tornou-se evidente a necessidade de revisar o modelo de concessão de crédito, que até então era pouco padronizado e altamente dependente da avaliação subjetiva dos analistas.

*“Trabalhar com problemas como esse é extremamente motivador para nós, porque são estratégicos para o negócio e permitem aplicar nossa expertise de forma prática e mensurável,”afirma Luciano Rocha“Além disso, sabemos que uma estrutura de dados bem organizada faz toda a diferença na hora de desenvolver soluções de IA que realmente entreguem valor, e a expertise em dados é justamente um dos nossos maiores diferenciais.” *Contexto do mercado:

Problema: como otimizar o atendimento e fornecer respostas precisas sobre financiamentos?

Como vimos acima, além de atuar na venda de imóveis residenciais, a incorporadora também oferece financiamento próprio, o que amplia sua margem de lucro, mas também aumenta o risco financeiro. O processo de análise de crédito era conduzido manualmente, com base em critérios que variavam entre os analistas, incluindo até fatores subjetivos como o humor do dia ou a pressão por metas.

Essa falta de padronização gerava ineficiência, conflitos entre as áreas comercial e financeira, e dificultava o controle de risco. Em um mercado com alta inadimplência e prazos curtos para tomada de decisão, a empresa precisava urgentemente de uma abordagem mais objetiva, confiável e escalável para avaliar o risco de crédito de forma consistente e ágil.

“Temos visto esse tipo de desafio se repetir em vários setores: muito dado disponível, mas pouco aproveitamento estratégico,” destaca Luciano Rocha.* “É aí que nossa experiência ajuda as empresas a transformar esse potencial todo em iniciativas concretas.”*

**Limitações operacionais:

**Limitações de negócio:

**Limitações tecnológicas:

A solução: Machine Learning na análise de crédito

Para superar esse desafio e gerar valor real, a BlueMetrics desenvolveu um modelo de classificação baseado em machine learning capaz de prever, com base em variáveis como renda, estado civil e número de filhos, se um solicitante de crédito teria maior ou menor propensão à inadimplência.

O modelo foi treinado com dados históricos da própria empresa e integrado a um agente de inteligência artificial que realiza a consulta em tempo real. Assim que um novo pedido de crédito é recebido, o sistema avalia o risco automaticamente, gerando uma pontuação de risco para subsidiar a decisão dos analistas.

Importante: o controle final continua nas mãos do time humano, mas agora com o suporte de dados objetivos e consistentes.

A arquitetura foi construída com tecnologias escaláveis da AWS, como o Amazon SageMaker, garantindo performance, confiabilidade e flexibilidade para o crescimento da operação. complementa: “Já entregamos cerca de 200 projetos de dados e IA para mais de 90 clientes no Brasil, Estados Unidos e América Latina. E é justamente esse histórico que nos permite trazer rapidez na solução, segurança na entrega e foco total em resultados.” *Benefícios imediatos:

**Ganho estratégico:

**Diferenciais da solução:

Resultados:

A solução alcançou 92% de acurácia na classificação de bons pagadores, tornando o processo mais confiável e reduzindo significativamente o retrabalho entre áreas. A padronização trouxe clareza, reduziu conflitos internos e melhorou a eficiência operacional.

Segundo simulações com dados históricos, a empresa obteve uma redução potencial de até 46% na inadimplência, além de um ganho expressivo na velocidade das decisões de crédito.

Além disso, o modelo passou a gerar insights valiosos para o time de marketing, que passou a direcionar campanhas com base nos perfis de clientes mais propensos ao pagamento em dia. Isso criou um ciclo virtuoso de eficiência e prevenção, com impacto direto na rentabilidade da operação.

Tecnologias utilizadas

A solução foi projetada utilizando diversas tecnologias AWS, incluindo:

**Serviços AWS

**Linguagens, Libs e Frameworks

 Conclusão:

Este caso mostra como a aplicação de inteligência artificial no setor imobiliário pode ir muito além da automação. Ao trazer previsibilidade, agilidade e inteligência para o processo de concessão de crédito, a empresa conseguiu reduzir riscos, tomar decisões mais estratégicas e escalar suas operações com segurança.

Mais do que uma melhoria pontual, o projeto representou um salto na maturidade analítica da organização. “É muito gratificante ver uma solução gerar valor real e imediato para o cliente, resolvendo um problema concreto com impacto direto nos resultados,”conclui Luciano Rocha.“É isso que buscamos em cada projeto que entregamos.”

Todos os cases

PRÓXIMO PASSO

Tem um cenário parecido? Vamos conversar.

Falar com a BlueMetrics →