Volver a casos
Finanzas
2026 · ActivoArgenpesos · Riesgo con ML
Financiera PyME con cartera propia, cliente desde 2024. Construimos su sistema de riesgo crediticio con machine learning y lo integramos al motor de decisión: cada solicitud que entra recibe su clasificación de riesgo dentro del flujo, con la traza de cómo se llegó a ella.
El problema
Por qué nos llamaron.
Argenpesos se propuso incorporar machine learning a la evaluación de riesgo de su cartera. El desafío no era solamente entrenar un modelo: había que llevarlo al lugar donde las decisiones se toman de verdad — el motor de crédito — y que cada clasificación quedara auditable y el modelo se mantuviera actualizado solo.
La solución
Qué construimos.
- Modelo de riesgo entrenado sobre el comportamiento histórico de la cartera
- Integración con el motor de decisión de crédito: cada solicitud recibe su clasificación dentro del flujo, sin pasos manuales
- Traza de cada clasificación: se puede reconstruir por qué una solicitud quedó en un nivel de riesgo determinado
- Refresh mensual del modelo con regeneración automática de la política, sin rehacer la integración
- Herramienta propia para el equipo de riesgo, con acceso por SSO corporativo
- Validación adversarial contra datos reales de producción antes de cada salida
Tech Stack
Pythonscikit-learnSQL ServerAirflowNext.js
Resultados
Qué cambió.
- El modelo dejó de ser un análisis aparte: decide dentro del motor de crédito
- Cada clasificación queda trazada y es auditable
- El modelo se actualiza mes a mes sin intervención manual
- El equipo de riesgo trabaja la política sobre su propia herramienta
¿Tu equipo necesita algo así?
Una llamada de 30 minutos alcanza para entender el problema y proponer un plan.