SCORE DE CRÉDITO E O ALGORITMO (INTELIGÊNCIA ARTIFICIAL) UTILIZADO PELAS INSTITUIÇÕES FINANCEIRAS: IMPACTO, RESPONSABILIDADES E DISCRIMINAÇÕES

CREDIT SCORE AND THE ALGORITHM (ARTIFICIAL INTELLIGENCE) USED BY FINANCIAL INSTITUTIONS: IMPACT, RESPONSIBILITIES AND DISCRIMINATION

Artigo submetido em 12 de junho de 2023
Artigo aprovado em 19 de julho de 2023
Artigo publicado em 31 de julho de 2023

Cognitio Juris Ano XIII – Número 48 – Julho de 2023 ISSN 2236-3009

.

Autor: Rafael Paraguassu de Oliveira[1]

.

RESUMO: O algoritmo de pontuação de crédito pode ser controverso e levar à discriminação intencional ou não intencional com base em fatores como renda, localização geográfica, gênero e raça. Esses fatores podem estar relacionados a questões socioeconômicas e raciais que afetam a capacidade de uma pessoa obter crédito ou saldar dívidas. Por exemplo, a renda pode estar relacionada à educação e às oportunidades de emprego, que por sua vez podem ser influenciadas por fatores como raça e gênero. localização geográfica pode estar relacionada. à disponibilidade de empregos bem remunerados e acesso a serviços financeiros. As pontuações de crédito de alto risco podem afetar outras áreas da vida de um indivíduo, como oportunidades de emprego ou opções de moradia. Alguns empregadores e proprietários podem realizar verificações de crédito como parte de seu processo de triagem. Ter uma pontuação de crédito de alto risco também pode contribuir para o estresse financeiro e a ansiedade dos indivíduos, pois eles podem lutar para sobreviver. É importante que indivíduos com pontuações de crédito de alto risco tomem medidas para melhorar sua credibilidade. As instituições financeiras devem ser transparentes no uso de pontuações de crédito e fornecer informações claras aos consumidores sobre como suas pontuações são calculadas. Isso pode ajudar os consumidores a tomar decisões informadas sobre suas vidas financeiras e evitar que o crédito seja negado injustamente. As instituições financeiras devem divulgar como seus algoritmos são desenvolvidos e quais fatores são levados em consideração. Auditorias independentes devem ser realizadas para garantir que os algoritmos não discriminem injustamente determinados grupos. Em última análise, é importante garantir que os algoritmos sejam usados ​​de forma justa e transparente.

Palavras-Chave: Score de Crédito – Algoritmo – Instituições Financeiras – Impactos e Responsabilidades.

ABSTRACT: The credit score algorithm can be controversial and lead to intentional or unintentional occurrence based on factors such as income, geographic location, gender and race. These factors may be related to socioeconomic and racial issues that generated a person’s ability to obtain credit or settle debts. For example, income can be related to education and employment opportunities, which in turn can be influenced by factors such as race and gender. geographic location may be related. the availability of well-paying jobs and access to financial services. High risk credit scores can affect other areas of an individual’s life, such as job opportunities or housing choices. Some employers and landlords may conduct credit checks as part of their screening process. Having a high risk credit score can also contribute to individuals’ financial stress and anxiety as they may struggle to make ends meet. It is important that individuals with high risk credit scores take steps to improve their expectation. Financial institutions must be transparent in their use of credit scores and provide clear information to consumers about where their scores are left. This can help consumers make tough decisions about their financial lives and avoid being unfairly denied credit. Financial institutions must disclose how their algorithms are observed and what factors are taken into account. Independent audits must be carried out to ensure that algorithms do not discriminate against unfairly determined groups. Ultimately, it’s important to ensure algorithms are used fairly and transparently.

Keywords: Credit Score – Algorithm – Financial Institutions – Impacts and Responsibilities.

INTRODUÇÃO

A O Credit Scoring é para análise de risco para concessão de crédito. Existem discussões a legalidade ou ilegalidade de crédito com base nesse método de avaliação. A Suprema corte resolveu a disputa existente modificando a ocorrência entendendo pela legalidade, desde que se cumpra a lei nº 12.414/2011 e o (CDC) e suas limitações. A problemática é que o uso do score não requer o consentimento do consumidor.

Trata-se de um modelo estatístico destinado a analisar o risco de crédito com base em dados como consultas ao CPF. Histórico de pagamentos de empréstimos, dívidas etc. Consequentemente, deve-se entender que esta prática comercial é legal e não requer permissão do consumidor para utilizá-la. No entanto, esta legalidade não exclui o cumprimento de outras obrigações previstas na legislação de defesa do consumidor.

O consumidor tem o direito de saber os dados em que se baseia sua pontuação, não podendo ser negado o fornecimento desses dados. As informações devem ser totalmente transparentes com CDC e 12.414/2011. s. com a lei (art. 5.º, inciso IV), bem como a LC 166 abaixo.

O algoritmo de pontuação de crédito pode ser controverso e levar à discriminação intencional ou não intencional com base em fatores como renda, localização geográfica, gênero e raça. As instituições financeiras precisam revisar seus processos e garantir que sejam justos e transparentes. As pontuações de crédito de alto risco também podem afetar outras áreas da vida de um indivíduo, como oportunidades de emprego ou opções de moradia.

Ter uma pontuação de crédito de alto risco também pode contribuir para o estresse financeiro e a ansiedade dos indivíduos. É importante que indivíduos com pontuações de crédito de alto risco tomem medidas para melhorar sua credibilidade, como pagar contas em dia e reduzir dívidas. Buscar ajuda de um consultor financeiro ou de crédito também pode ser útil no desenvolvimento de um plano para melhorar sua pontuação de crédito.

Preconceitos são uma espécie de atalhos mentais. São julgamentos baseados em associações automáticas, estereótipos e experiências passadas. Esses julgamentos podem levar a uma conclusão certa ou errada, mas são naturalmente mais frágeis e superficiais. Os vieses cognitivos influenciarão diretamente na tomada de decisão rápida e não deliberada, sem, no entanto, que o enviesado perceba.

Os consumidores podem não estar cientes de fatores estão sendo usados ​​para calcular suas pontuações de crédito e podem não ter a oportunidade de contestar quaisquer erros.

1 SCORE DE CRÉDITO

1. Aspectos

Conhecido como “credit scoring” ou “credscore” é um sistema desenvolvido para análise do risco de concessão de crédito ao consumidor[2]. Desde modelos estatísticos, considerando diversas variáveis, como a idade, profissão, finalidade de obtenção do crédito, renda, entre outros.

Sugere a probabilidade de não adesão de determinado grupo ou perfil no qual um consumidor está inserido, atribuindo, com base nessas variáveis, uma nota final ao avaliado.

Vale ressaltar que não se trata de um cadastro ou banco de dados de consumidores, mas de uma metodologia de cálculo do risco de crédito, utilizando-se de modelos estatísticos e de dados existentes no mercado.

Por muito tempo discutiu-se acerca da licitude da restrição de crédito com base nesse método de avaliação. Assim, recentemente, o Superior Tribunal de Justiça pacificou a controvérsia existente, ao editar a Súmula nº 550:

Súmula 550-STJ: A utilização de escore de crédito, método estatístico de avaliação de risco que não constitui banco de dados, dispensa o consentimento do consumidor, que terá o direito de solicitar esclarecimentos sobre as informações pessoais valoradas e as fontes dos dados considerados no respectivo cálculo.

A utilização de escore de crédito, método estatístico de avaliação de risco que não constitui banco de dados, dispensa o consentimento do consumidor, que terá o direito de solicitar esclarecimentos sobre as informações pessoais valoradas e as fontes dos dados considerados no respectivo cálculo.

Entende-se, portanto, que essa prática comercial é lícita e não precisa de autorização do consumidor para sua utilização.

Porém, tal licitude não afasta a necessidade de cumprimento dos demais deveres estabelecidos pelo Código de Defesa do Consumidor. Portanto, em que pese desnecessário o consentimento do consumidor consultado através deste mecanismo, caso solicitado, devem ser fornecidas informações claras e precisas acerca das fontes de dados e das informações pessoais valoradas, para que o avaliado possa, caso queira, melhorar sua nota.

Além disso, as informações a serem consideradas no sistema de Score de Crédito devem respeitar limitações temporais, que são de 5 anos para os registros negativos e de 15 anos para o histórico de adimplemento, bem como, não podem ser valoradas informações sensíveis, como aquelas relativas às origens social e étnica, à saúde, à informação genética, à orientação sexual e às convicções políticas, religiosas e filosóficas, ou excessivas, assim consideradas aquelas que não estiverem vinculadas à análise de risco de crédito ao consumidor.

Por outro lado, quem utilizar o Score de Crédito não tem o dever de divulgar a metodologia de cálculo empregada, tendo em vista que se trata de segredo inerente à atividade empresarial.

Por fim, o score de crédito é uma avaliação numérica que as instituições financeiras utilizam para medir o risco de conceder crédito a um indivíduo ou empresa. Criado a partir de Inteligência Artificial (IA) que leva em consideração diversos fatores, como histórico de pagamentos, dívidas em aberto, tempo de crédito, entre outros.

1. Algoritmo Score de Crédito, Inteligência Artificial (IA)

Sem querer esgotar o tema, o algoritmo[3] é um conjunto de instruções que um computador segue para executar uma tarefa específica. Eles são usados em muitas áreas diferentes da computação e são essenciais para programar sistemas eletrônicos para realizar tarefas complexas.

Adiante, os algoritmos são frequentemente usados em sistemas de inteligência artificial e aprendizado de máquina. Esses sistemas usam algoritmos para analisar grandes conjuntos de dados e identificar padrões e tendências. Os algoritmos são usados para treinar esses sistemas, permitindo que eles aprendam e melhorem suas habilidades ao longo do tempo.

O algoritmo do score de crédito pode ser controverso e levar a discriminação involuntária ou intencional com base em fatores como renda, localização geográfica, gênero e raça. Isso acontece porque esses fatores podem estar relacionados a questões socioeconômicas e raciais que afetam a capacidade de uma pessoa de obter crédito ou de pagar suas dívidas.

Por exemplo, a renda pode estar relacionada à educação e oportunidades de emprego, que por sua vez podem ser influenciadas por fatores como raça e gênero. Da mesma forma, a localização geográfica pode estar relacionada à disponibilidade de empregos bem remunerados e acesso a serviços financeiros.

Embora a maioria das instituições financeiras não intencionalmente discriminar com base nesses fatores, o algoritmo de score de crédito pode perpetuar a discriminação devido à forma como os fatores são ponderados. Exemplificando, não só a renda, porém, outros fatores, pode resultar em uma pontuação de crédito mais baixa para pessoas com renda mais baixa, que muitas vezes são minorias raciais ou étnicas.

Para combater a discriminação no algoritmo de score de crédito, é necessário que as instituições financeiras revisem seus processos e assegurem que eles sejam justos e transparentes. Isso pode incluir a revisão dos fatores considerados no algoritmo, a transparência das informações de crédito e a disponibilização de recursos para ajudar aqueles que são negados crédito a entender as razões por trás da decisão.

Em resumo, o algoritmo de score de crédito pode levar a discriminação involuntária ou intencional[4], mas é importante que as instituições financeiras trabalhem para garantir que seu uso seja justo, transparente e não discriminatório. Adiante trataremos do tema do cadastro positivo de sua (I) legalidade.

1. Cadastro Positivo (I) Legalidade

Com a lei nº 12.414/2011[5] que regulou o cadastro positivo (formação e consulta a bancos de dados com informações de adimplemento), e ainda, a nova lei do cadastro positivo de 2019, por meio da LC 166, ainda que de maneira incompleta, prevê a inclusão automática de consumidores e amplia o acesso de instituições financeiras ao cadastro positivo de crédito.

Malgrado, não há normativa (lei) que autoriza de bancos de dados de score de crédito. Entretanto, a deficiência de previsão legal expressa, não quer dizer que não há entendimento pelos tribunais, inclusive, o STJ-Superior Tribunal de Justiça sobre o tema, o entendimento sobre a legalidade do referido banco de dados.

Ao encontro a doutrina[6] nos ensina que o score é seria uma espécie de cadastro de pontuação usando a metodologia de 0 a 1000 (zero a mil) pelas instituições financeiras, tendo em vista, estimar os potenciais riscos de operações de crédito a determinadas pessoas, com fim de classificar o consumidor: alto, média e baixa probabilidade de inadimplência. Essa classificação de pontuação nada mais é que um “NADA CONSTA” controle que representa o histórico financeiro de quem solicita crédito no mercado.

De outra banda, o consumidor que tem seu Cadastro Positivo, ao pagar suas dívidas pontualmente, logicamente tem benesses melhores. Ao contrário senso, aquele consumidor que seu cadastro negativado, as orientações que se tem são:  a primeira é “limpar” o nome, segundo encontrar as empresas em que é devedor e realizar acordos, com a intenção de pagar os contratos vencidos, e daí em diante, conseguir realizar ações de melhorias da pontuação de seu score. Para inscrição no cadastro positivo para obter créditos.

Adiante, mesmo com todas as orientações acima, acontece que várias vezes, o consumidor, atendendo a todos os requisitos para melhora em seu crédito score, não alcança satisfatoriamente o propósito de adquirir melhoria de pontuação no sistema.

Vejamos, por exemplo, o consumidor com negativa de crédito com base no score, esse em diversas situações, sem quaisquer registros em cadastros que o desabone/negativo, por diversas vezes, o crédito negado sem saber ao certo o motivo, o STJ na súmula 550, nos ensina que: o consumidor tem o direito de pedir esclarecimentos.

Assim sendo, o consumidor tem o direito de conhecer os dados que alicerçam sua pontuação, não podendo ser negado o fornecimento destes dados.

Outrossim, as informações devem ter total transparência, de acordo com CDC e a Lei 12.414⁄2011 (art.5.º, IV), bem como, pela LC 166, adiante:

Na utilização do critério de escore de crédito, incide, ainda, um limite temporal, ou seja, para a pessoa jurídica que analisar o pedido de crédito do solicitante, tem ela a possibilidade de se valer das informações obtidas pelo prazo de 5 anos para os registros negativos, e ainda, de 15 anos para o histórico de adimplemento de crédito, conforme disposição do art. 14 da referida lei.

Em conformidade o STJ, entende que existe um elo entre a limitação legal de utilização do sistema e o abuso do direito (modelos estatísticos e dos dados existentes no mercado acessíveis via “internet”), adiante o Ministro Paulo de Tarso ao debater sobre tema, nos ensina que:

“O desrespeito aos limites legais na utilização do sistema escore de crédito configurando abuso de direito (art. 187 do CC), pode ensejar a responsabilidade objetiva e solidária do fornecedor do serviço, do responsável pelo banco de dados, da fonte e do consulente (art. 16 da Lei n. 12.414/2011) pela ocorrência de danos morais nas hipóteses de utilização de informações excessivas ou sensíveis (art. 3º, § 3º, I e II, da Lei n. 12.414/2011), bem como nos casos de recusa indevida de crédito pelo uso de dados incorretos ou desatualizados”.

Adequado a melhor doutrina[7], faz-nos refletir sobre os pontos controvertidos são em relação aos limites de utilização destes sistemas pelas empresas, em decorrência que o consumidor como hipossuficiente, sem acesso aos dados que lhe negaram o crédito, jamais poderá corrigi-lo, sabendo que pode buscar o poder judiciário em caso de abuso de direito quando utilizar de informações excessivas ou sensíveis (LGPD) e recusa em caso de dados incorretos e desatualizados, em tese, ainda pleitear indenização por danos morais pelo abuso de direito.

Adiante, o entendimento que o “credit scoring” foi assimilado pelo STJ como método de cálculo e não como sistema de dados, e ainda, existe limitação ao exercício deste direito que deve ser pautado pela transparência nas operações, bem como que a referida fórmula pretende garantir a estabilidade e segurança para concessão de financiamentos, contudo, observando as limitações e a regras para que não prejudiquem o consumidor.

O STJ entende que é lícito[8] o score de crédito, a seguir:

STJ. 2ª Seção. REsp 1.419.697-RS, julgado em 12/11/2014 – recurso repetitivo: […] é uma prática comercial lícita, estando autorizada pelo art. 5º, IV e pelo art. 7º, I, da Lei n. 12.414/2011 (Lei do Cadastro Positivo), que, ao tratar sobre os direitos do cadastrado nos bancos de dados, menciona indiretamente a possibilidade de existir a análise de risco de crédito.

[…] a instituição financeira que for fazer a análise do crédito não precisa de autorização do consumidor para utilizar o “credit scoring”. No entanto, este poderá solicitar que lhe sejam fornecidos esclarecimentos sobre as fontes dos dados que foram considerados (histórico de crédito), bem como sobre as suas informações pessoais valoradas.

Vale ressaltar que, para ser aceitável, o “credit scoring” deve respeitar as limitações estabelecidos pelo sistema de defesa do consumidor no sentido de proteção à privacidade e máxima transparência nas relações comerciais, como o CDC e a lei nº 12.414/2011 prevê-lo.

Finalizando, mesmo em face dos pontos controversos supracitados, entende-se que a regulamentação do cadastro positivo, oportunizar ao consumidor o devido acesso às informações dos dados cadastrados pelas empresas gestoras, assim como deverá assegurar a todos os envolvidos o respeito às garantias constitucionais, em acordo com à Lei Geral de Proteção de Dados-LGPD.

2 IMPACTO DO SCORE DE CRÉDITO AOS CIDADÃOS

Na análise do algoritmo de forma discriminatória, gera impacto significativo na capacidade de um indivíduo acessar crédito, empréstimos e outros serviços financeiros. As instituições financeiras usam pontuações de crédito para avaliar o risco de emprestar dinheiro a um indivíduo, e uma pontuação de alto risco pode sinalizar aos credores que o mutuário tem maior probabilidade de inadimplência em seus empréstimos.

Como resultado, indivíduos com pontuações de crédito de alto risco podem ter dificuldade em obter crédito ou podem receber empréstimos com taxas de juros mais altas, ou condições menos favoráveis. Isso pode dificultar o alcance de metas financeiras importantes, como comprar uma casa ou abrir um negócio.

As pontuações de crédito de alto risco também podem afetar outras áreas da vida de um indivíduo, como oportunidades de emprego ou opções de moradia. Alguns empregadores e proprietários podem realizar verificações de crédito como parte de seu processo de triagem, e uma pontuação de crédito de alto risco pode levar à rescisão de uma oferta de emprego ou à negação de um pedido de aluguel.

Além disso, ter uma pontuação de crédito de alto risco também pode contribuir para o estresse financeiro e a ansiedade dos indivíduos, pois eles podem lutar para sobreviver e se preocupar com sua capacidade de pagar contas e dívidas em dia.

É importante que indivíduos com pontuações de crédito de alto risco tomem medidas para melhorar sua credibilidade, como pagar contas em dia, reduzir dívidas e contestar quaisquer erros em seus relatórios de crédito. Além disso, buscar a ajuda de um consultor financeiro ou de crédito também pode ser útil no desenvolvimento de um plano para melhorar sua pontuação de crédito e atingir suas metas financeiras.

3 RESPONSABILIDADE DAS INSTITUIÇÕES FINANCEIRAS NO USO DO SCORE DE CRÉDITO

Nos últimos anos, o uso de pontuações de crédito tornou-se cada vez mais importante para indivíduos que buscam empréstimos, cartões de crédito ou outros tipos de financiamento. No entanto, com o aumento da confiança nas pontuações de crédito, surge a responsabilidade das instituições de garantir que as estão usando de maneira justa e precisa.

Via de regra, aquele que causa um dano a terceiro responde por esse, de forma objetiva e/ou subjetiva. O intuito aqui não é aprofundar o tema, é apenas nortear o leitor sobre a responsabilidade e aplicação do CDC às instituições financeiras.

Seguindo a linha de raciocínio acima, a relação consumerista é aplicável às instituições financeiras[9], de acordo com art. 3º § 2° do CDC e da Súmula 297 do STJ, em que diz que “O Código de Defesa do Consumidor é aplicável às instituições financeiras”, aplicando-se a regra do art. 14 do CDC, adiante:

“Art. 14. O fornecedor de serviços responde, independentemente da existência de culpa, pela reparação dos danos causados aos consumidores por defeitos relativos à prestação dos serviços, bem como por informações insuficientes ou inadequadas sobre sua fruição e riscos.”

Dizendo melhor, o capítulo supracitado, nos instrui no sentido de que a regra é a responsabilidade civil objetiva[10], destas instituições, por este motivo, independe de culpa. Não se diz que não haveria forma de exclusão desta responsabilidade, eis que o mesmo dispositivo nos traz as cláusulas de excludente de tal responsabilidade, analisemos:

 “Art. 14. (…) § 3° O fornecedor de serviços só não será responsabilizado quando provar:

I – que, tendo prestado o serviço, o defeito inexiste;

II – a culpa exclusiva do consumidor ou de terceiros.”

Notemos, dentre as causas de exclusão da responsabilidade do fornecedor[11] está a culpa exclusiva do consumidor ou terceiro. Em decorrência disto, as instituições financeiras, em situações de fraude como a abertura de conta corrente, clonagem de cartão de crédito com chip, score de crédito baixo, alto risco de crédito, roubo de cofre de segurança ou violação de sistema de computador por cracker, passaram a alegar em suas defesas a excludente da culpa exclusiva da vítima ou de terceiros, sobretudo quando as fraudes praticadas em relação ao cartão com chip, discorremos a seguir.

As instituições financeiras têm a responsabilidade de usar as pontuações de crédito como uma ferramenta para avaliar a credibilidade, mas também devem garantir que não estejam discriminando injustamente determinados grupos ou indivíduos. Isso significa que eles devem tomar medidas para garantir que seus modelos de pontuação de crédito não penalizem injustamente certos grupos, como aqueles com baixa renda ou históricos de crédito limitados.

Além disso, as instituições financeiras devem ser transparentes no uso das pontuações de crédito e fornecer informações claras aos consumidores sobre como suas pontuações são calculadas e quais fatores são levados em consideração. Isso pode ajudar os consumidores a tomar decisões informadas sobre suas vidas financeiras e evitar que o crédito seja negado injustamente ou sejam cobradas taxas de juros mais altas.

De modo geral, o uso responsável das pontuações de crédito pelas instituições financeiras é essencial para garantir o acesso justo ao crédito e promover a estabilidade financeira para indivíduos e comunidades.

4 ALGORITMO, RISCO DE PERPETUAREM OS VIESES E A DISCRIMINAÇÃO EXISTENTES

Vieses é uma espécie de atalhos mentais. São julgamentos baseados em associações automáticas, estereótipos e experiências passadas. Esses julgamentos[12] podem levar a uma conclusão certa ou errada, mas eles são naturalmente mais frágeis e superficiais.

Os vieses cognitivos[13] vão influenciar diretamente nas tomadas de decisões rápidas e não deliberadas, sem que, no entanto, a pessoa enviesada perceba. E como falhas cognitivas, podem ser explorados com o objetivo de persuasão.

Há uma preocupação crescente sobre o potencial dos algoritmos usados na pontuação de crédito para discriminar injustamente determinados grupos ou indivíduos. Algoritmos são usados para analisar uma ampla gama de pontos de dados, incluindo histórico de crédito, renda, status de emprego e outros fatores, a fim de gerar uma pontuação de crédito que é usada por instituições financeiras para avaliar a qualidade de crédito.

No entanto, os algoritmos são tão imparciais quanto os dados com os quais são treinados, e existe e o risco de perpetuarem os vieses e a discriminação existentes. Por exemplo, os algoritmos podem inadvertidamente penalizar certos grupos, como indivíduos de baixa renda ou pessoas de cor, que podem ter enfrentado historicamente barreiras para acessar o crédito.

Um dos principais problemas com os algoritmos de pontuação de crédito é que eles podem ser opacos e difíceis de entender. Os consumidores podem não estar cientes de fatores estão sendo usados para calcular sua pontuação de crédito e podem não ter a oportunidade de contestar quaisquer erros ou vieses nos dados.

Para lidar com essas preocupações, houve pedidos de maior transparência e supervisão no uso de algoritmos na pontuação de crédito. Isso pode incluir requisitos para que as instituições financeiras divulguem como seus algoritmos são desenvolvidos e quais fatores são levados em consideração, bem como auditorias independentes para garantir que os algoritmos não discriminem determinados grupos de forma injusta.

Em última análise, é importante garantir que os algoritmos sejam usados de forma justa e transparente na pontuação de crédito, a fim de promover a igualdade de acesso ao crédito e evitar a discriminação contra grupos marginalizados.

5 DIREITO DIGITAL, POSSIVEIS SOLUÇÕES

O direito digital[14] é um campo crescente focado na aplicação da lei no mundo digital e tecnológico. No contexto da pontuação de crédito, a lei digital é importante, pois as empresas de crédito e as instituições financeiros usam cada dia mais dados digitais para determinar a pontuação de crédito de um indivíduo.

Uma pontuação de crédito é uma pontuação que as instituições financeiras usam para avaliar a capacitância de uma pessoa de saldar dívidas. Essa pontuação é determinada por vários fatores, incluindo histórico de crédito; Histórico de pagamentos, ganhos e outras informações financeiros. As empresas de empréstimo, no entanto, começaram a usar dados digitais, como histórico de navegação e atividades de mídia social. para ajudar a determinar a pontuação de crédito de uma pessoa.

Isso representa problemas significantes de privacidade e proteção de dados. Os dados digitais geralmente são coletados sem o consentimento explícito do usuário e podem ser usados ​​para tomar decisões importantes que afetam a vida de uma pessoa. É por isso que as pessoas podem não estar cientes de suas atividades online estão sendo postas para determinar sua pontuação de crédito.

Além disso, o uso de dados digitais[15] para determinar a credibilidade pode perpetuar a discriminação, pois é mais provável que certos grupos sejam monitorados online de perto e, portanto, a credibilidade pode ser afetada.

As leis digitais podem ajudar a proteger indivíduos e dados, garantindo que as empresas de empréstimo cumpram as leis de privacidade e proteção de dados. Isso inclui o direito de ser informado sobre como seus dados estão sendo usados ​​e o direito de consentir ou não em seu uso.

Sintetizando, a lei digital é importante no contexto da pontuação de crédito, pois as agências de crédito usam esses dados digitais para determinar a pontuação de crédito de um indivíduo o que levanta inquietações significativos de privacidade e proteção de dados. A lei digital pode regular, trazer parâmetros e ajudar as empresas a cumprir as leis de proteção de dados e notificar os indivíduos sobre como seus dados estão sendo tratados.

CONCLUSÃO

O objetivo deste estudo foi examinar estudo de caso sobre o assunto em questão, o uso de algoritmos de IA na pontuação de crédito tenha o potencial de beneficiar muito as instituições financeiras e os consumidores, é importante estar ciente do potencial de viés e discriminação que pode ocorrer. As instituições financeiras têm a responsabilidade de garantir que seus algoritmos de IA sejam transparentes, responsáveis ​​e livres de discriminação contra determinados grupos ou indivíduos.

O uso de dados digitais para determinar a pontuação de crédito pode perpetuar a discriminação, já que certos grupos podem ser mais propensos a serem monitorados de perto online e, portanto, podem ter sua pontuação de crédito afetada negativamente.

Para conseguir isso, as instituições financeiras podem tomar medidas para reduzir o potencial de viés em seus algoritmos, evitando entradas que indiquem diretamente classes protegidas, removendo a discriminação dos dados antes que o modelo seja criado e visando a verdade, justiça e equidade em seu uso. de IA.

Além disso, as empresas têm que ter mais transparência e supervisão no uso de algoritmos de IA na pontuação de crédito, incluindo auditorias independentes para garantir que os algoritmos não discriminem determinados grupos de forma injusta. Ao tomar essas medidas, as instituições financeiras podem garantir que seus algoritmos de IA sejam usados ​​de maneira justa e transparente, promovendo a igualdade de acesso ao crédito e evitando a discriminação contra grupos marginalizados.

O direito digital pode ajudar a proteger os indivíduos e seus dados, garantindo que as empresas de crédito cumpram as leis de privacidade e proteção de dados. Isso inclui o direito de ser informado sobre como seus dados estão sendo usados e o direito de consentir ou não com seu uso.

REFERÊNCIAS

ALMEIDA, João Batista de. Manual de Direito do Consumidor. 2. ed., São Paulo: Saraiva, 2003.

BESSA, Leonardo Roscoe. Abrangência da disciplina conferida pelo Código de Defesa do Consumidor aos bancos de dados de proteção ao Crédito. Revista de direito do consumidor, v. 11, n. 42, p. 149 -172. 2002. Disponível em:< https://shre.ink/cfLJ>. Acesso em: 01 fevereiro 2023.

BESSA, Leonardo Roscoe. Cadastro Positivo – Comentários À Lei 12.414, De 06/2011. São Paulo-SP/ Revista dos Tribunais. 2011.

CAVALIERI FILHO, Sérgio. Programa de responsabilidade civil. 9ª ed. São Paulo: Atlas, 2010.

CONSULT SCORE. 10 Passos que funcionam para aumento de score. Disponível em:<https://domainpublic.files.wordpress.com/2021/12/consultscore-e-book-10-passos-para-aumentar-score-pdf.pdf>. Acesso em: 05/02/23.

DIZER O DIREITO. O “credit scoring” é prática comercial lícita. Disponível em:< https://shre.ink/cflm>. Acesso em: 14/03/23.

GRINOVER, Ada Pellegrini et al. Código brasileiro de defesa do consumidor. 8 ed. rev., ampl. E atual. Rio de Janeiro: Forense universitária, 2004.

GONÇALVES, Carlos Roberto. Direito Civil brasileiro. v. 3: contratos e atos unilaterais. 17ª ed. São Paulo: Saraiva, 2020.

INTELIGÊNCIA artificial é o tema da nova edição de Bibliografias Selecionadas. STJ. 2021. Disponível em: https://bit.ly/3hHXPQB. Acesso em: 15 mar. 2023.

KAHNEMAN, Daniel. RAPIDO E DEVAGAR DUAS FORMAS DE PENSAR. São Paulo/ Objetiva, 2012.

LAREDO SICSÚ, ABRAHAM. Credit Scoring: Desenvolvimento, Implantação, Acompanhamento. São Paulo-SP/ Blusher. 2010.

______. Lei nº 8.078, de 11 de setembro de 1990. Código de Defesa do Consumidor. Disponível em: <http:/www.planalto.gov.br/ccivil_3/leis/L8078.htm> Acesso em: 14 março 2023.

______. Lei nº 12.414, de 9 de junho de 2011. Disciplina a formação e consulta a bancos de dados com informações de adimplemento, de pessoas naturais ou de pessoas jurídicas, para formação de histórico de crédito. Disponível em: <http://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12414.htm> Acesso em: 14 março 2023.

NEUROLAW: Direito, Neurociência e Sistema de Justiça. Erick Navarro Wolkart, Matheus Milan Ferreira. São Paulo: Thomas Reuters, 2021.

PEIXOTO, Fabiano Hartmann. Direito e Inteligência Artificial com Comentários da Resolução CNJ 332/2020. Brasilia-DF: Dr.IA, 2020.

PINTO, Luiz Ricardo Souza. Consumidor e o tal “Score” ou “Scoring”, 13 de nov. 2014. Disponível em: < https://shre.ink/cfLL > Acesso em: 10 março 2023.

ROCHA, A.; SILVA, J. (Org.). Consumo na Base da Pirâmide: Estudos Brasileiros. Rio de Janeiro, Mauá X, p. 19-29. 2009.

RUSSELL, Stuart J. (Stuart Jonathan), 1962 Inteligência artificial / Stuart Russell, Peter Norvig; tradução Regina Célia Simille. – Rio de Janeiro: Elsevier, 2013.

SERASA EXPERIAN. Manual do Serasa Score 2.0. Disponível em:< https://shre.ink/cfBG >. Acesso em: 14/03/23.

SERASA EXPERIAN. Serasa Score O que é score. Disponível em: <https://www.serasa.com.br/score/o-que-e-score/>. Acesso em: 11/01/23.

SCHREIBER, Anderson [et al.]. Código Civil Comentado: doutrina e jurisprudência. 2ª edição. Rio de Janeiro: Editora Forense, 2020, pp. 267/274; 28 5/288.

TOLOTTI, M. As Armadilhas do Consumo: acabe com o endividamento. Campus Elsevier, 144p. 2007. ZULIANI, Ênio Santarelli. Responsabilidade dos bancos diante da súmula 479 do STJ. Migalhas, 2012. Disponível em: < https://shre.ink/cW5U>. Acesso em: 17 de mar. 2023.

---

[1] Advogado Criminalista inscrito na OAB-DF (42.936) com 10 anos de experiências, especialista em Direito Penal e Processo Penal, Advocacia Criminal e Direito Digital e a advocacia feminista e com alguns artigos publicados.

[2]É um modelo estatístico voltado para a análise de risco de crédito a partir de informações como consultas ao CPF, histórico de pagamento de crédito, dívidas e outras.

[3] RUSSELL, 2013, p. 89-93.

[4] PEIXOTO, 2020, p. 18.

[5] BESSA, 2011b, p. 208-215.

[6] BESSA, 2002a, p. 149-172.

[7] ROCHA, 2009, p. 19-29.

[8]Art. 5º São direitos do cadastrado:

IV – conhecer os principais elementos e critérios considerados para a análise de risco, resguardado o segredo empresarial;

[…]

Art. 7º As informações disponibilizadas nos bancos de dados somente poderão ser utilizadas para:

I – Realização de análise de risco de crédito do cadastrado; ou

[9] NUNES, 2015, p. 191.

[10] ZULIANI, 2012, n.p.

[11] CAVALIERI, 2010, p. 185.

[12] WOLKART, FERREIRA, 2021, p. 61-68.

[13] KAHNEMAN, 2012, p. 117-128.

[14] PINHEIRO, 2019, p. 781.

[15]INTELIGÊNCIA artificial é o tema da nova edição de Bibliografias Selecionadas. STJ. 2021. Disponível em: https://bit.ly/3hHXPQB. Acesso em: 15 mar. 2023.