En 2018 se realizaron compras por 147.431 millones de euros utilizando tarjetas de crédito y débito

El uso de las tarjetas de crédito y débito sigue creciendo en España, a pesar de la gran competencia de las nuevas modalidades de pago. El pasado año se realizaron compras por un total de 147.431 millones de euros en punto de venta pagadas con tarjetas, lo que marcó el máximo histórico que se va batiendo cada año desde 2013, según un estudio elaborado por AIS Group, que tiene como objetivo analizar la evolución de la red de tarjetas desde 2014.  

En el año 2018, el número de tarjetas que conforman la red de medios de pago en España ascendió a 83,7 millones, de las que 36,6 millones son tarjetas de crédito y unos 47 millones son de débito. Los españoles tenemos, de media, 2,2 tarjetas per cápita.  

El total de tarjetas ha aumentado en 16 millones de unidades desde 2014, lo que se traduce en un crecimiento del 24%. Pero no sólo ha aumentado el número de tarjetas, sino también la cantidad de operaciones. Durante este periodo de tiempo se ha pasado de realizar 2.500 millones de operaciones a 3.900, o sea, un 56% más.  

José Manuel Aguirre, economista y director comercial de AIS Group comenta que: “Si bien se desaceleró en algunos años, el total de operaciones no pasó nunca a tasas de crecimiento negativas, ni siquiera durante la crisis”. Y añade: “Hoy destaca que su ritmo de crecimiento está en tasas de dos dígitos”.  

Para hacer frente a los principales riesgos que pueden surgir debido al uso masivo de las tarjetas de crédito, según AIS Group hay que atender a tres frentes principales “y en los tres, la implementación de técnicas de inteligencia artificial como el machine learning tiene mucho que aportar”, afirma Pere-Joan Ventura, director del área de modelos de riesgo de crédito de AIS Group.  

Primero se deberían de controlar las tarjetas que ya han sido emitidas. Para ello es recomendable poner en marcha un sistema de alertas para el seguimiento capaces de identificar comportamientos que denoten una probabilidad alta de caer en impago. Teniendo esto en cuenta, es especialmente recomendable el machine learning por sus dos grandes virtudes. Por un lado, es capaz de trabajar con una gran cantidad de variables, analizarlas, encontrar relaciones entre ellas y todo ello a gran velocidad. Por otro, su poder predictivo es mucho más elevado que el de otras técnicas, por lo que es capaz de detectar esas señales que anuncian un posible impago con mayor antelación.  

Seguido de esto, habría que hacer frente a la concesión de nuevas tarjetas. Basado en tecnologías de open banking, obtienen una visión más amplia del comportamiento del solicitante de la tarjeta. Ventura dice: “Se trata de herramientas que recopilan toda la información transaccional de las personas que solicitan una tarjeta, no sólo la del propio banco, sino la de todas las entidades con las que opera, de modo que obtengamos un retrato mucho más completo que nos permita decidir si de acuerdo a su perfil es conveniente conceder”.  

Como tercer y último frente está la detección del fraude. Aquí es donde la inteligencia artificial marca la gran diferencia. Las actitudes fraudulentas son muy variadas y utilizan nuevos métodos constantemente. “La IA posibilita el análisis a tiempo real de la operativa, evaluando si las operaciones están siendo capciosas y aprende automáticamente de los comportamientos que observa, siendo capaz de detectar el fraude con un acreditado grado de eficacia”, concluye.