Project Details
Description
El sistema financiero depende de que las garantías inmobiliarias reflejen con precisión su valor de mercado y que se identifiquen oportunamente los riesgos asociados a estas garantías; sin embargo, los avalúos todavía se elaboran con métodos esencialmente manuales. Al no contar con alertas tempranas basadas en datos georreferenciados ni con modelos predictivos robustos, los bancos carecen de una visión integral del riesgo agregado que asumen al concentrar garantías en determinadas zonas, tipologías de inmueble o segmentos socioeconómicos.
El reto es particularmente relevante en Costa Rica, donde la cartera de préstamos para vivienda asciende a ₡5,4 billones y beneficia a unos 133 000 deudores – aproximadamente el 10 % del PIB – según la Asociación Bancaria Costarricense y la SUGEF (Revista Summa, 2024). Cada punto porcentual de error en la estimación del valor de esas garantías puede traducirse en decenas de miles de millones de colones en provisiones adicionales o capital regulatorio. Además, la supervisión local ha subrayado la necesidad de fortalecer la gestión de riesgos estructurales, incluidas las exposiciones hipotecarias, en su Informe Anual de Estabilidad Financiera 2024 del Banco Central de Costa Rica.
La problemática trasciende lo nacional. El FMI vuelve a recordar que el sobreendeudamiento apalancado en precios de vivienda inflados fue “un factor determinante de la crisis financiera global” y sigue siendo un riesgo latente si se relajan los estándares de crédito (WORLD ECONOMIC OUTLOOK, FMI 2024).
En síntesis, la falta de herramientas avanzadas para estandarizar, enriquecer con datos socio-espaciales y auditar en tiempo real los avalúos no solo erosiona la competitividad operativa de los bancos costarricenses, sino que coloca a todo el sistema financiero ante un riesgo sistémico que organismos internacionales vigilan con creciente atención. Abordar esta brecha con inteligencia artificial –como propone el proyecto– no es solo una mejora tecnológica; es una condición necesaria para fortalecer la resiliencia financiera, cumplir las expectativas supervisoras y proteger a miles de familias cuya vivienda es la principal garantía de su crédito.
El reto es particularmente relevante en Costa Rica, donde la cartera de préstamos para vivienda asciende a ₡5,4 billones y beneficia a unos 133 000 deudores – aproximadamente el 10 % del PIB – según la Asociación Bancaria Costarricense y la SUGEF (Revista Summa, 2024). Cada punto porcentual de error en la estimación del valor de esas garantías puede traducirse en decenas de miles de millones de colones en provisiones adicionales o capital regulatorio. Además, la supervisión local ha subrayado la necesidad de fortalecer la gestión de riesgos estructurales, incluidas las exposiciones hipotecarias, en su Informe Anual de Estabilidad Financiera 2024 del Banco Central de Costa Rica.
La problemática trasciende lo nacional. El FMI vuelve a recordar que el sobreendeudamiento apalancado en precios de vivienda inflados fue “un factor determinante de la crisis financiera global” y sigue siendo un riesgo latente si se relajan los estándares de crédito (WORLD ECONOMIC OUTLOOK, FMI 2024).
En síntesis, la falta de herramientas avanzadas para estandarizar, enriquecer con datos socio-espaciales y auditar en tiempo real los avalúos no solo erosiona la competitividad operativa de los bancos costarricenses, sino que coloca a todo el sistema financiero ante un riesgo sistémico que organismos internacionales vigilan con creciente atención. Abordar esta brecha con inteligencia artificial –como propone el proyecto– no es solo una mejora tecnológica; es una condición necesaria para fortalecer la resiliencia financiera, cumplir las expectativas supervisoras y proteger a miles de familias cuya vivienda es la principal garantía de su crédito.
General Objective
Obtención y preparación de los datos para entrenar los modelos de IA
2.Entrenamiento y validación de modelos de IA
3.Desarrollo e integración de funcionalidades IA
4.Piloto de validación con clientes
2.Entrenamiento y validación de modelos de IA
3.Desarrollo e integración de funcionalidades IA
4.Piloto de validación con clientes
Research Lines
IA
| Short title | IA-riesgo bienes |
|---|---|
| Acronym | IA-riesgo |
| Status | Active |
| Effective start/end date | 1/01/26 → 30/06/27 |
Funding
- CONICYT: CRC1.00
Keywords
- IA
- activos
Fingerprint
Explore the research topics touched on by this project. These labels are generated based on the underlying awards/grants. Together they form a unique fingerprint.