Sergio Orcellet
Founder & CEO
15+ anos no Banco Galicia liderando produtos e operações digitais em banca e fintech. Prêmio de Inovação Financeira, Fintech Américas 2026. Egresso e tutor do Mestrado em Negócios Digitais da Universidad de San Andrés.
Desenvolvemos modelos preditivos para todo o ciclo de crédito, desde a oferta comercial até a gestão da inadimplência. Nosso primeiro modelo, de probabilidade de inadimplência, está desenvolvido, testado com dados históricos reais e em melhoria contínua. Pensado para instituições financeiras da América Latina, Espanha e Portugal.
Isso acontece com você?
Por isso construímos modelos que transformam dados em decisões.
De ponta a ponta
Acompanhamos bancos e fintechs com soluções de IA aplicadas a cada processo do ciclo de crédito.
Etapa 01
Propensão, segmentação e scoring de oferta com ML
Modelos envolvidos
Etapa 02
Modelos de Probability of Default e valor ótimo de crédito
Etapa 03
Monitoramento da carteira, alertas antecipados e re-scoring
Etapa 04
Contato otimizado, propensão ao pagamento e canal ideal
Etapa 05
Estratégias de recuperação, classificação automática e priorização
Modelos
Modelos para todo o ciclo de crédito. O primeiro, de probabilidade de inadimplência, está desenvolvido, testado com dados históricos reais e em melhoria contínua.
Projetamos cada modelo para ser explicável (SHAP) e rastreável, com a experiência de uma equipe com mais de 15 anos em banca e fintech.
Probability of Default
Modelo de machine learning que substitui o score estático dos birôs de crédito por uma probabilidade de inadimplência contínua (0–100%), construída com dados próprios e variáveis alternativas.
Esquema ilustrativo
Probabilidade de inadimplência
O que entrega
Por perfil de cliente
Foi pensado para calcular o valor máximo recomendado e o prazo ideal de acordo com a capacidade real de pagamento de cada solicitante, e para gerar a oferta dinamicamente, antes de o gerente intervir.
Esquema ilustrativo
Valor
Prazo
O que pretende entregar
Otimização da cobrança
Foi pensado para prever quais clientes inadimplentes têm maior probabilidade de pagar nos próximos dias, para priorizar a cobrança e concentrar recursos onde o impacto é maior.
Esquema ilustrativo
Prioridade de contato
O que pretende entregar
Otimização da gestão
Foi pensado para determinar, para cada cliente, o canal ideal e o horário com maior probabilidade de contato efetivo.
Esquema ilustrativo
O que pretende entregar
Visão estratégica do portfólio
Foi pensado para agrupar e classificar automaticamente por comportamento, risco e potencial, para desenhar estratégias diferenciadas por segmento e antecipar o comportamento da carteira.
Esquema ilustrativo
Segmentos
O que pretende entregar
Primeiro modelo
Dados do modelo de Probabilidade de inadimplência (PD) e da plataforma onde o testamos.
Desenvolvimento ativo
Nosso primeiro modelo — Probabilidade de inadimplência (PD) — está desenvolvido, testado com dados históricos reais e em melhoria contínua. A plataforma de gestão de crédito e cobrança onde o testamos opera em mais de 500 instituições financeiras da América Latina e da Espanha. Nosso caminho ao mercado são alianças de distribuição com plataformas de crédito e cobrança semelhantes.
Foi projetado para que cada score venha acompanhado de uma explicação baseada em SHAP, pensada para ambientes em que decisões de crédito automatizadas precisam ser explicáveis.
Por que scAIfe?
A scAIfe nasceu para fechar essa lacuna, com dois perfis complementares: negócio e execução técnica.
Founder & CEO
15+ anos no Banco Galicia liderando produtos e operações digitais em banca e fintech. Prêmio de Inovação Financeira, Fintech Américas 2026. Egresso e tutor do Mestrado em Negócios Digitais da Universidad de San Andrés.
Co-Founder & CTO
10+ anos em engenharia de software empresarial. Mestrado em Inteligência Artificial em andamento (Universidad de San Andrés).
Perguntas frequentes
Modelos para todo o ciclo de crédito. O primeiro, Probabilidade de inadimplência (PD), está desenvolvido, testado com dados históricos reais e em melhoria contínua. O roteiro inclui Valor ótimo de crédito, Propensão ao pagamento, Melhor momento e canal de contato, e Segmentação inteligente de carteira.
Ele substitui o score estático dos birôs de crédito por uma probabilidade de inadimplência contínua (0–100%), construída com dados próprios e variáveis alternativas. Em vez de uma decisão binária, você tem um score contínuo.
Sim, esse é o desenho: o modelo foi projetado para que cada score venha acompanhado de uma explicação baseada em SHAP, pensada para ambientes em que decisões de crédito automatizadas precisam ser explicáveis.
Nosso primeiro modelo, Probabilidade de inadimplência (PD), está desenvolvido, testado com dados históricos reais e em melhoria contínua. A plataforma de gestão de crédito e cobrança onde o testamos opera em mais de 500 instituições financeiras da América Latina e da Espanha. Nosso caminho ao mercado são alianças de distribuição com plataformas de crédito e cobrança semelhantes.
Não. Você pode começar por uma única etapa do ciclo: partimos do modelo com maior impacto na sua operação hoje.
Contato
Não é preciso implementar tudo de uma vez. Começamos pelo modelo com maior impacto na sua operação hoje.
Primeira conversa
Entendemos o processo, a decisão a melhorar e os dados disponíveis.
Revisão de dados e viabilidade
Avaliamos se os dados são suficientes e qual modelo teria mais impacto.
Proposta
Definimos o escopo de um primeiro modelo e como ele será medido.
Desenvolvimento e iteração
Construímos, testamos com seus dados e refinamos.
Prefere conversar?
Fale conosco pelo WhatsApp