Por: Quentin Hardy

Computadores não só resolvem problemas difíceis de matemática e nos mostrando vídeos de gatos. Cada vez mais, julgam nosso caráter. E talvez devêssemos dar graças por isso.

A Upstart, uma companhia sediada em Palo Alto, Califórnia, emprestou US$ 135 milhões para pessoas que ganharam as piores avaliações de crédito por bancos. Tipicamente, são pessoas que acabaram de sair da faculdade e que não têm hipoteca, pagamentos de carro ou acordos de cartão de crédito.

Esses são alguns dos fatores levados em conta para ganhar uma boa nota de crédito ante um banco, mas essas pessoas não estão no mercado de trabalho há tanto tempo.

Então a Upstart verifica suas notas no SAT (espécie de Enem americano), a faculdade que fizeram, sua ênfase e suas notas na graduação. Tanto quanto os prospectos de empregos, a empresa está avaliando a personalidade.

“Se você pegar duas pessoas no mesmo trabalho e sob as mesmas condições, como se tiveram filhos, a que teve uma GPA [grade point average, algo como notas médias] superior está mais propensa a pagar uma dívida”, diz Paul Gu, cofundador e chefe de produto da Upstart.

“Não é sobre você poder pagar. É uma questão da importância que você dá àquela obrigação.”

A ideia –atestada pelos dados– é que as pessoas que se dedicaram a tarefas como rechecar a tarefa de casa ou estudar a mais no caso de ter de fazer uma enquete são mais íntegras e tendem a honrar suas contas.

ANÁLISE DE DADOS, JULGAMENTO DE PESSOAS

“Acho que você poderia chamar isso de caráter, mas não usamos esse rótulo”, diz Gu, 24.

A mesma dinâmica de personalidade se aplica às pessoas que vão a boas escolas ou que têm as notas mais altas. Douglas Merrill, fundador e executivo-chefe da ZestFinance, é um antigo executivo do Google cuja companhia faz empréstimos para hipoteca por meio de sinais que divergem do convencional.

Um deles é se a pessoa já trocou de número de celular. Ao passo que moradia é geralmente algo incerto, um número de telefone é uma maneira mais confiável de encontrar alguém do que um endereço; livrar-se de um pode indicar que o indivíduo é propenso a distanciar-se de familiares ou potenciais empregadores. Isso é um mau sinal.

A Zest recentemente enveredou-se pela categoria de endividados “próximos de prime” –ou seja, que apresentaram dificuldade em manter-se em dia com a hipoteca e deixaram de ser “prime” ou que foram elevadas da categoria secundária “subprime”.

A questão é por que essas pessoas mudaram de categoria, e a Zest se aplica a descobrir se o emprestador teve um problema efêmero, como uma despesa médica não prevista e não recorrente.

“‘Caráter’ é um termo carregado, mas há uma importante diferença entre a capacidade de pagar e a propensão a pagar”, disse Merrill. “Se tudo o que você analisa são as transações financeiras, fica difícil de dizer muito sobre a propensão.

Merrill, que também é PhD em psicologia (em Princeton, caso Gu queira fazer-lhe um empréstimo), diz acreditar que a análise de personalidade baseada em dados é mais justa que outras métricas.

“Sempre estamos julgando as pessoas de toda maneira, mas sem dados fazemos isso por meio de um viés”, diz. “Nós nos baseamos nas coisas que sabemos sobre pessoas, mas isso geralmente significa favorecer pessoas mais parecidas conosco.”

Familiaridade é uma forma primitiva de gerenciamento de risco, já que sabemos o que esperar. Mas isso não torna justo o juízo.

‘EXTERMINADORES’

Caráter também é julgado por diversos outros algoritmos. Workday, uma empresa que oferece software na nuvem para contratações, lançou um produto que pondera 45 fatores de desempenho de funcionários, incluindo o período que uma pessoa ficou em um cargo e quão bem ela foi enquanto nele.

Assim, tenta prever se uma pessoa pode acabar se demitindo e sugere medidas, como uma nova função ou uma transferência de unidade, que poderia fazer a pessoa ficar.

Também pode caracterizar gerentes como “fazedores de chuva” ou “exterminadores”, dependendo de quão bem conseguem manter talento nas suas equipes. Na Workday, a companhia analisou sua própria equipe de vendas para tentar encontrar o que se converte em sucesso. O maior indicador é tenacidade.

“Todos temos vieses sobre como promovemos e contratamos”, disse Dan Beck, chefe de estratégia de tecnologia da Workday. “Se pudermos usar dados em vez disso, ótimo.”

As pessoas que estudam esses traços são encorajadas a adotá-los, disse, já que “se você sabe que é um padrão que levou para o sucesso, por que não empregá-lo?”

Em um sentido, não é diferente de como as pessoas leem biografias de pessoas bem-sucedidas, buscando pistas para o que devem fazer para se sair melhor. Mas acontece em escala muito maior, baseando-se em observar todo o mundo.

Há razões para acreditar que juízos de personalidade são mais razoáveis que os individuais. Jure Leskovec, professor de ciência da computação em Stanford, está finalizando um estudo em que compara as predições de análise de dados contra as feitas por juízes em processos de fiança, em que têm só alguns minutos para julgar se o preso é um risco à sociedade.

Resultados preliminares indicam que a análise baseada em dados é 30% melhor em prever reincidência, disse Leskovec. “Algoritmos não são subjetivos”, disse. “O viés vem de uma pessoa.”

Isso é só verdade até certo ponto, já que os algoritmos não caem do céu: são escritos por seres humanos. Mesmo que os fatos não sejam enviesados, seu processamento é, e poderíamos acabar com uma crença falsa de que a matemática é sempre a verdade.

O fundador da Upstart, Gu, diz que tinha notas perfeitas no exame SAT, mas que abandonou a universidade Yale, e que, por isso, não seria qualificado para receber um empréstimo de sua própria empresa usando as primeiras versões do algoritmo. Ele, então, o ajustou, e disse que está ciente do trabalho que tem pela frente.

“Toda vez que encontramos um sinal, perguntamo-nos se nos sentiríamos bem ao contar para uma pessoa por que ela foi recusada”, diz.

CADASTRE-SE no Blog Televendas & Cobrança e receba semanalmente por e-mail nosso Newsletter com os principais artigos, vagas, notícias do mercado, além de concorrer a prêmios mensais.