The Rise of a Nudge: Experimento de Campo y Aprendizaje Automático sobre Pagos Mínimos y Completos con Tarjeta de Crédito

El pasado 15 de marzo, el Departamento de Adminstración, de la Facultad de Economia y Negocios de la Universidad de Chile, fue el escenario de una destacada exposición titulada “The Rise of a Nudge: Field Experiment and Machine Learning on Minimum and Full Credit Card Payments”, liderada por Daniel Schwartz, Ph.D. en Behavioral Decision Research y M.S. en Behavioral Decision Research de la Universidad Carnegie Mellon, Estados Unidos, e investigador del DII de la Universidad de Chile.

La presentación abordó una problemática relevante en el ámbito financiero: el impacto de las advertencias sobre el pago mínimo en las tarjetas de crédito. Esta iniciativa, conocida como “The Rise of a Nudge”, buscó comprender cómo estas advertencias influyen en el comportamiento de los usuarios y en la distribución de sus pagos reales.

Durante su exposición, el Profesor Schwartz explicó el concepto de “perverso empujón”, refiriéndose a las advertencias sobre el pago mínimo como una herramienta que, paradójicamente, puede tener efectos negativos en aquellos usuarios dispuestos a pagar más de lo mínimo requerido. Este fenómeno, atribuido al sesgo de anclaje, plantea interrogantes sobre la eficacia de estas estrategias en el ámbito financiero. El “sesgo de anclaje” se refiere a la tendencia de las personas a depender excesivamente de la primera información que reciben al tomar decisiones, incluso si esa información no es relevante o precisa, lo que puede llevar a juicios sesgados o decisiones subóptimas.

Para abordar esta problemática, se llevó a cabo un extenso experimento de campo que incorporó una innovadora “advertencia de saldo declarado”. Los resultados revelaron que estas advertencias tuvieron un impacto significativo en la distribución real de los pagos, logrando aumentarlos cuando se incluyó la sugerencia de pagar el saldo total. Este hallazgo sugiere que las advertencias sobre el saldo total pueden motivar a los deudores a priorizar el pago de una cantidad mayor, contribuyendo así a una mejor gestión de su deuda.

Además, el análisis se complementó con el uso de “causal random forests” (bosques aleatorios causales), una herramienta que permitió examinar los efectos heterogéneos del tratamiento, los mecanismos subyacentes y la política óptima en diferentes escenarios. Este enfoque, combinado con un experimento en línea, proporcionó una comprensión más profunda de cómo estas advertencias afectan el comportamiento de pago de los usuarios. La exposición del Profesor Daniel Schwartz destacó la importancia de explorar nuevas estrategias para mejorar la toma de decisiones financieras de los usuarios. Los hallazgos de este estudio ofrecen una perspectiva valiosa para el diseño de políticas y prácticas que promuevan una gestión más responsable de la deuda y una mayor transparencia en el mercado financiero.