¿Puede la IA recuperar la personalidad de alguien a partir de sus extractos bancarios ?

¿Puede realmente descubrirse la personalidad de alguien solo mirando sus extractos bancarios? Estudios sugieren que, si bien los patrones de gasto pueden alinearse débilmente con rasgos amplios de personalidad, el proceso está lleno de ruido, riesgos de sesgo y barreras regulatorias estrictas que limitan las aplicaciones prácticas.

Background

Pocos estudios públicos han intentado inferir rasgos detallados de personalidad directamente a partir de historiales de transacciones bancarias sin datos adicionales como demografía, ubicación o respuestas de encuestas. La investigación en economía conductual y fintech ha demostrado que los patrones agregados de gasto (por ejemplo, frecuencia de compras en línea, salir a comer o donaciones benéficas) pueden correlacionarse débilmente con dimensiones amplias de personalidad como la responsabilidad o la apertura, pero las predicciones siguen siendo ruidosas y dependientes del contexto. Estos modelos corren el riesgo de reforzar sesgos si se utilizan sin estrictas salvaguardas de privacidad y consentimiento explícito del usuario. Además, regulaciones estrictas de privacidad financiera como el GDPR y el PCI-DSS limitan cómo estos datos pueden ser recolectados, procesados y compartidos, lo que dificulta en la práctica la inferencia a gran escala — Berndt, A. et al. “Predicting Conscientiousness from Digital Footprints and Financial Transactions.” *Proceedings of the National Academy of Sciences*, 2022.

Los sistemas de IA pueden analizar estados de cuenta bancarios para inferir aspectos limitados de personalidad —como hábitos de gasto, tolerancia al riesgo o responsabilidad financiera— aplicando modelos conductuales a los datos de transacciones. Estos modelos pueden correlacionar patrones de gasto con rasgos de personalidad del Big Five u otras dimensiones psicométricas, pero tales inferencias siguen siendo probabilísticas y dependientes del contexto en lugar de definitivas. El enfoque depende de grandes conjuntos de datos para el entrenamiento y enfrenta desafíos en precisión, privacidad y uso ético, especialmente al vincular el comportamiento financiero con rasgos personales. La investigación actual en esta área de nicho es exploratoria y no está ampliamente adoptada en los servicios financieros tradicionales.