A inadimplência nas primeiras parcelas já é uma das principais fontes de perda no crédito digital e começa a mudar a forma como as fintechs tomam decisões no Brasil. Em vez de reagir ao atraso, empresas passam a investir em modelos capazes de prever o risco antes mesmo da primeira cobrança, movimento que agora ganha espaço também em iniciativas de inovação aberta, como hackathons voltados à construção de soluções aplicadas ao sistema financeiro.

O movimento ocorre em paralelo à expansão dos meios de pagamento. Dados do Banco Central mostram que o Pix superou o cartão de crédito em volume de transações e se consolidou como o principal instrumento de pagamento do país, ampliando o acesso ao consumo, mas também trazendo novos perfis de risco para o sistema financeiro.

Com mais clientes sem histórico consolidado, a capacidade de separar bons e maus pagadores no momento do checkout passou a impactar diretamente margem, crescimento e previsibilidade de caixa.

Como a inadimplência precoce virou variável estratégica

É nesse contexto que a TMB decidiu transformar o problema em um experimento prático. A fintech realiza, entre os dias 18 e 20 de maio, o Science Hackathon 2026, iniciativa que reúne estudantes de graduação e pós-graduação para desenvolver modelos de machine learning capazes de prever o chamado FPD, o default já na primeira parcela.

No universo de crédito, esse tipo de evento é considerado um dos mais críticos. Concentrando perda financeira imediata, custo de cobrança e impacto na operação, o FPD expõe falhas na originação e na política de aprovação.

“O mercado cresceu baseado em volume e acesso, mas agora entra em uma fase em que precisão define resultado. A inadimplência precoce deixou de ser um efeito colateral e passou a ser uma variável central da operação”, afirma Reinaldo Boesso, CEO e cofundador da TMB.

Mais do que acertar quem não vai pagar, o desafio está em equilibrar risco e conversão. Aprovar um cliente que vira inadimplente gera perda direta. Reprovar um bom cliente reduz receita. O ganho real está na capacidade de separar esses dois grupos com o menor impacto possível no negócio.

IA passa a definir a concessão de crédito

O hackathon foi estruturado para simular esse problema em condições reais. Os participantes terão acesso a bases de dados anonimizadas e precisarão desenvolver modelos preditivos utilizando apenas informações disponíveis no momento do checkout, evitando o uso de dados gerados após a venda, prática conhecida no mercado como leakage e que compromete a validade dos modelos.

A jornada começa no dia 18 de maio, com uma etapa online dedicada à apresentação do desafio e formação das equipes. Nos dias 19 e 20, os participantes seguem para as fases presenciais no Parque de Inovação Tecnológica de São José dos Campos - PIT, onde desenvolvem as soluções, participam de mentorias técnicas e de negócio e apresentam os projetos para uma banca avaliadora.

Voltado a estudantes das áreas de Ciência da Computação, Engenharia, Matemática, Estatística e Economia, o desafio propõe uma imersão em um dos problemas mais relevantes do sistema financeiro atual, conectando conhecimento acadêmico a decisões práticas de negócio.

Na prática, o impacto da inadimplência inicial é imediato. Diferentemente de atrasos ao longo do contrato, o não pagamento nas primeiras parcelas compromete o fluxo de caixa logo no início da operação, reduz a capacidade de reinvestimento e pressiona a estrutura financeira das empresas.

“Quando o cliente não paga a primeira parcela, a empresa já precisa reequilibrar toda a operação. Isso afeta o fluxo de caixa, capacidade de reinvestimento e estratégia de crescimento”, diz.

Esse cenário tem acelerado o uso de inteligência artificial no setor financeiro. Modelos preditivos passaram a cruzar dados comportamentais, históricos e transacionais para prever risco com maior precisão e reduzir perdas.

Mais do que uma competição, o hackathon funciona como um laboratório de originação de crédito. As soluções desenvolvidas ao longo dos três dias poderão evoluir para testes reais, contribuindo para ajustes em políticas de aprovação, definição de thresholds e gestão de risco.

Com o fim do dinheiro barato e a maior pressão por eficiência, prever quem não vai pagar deixou de ser diferencial.

No crédito digital, a diferença entre crescer e ou não começa antes da primeira parcela.

Serviço

O que é
Science Hackathon 2026 by TMB, desafio voltado ao desenvolvimento de soluções de inteligência artificial para previsão de inadimplência no crédito digital.

Quando
18 de maio
Fase online com apresentação do desafio e formação das equipes.

19 e 20 de maio
Etapas presenciais com desenvolvimento das soluções, mentorias e apresentação final dos projetos.

Onde
Parque de Inovação Tecnológica de São José dos Campos (PIT)
Avenida Dr. Altino Bondesan, 500
Eugênio de Melo, São José dos Campos SP

Quem pode participar
Estudantes de graduação e pós-graduação nas áreas de Ciência da Computação, Engenharia da Computação, Matemática, Estatística e Economia

Como funciona
Os participantes trabalham em equipes para desenvolver modelos preditivos capazes de identificar risco de inadimplência já no momento do checkout, com acesso a dados, mentorias técnicas e acompanhamento de especialistas do setor.

Como se inscrever
As vagas são limitadas.
Mais informações e inscrições pelo e-mail: [email protected].