**Cliente:** Un NeoBanco de rápido crecimiento en el mercado norteamericano enfocado en microcréditos para la generación Z.

    **Desafío:** La empresa enfrentaba un cuello de botella crítico; su proceso manual de revisión de solicitudes limitaba su crecimiento y aumentaba la tasa de abandono de usuarios, requiriendo una urgente **Automatización de Originación de Préstamos** para mantener su competitividad.

    **Solución:** Smartbrain proporcionó un equipo aumentado de 4 desarrolladores Python Senior y 1 Ingeniero de Datos en menos de 7 días. El equipo diseñó e implementó un pipeline de procesamiento asíncrono utilizando Python, Celery y Redis. Integraron múltiples APIs de terceros para la verificación de identidad (KYC) y análisis de historial crediticio en tiempo real, eliminando la necesidad de intervención humana para el 90% de los casos. Además, desarrollaron un motor de reglas flexible que permitía al equipo de riesgos ajustar los parámetros de aprobación sin tocar el código base.

    **Resultado:** La solución redujo el tiempo de aprobación de préstamos de 2 días a 3 minutos. El cliente experimentó un aumento del **300%** en la capacidad de procesamiento diario de solicitudes y una reducción del **40%** en los costes operativos por préstamo originado.

    **Cliente:** Una empresa líder en PropTech especializada en facilitar hipotecas digitales para primeros compradores.

    **Desafío:** El sistema legacy del cliente sufría de frecuentes tiempos de inactividad y errores en la integración de datos, lo que complicaba la **Automatización de Originación de Préstamos** hipotecarios y frustraba a los usuarios finales.

    **Solución:** Nuestro equipo de ingenieros Python se integró con el departamento de TI del cliente para migrar su arquitectura monolítica a microservicios basados en Python y Django REST Framework. Se implementó una solución robusta de OCR impulsada por bibliotecas de Python para extraer datos automáticamente de documentos escaneados (nóminas, declaraciones de impuestos), validándolos contra las bases de datos bancarias. El equipo también refactorizó el módulo de cálculo de tasas para asegurar precisión decimal y cumplimiento con las normativas federales de préstamos.

    **Resultado:** La plataforma alcanzó una estabilidad del **99.99%** de uptime. La automatización de la lectura de documentos redujo los errores de entrada de datos en un **85%**, acelerando el ciclo de cierre de hipotecas en dos semanas promedio.

    **Cliente:** Una plataforma emergente de "Buy Now, Pay Later" (BNPL) integrada en múltiples e-commerce de moda.

    **Desafío:** La alta latencia en la toma de decisiones de crédito estaba causando que los clientes abandonaran el carrito de compra, haciendo imperativa una optimización en la **Automatización de Originación de Préstamos** en tiempo real.

    **Solución:** Smartbrain desplegó un escuadrón de desarrolladores Python especializados en Machine Learning y backend de alto rendimiento. Desarrollaron un modelo de scoring predictivo ligero utilizando Scikit-learn, desplegado a través de una API de FastAPI altamente optimizada. Este sistema analizaba el comportamiento de navegación del usuario y datos alternativos en milisegundos para aprobar créditos instantáneos. El equipo también implementó protocolos de seguridad avanzados para proteger los datos sensibles de los transacciones.

    **Resultado:** La latencia del sistema de decisión se redujo a menos de **200ms**. Esto resultó en un incremento inmediato del **25%** en la tasa de conversión en el checkout y una disminución del **15%** en la tasa de impagos gracias a la mejora en el algoritmo de riesgo.