U ma empresa de grande porte do setor Financeiro enfrentava dificuldades para personalizar ofertas de crédito destinadas a consumidores negativados — um público que exige critérios de análise mais sofisticados. O modelo tradicional se baseava em critérios genéricos e estáticos, que não levavam em conta o comportamento individual de cada consumidor, resultando em baixa aderência das propostas e menor taxa de conversão. O modelo existente também não contava com nenhum mecanismo de aprendizado contínuo, repetindo os mesmos erros de assertividade ao longo do tempo.
A Kron Digital desenvolveu um algoritmo de aprendizagem por reforço capaz de analisar continuamente os padrões de aceitação de crédito. Construído em Python, com a biblioteca Vowpal Wabbit como núcleo do modelo, o sistema ajusta automaticamente as ofertas de crédito à medida que observa o comportamento real dos consumidores. Essa abordagem aprende de forma contínua, refinando as propostas conforme o perfil de dívida específico de cada consumidor.