O Sistema de Credit Scoring e a Proteção do Consumidor Introdução: A Virada Paradigmática no Tratamento de Dados de Risco A transição para a sociedade de consumo de massa impôs uma profunda reestruturação nos mecanismos de concessão de crédito, exigindo o que podemos classificar como uma virada paradigmática no tratamento de dados. No paradigma tradicional, o risco era aferido por meio de relações interpessoais ou pelo preenchimento de fichas cadastrais manuais, operadas sob o anonimato das metrópoles e a fragmentação de informações. Contudo, o volume hercúleo de transações contemporâneas tornou esses métodos obsoletos. Como bem assinalado no relatório do Ministro Paulo de Tarso Sanseverino, a evolução histórica brasileira remonta a 1955, com a criação do primeiro banco de dados pela CDL de Porto Alegre, desaguando na complexa estrutura do SPC Brasil e na consolidação da Serasa Experian. Essa evolução não é meramente tecnológica, mas sim jurídica. A tensão dialética entre a livre iniciativa e a autodeterminação informativa do consumidor atingiu seu ápice com a explosão da litigiosidade sobre o tema. A relevância desta aula magna é atestada pela gravidade do cenário enfrentado pelo STJ: o Núcleo de Recursos Repetitivos (NURER) do Tribunal de Justiça do Rio Grande do Sul reportou a existência de aproximadamente 80.000 recursos pendentes sobre o sistema de scoring. Tamanha massa de processos exigiu uma intervenção estabilizadora da Corte Superior, fixando os contornos de um conceito que desafiava a hermenêutica clássica do Código de Defesa do Consumidor (CDC). Ontologia do Credit Scoring: Definição e Metodologia Preditiva Para uma análise técnica escorreita, é imperativo distinguir a ontologia do credit scoring dos cadastros negativos tradicionais. Enquanto o cadastro de inadimplentes é um registro estático de fatos pretéritos, o scoring configura-se como um método estatístico preditivo. Ele não afirma que o consumidor é devedor; ele estima a probabilidade de que ele venha a sê-lo. Compreender essa natureza é o primeiro passo para afastar a pecha de lista negra e reconhecer sua funcionalidade como vetor de eficiência econômica. Conforme a exegese do STJ, o sistema opera sob as seguintes premissas: Modelos Estatísticos: Fórmulas matemáticas que processam informações de bases de dados compartilhadas. Variáveis de Decisão: Fatores que a experiência empírica aponta como relevantes para o risco de retorno, tais como: Dados Cadastrais: Idade, sexo, estado civil e profissão. Perfil Socioeconômico: Renda estimada, endereço e número de dependentes. Histórico de Crédito: Comportamento de pagamento e pontualidade. Escala de Pontuação: O resultado é um índice numérico que varia de 0 a 1.000, indicando menor risco de inadimplemento à medida que se aproxima do teto. É fundamental ressaltar que, por ser um modelo probabilístico baseado em inferências, sua validade jurídica depende da estrita observância do vetor axiológico da transparência, para que o consumidor não seja reduzido a um mero algoritmo opaco. O Marco Legal e a Tese da Licitude (Tema 710/STJ) A segurança jurídica é o alicerce do mercado de crédito, e o julgamento do REsp 1.419.697 logrou equilibrar a liberdade de contratar com a vulnerabilidade informacional do consumidor. O STJ ratificou que a prática do credit scoring é compatível com o ordenamento pátrio, fundamentando-se tanto na Lei n. 12.414/2011 (Lei do Cadastro Positivo) quanto no microssistema do CDC. Nesta senda, foram firmadas as seguintes teses capitais: Tese 1: O sistema "credit scoring" é um método desenvolvido para avaliação do risco de concessão de crédito, a partir de modelos estatísticos, considerando diversas variáveis, com atribuição de uma pontuação ao consumidor avaliado (nota do risco de crédito). Tese 2: Essa prática comercial é lícita, estando autorizada pelo art. 5º, IV, e pelo art. 7º, I, da Lei n. 12.414/2011 e pelo Código de Defesa do Consumidor. A legitimação do sistema, todavia, não implica um salvo-conduto para o arbítrio. O STJ estabeleceu que a licitude está condicionada ao respeito aos princípios éticos, preparando o terreno para a discussão sobre os limites do poder algorítmico. Limites ao Poder Algorítmico: Autodeterminação e o Conflito com o Segredo Comercial O ponto nevrálgico da discussão reside no embate entre o segredo comercial (a proteção do algoritmo como ativo intelectual) e o dever de transparência. O Professor deve notar que o STJ operou uma distinção sutil: a "fórmula" matemática permanece protegida pelo sigilo empresarial, mas as "variáveis" e as "fontes" devem ser acessíveis ao consumidor. Não se admite a opacidade absoluta como escudo para o abuso de direito. As Teses 3 e 4 delineiam esses limites: Prescindibilidade do Consentimento: A abertura de consulta ao sistema não exige autorização prévia, dada a natureza estatística e de proteção ao mercado. Dever de Transparência Qualificada: Quando solicitado, o gestor do banco de dados deve fornecer esclarecimentos claros sobre as fontes dos dados e as informações pessoais valoradas para a nota. Proibição de Dados Sensíveis ou Excessivos: Em observância ao Art. 3º, § 3º, incisos I e II da Lei 12.414/2011, é terminantemente proibida a utilização de informações sobre origem social, convicção religiosa, saúde, orientação sexual ou quaisquer dados que promovam discriminação indevida. A inobservância desses deveres transmuda o ato lícito em abuso de direito, estabelecendo o nexo para a responsabilidade civil. Responsabilidade Civil e a Inocorrência do Dano Moral In Re Ipsa Um dos maiores méritos do Tema 710 foi o afastamento da tese do dano moral presumido (in re ipsa). O STJ compreendeu que uma pontuação baixa, isoladamente, não gera lesão à dignidade ou à honra. Esta decisão é estratégica para o sistema judiciário, pois atua como um filtro necessário contra a chamada "indústria do dano moral" em ações de massa. A configuração do dever de indenizar exige a demonstração de um prejuízo concreto. No caso paradigma (Anderson vs. Boa Vista), a demanda foi julgada improcedente justamente porque o autor não comprovou a recusa efetiva do crédito, limitando-se a questionar a existência do score. Outrossim, deve-se observar a regra da responsabilidade solidária e objetiva insculpida no Art. 16 da Lei 12.414/2011, que vincula o fornecedor do serviço, o gestor do banco de dados, a fonte e o consulente. Abaixo, os pressupostos fixados pelo STJ: | Pressupostos da Responsabilidade Civil no Tema 710 | Descrição Jurídica e Limites Legais | |----------------------------------------------------|--------------------------------------| | Conduta Abusiva | Uso de dados sensíveis, excessivos (Art. 3º, §3º, Lei 12.414/11) ou flagrante desrespeito ao dever de informar. | | Nexo de Causalidade | Comprovação de que a recusa de crédito efetiva decorreu do uso de dados incorretos ou desatualizados. | | Dano Efetivo | Necessidade de prova do gravame; o STJ afastou o dano in re ipsa (Tese 5). | Conclusão: A Tutela da Confiança na Era Digital Em síntese, o sistema de credit scoring é uma ferramenta legítima de higidez econômica, desde que operada sob a égide da boa-fé objetiva e da tutela da confiança. O STJ, ao pacificar o Tema 710, não apenas resolveu o passivo de 80.000 processos, mas estabeleceu um norte para a governança de dados no Brasil. A transparência qualificada é o único antídoto eficaz contra a arbitrariedade algorítmica. O consumidor, enquanto titular de seus dados pessoais, deve ter garantida a sua autodeterminação informativa, assegurando que os modelos matemáticos sirvam ao desenvolvimento econômico sem aviltar a dignidade da pessoa humana. A tecnologia e a eficiência do mercado devem convergir para um ponto comum: onde o algoritmo encontra a transparência e a economia encontra a justiça social.