Poucos temas sobre a China geram tanta desinformação quanto o "sistema de crédito social". A narrativa ocidental frequentemente retrata um sistema orwelliano de vigilância total que controla cada aspecto da vida dos cidadãos. A realidade é mais nuançada — e, em alguns aspectos, oferece lições relevantes para o Brasil.
O que é o Zhima Credit
O Zhima Credit (ou Sesame Credit) é o sistema de scoring de crédito operado pelo Ant Group (controlador do Alipay). Lançado em 2015, o Zhima atribui uma pontuação de 350 a 950 pontos com base em cinco categorias: histórico de crédito, capacidade de pagamento, informações pessoais, comportamento de consumo e conexões sociais.
É crucial distinguir o Zhima Credit do sistema de crédito social governamental. O Zhima é um produto privado, análogo ao score do Serasa ou do SPC no Brasil. O sistema de crédito social governamental, por outro lado, é uma iniciativa pública fragmentada entre governos locais, com escopo e implementação muito variáveis.
Zhima Credit vs Serasa Score
O Serasa Score brasileiro varia de 0 a 1.000 e considera primariamente dados financeiros: histórico de pagamentos, dívidas, consultas ao CPF e, desde 2019, dados do Cadastro Positivo. O modelo é fundamentalmente reativo — analisa o que já aconteceu.
O Zhima Credit vai além dos dados financeiros tradicionais. Analisa padrões de consumo no Alipay e Taobao, pontualidade em reservas de hotel e aluguel de bicicletas, rede social (quem são seus contatos e qual a pontuação deles) e até se o usuário completa seu perfil pessoal. Isso torna o modelo mais preditivo, mas também mais invasivo.
Benefícios e riscos do modelo chinês
Os benefícios são claros: o Zhima Credit permitiu que milhões de chineses sem histórico bancário tradicional acessassem crédito pela primeira vez. O sistema também incentiva comportamentos positivos, como pagar contas em dia e manter compromissos sociais. Pontuações altas dão acesso a benefícios como depósitos reduzidos em hotéis e aluguel de equipamentos sem caução.
Os riscos são igualmente claros: a inclusão de dados comportamentais e sociais no scoring pode levar a discriminação algorítmica. Pessoas com redes sociais compostas predominantemente por indivíduos de baixa pontuação podem ser penalizadas, perpetuando ciclos de exclusão social.
Lições para o Brasil
O Cadastro Positivo brasileiro, implementado pela Lei Complementar 166/2019, foi um passo na direção certa ao incluir dados de pagamento no scoring. Mas o Brasil pode ir além, incorporando dados do Open Finance (com consentimento) para criar modelos mais precisos e inclusivos.
O alerta principal é sobre limites éticos. A tentação de usar dados comportamentais amplos para scoring é real, mas o Brasil tem a LGPD como salvaguarda. A experiência chinesa mostra que eficiência na concessão de crédito e privacidade não precisam ser mutuamente exclusivas — mas encontrar o equilíbrio exige regulação inteligente e fiscalização ativa.