La disrupción es parte de la cotidianidad en el mundo de las finanzas: la continua aparición de empresas de base tecnológica (fintech) con propuestas innovadoras y de vanguardia se combina con la digitalización de bancos tradicionales para adaptarse a un nuevo modelo de consumidor y con la colaboración entre estos dos mundos para potenciar fortalezas y reducir debilidades. La competencia puede llegar de cualquier lugar, en cualquier momento.

En este contexto, la inteligencia artificial (IA) se consolida como una de las tendencias tecnológicas que más adopción tuvo en el sector. ¿Cuál es su potencial disruptivo y en qué áreas se está aplicando con mayor frecuencia?

Una experiencia única

El terreno en el que más experimentaron los bancos hasta el momento con IA es el de los chatbots: asistentes virtuales que atienden a los clientes en los sitios web, en chats conversacionales de WhatsApp, por teléfono o por cualquiera de los restantes canales digitales. Entre los beneficios que propone este concepto se cuentan el hecho de que están disponibles 7×24, que pueden atender un número mucho más grande de llamados en simultáneo que un operador humano, y que gracias a su capacidad de aprendizaje con mecanismos de machine learning amplían de manera continua la cantidad de temas que pueden resolver de manera casi inmediata.

Una evolución de los chatbots, orientados a mejorar la experiencia del cliente, son los asesores automatizados, que ofrecen recomendaciones cercanas a lo óptimo en relación a las carteras de inversión.

Automatización inteligente y cumplimiento normativo

La automatización de tareas rutinarias y altamente repetitivas demostró ser una herramienta eficaz para ahorrar costos, eliminar errores y volcar el capital humano hacia tareas de valor agregado.

Muchas veces, por cuestiones regulatorias, los bancos se ven obligados a mantener determinadas operatorias en papel, lo que dificulta su integración con los sistemas digitales. En ese sentido, la automatización, combinada con IA, permite llevar la eficiencia administrativa al siguiente nivel: por ejemplo, un bot puede ser capaz de leer diferentes documentos que aún se utilicen en papel (recibos, facturas, transacciones) y distribuirlos en los sistemas adecuados para mejorar la gestión de gastos, las entradas y salidas de dinero y el estado de cuenta de cada uno de los clientes.

Del mismo modo, las herramientas de IA pueden utilizar machine learning y procesamiento natural de lenguaje para analizar documentos y buscar términos concretos relacionados con el cumplimiento (o no) de normativas y estándares, lo que evita desde multas hasta clausura de actividades con su consecuente costo reputacional.

Seguridad en las transacciones

El consumidor actual necesita respuestas inmediatas. Por lo tanto, no elegiría un banco que demorase mucho tiempo en aprobarle un préstamo o un crédito. En simultáneo, la entidad financiera no puede entregar alegremente préstamos sin haber estudiado el historial del potencial cliente. IA, combinada con big data y herramientas de análisis predictivo, viene a resolver este delicado equilibrio siempre latente en la gestión de riesgos: permite evaluar la solvencia de una persona en tiempo real analizando no solo sus antecedentes crediticios (en muchos casos, ni siquiera existen), sino también sus patrones de comportamiento, sus transacciones online, sus antecedentes como pagadores o incluso la cantidad de créditos vigentes que tenga.

Con una lógica similar, IA y big data se alían para luchar contra el fraude: desde acciones individuales hasta delitos graves, como lavado de dinero, pueden ahora detectarse prácticamente sin errores ni “falsos positivos” (es decir, alertas sobre situaciones posiblemente fraudulentas que implican un uso intensivo de recursos y que, luego de ser analizadas a fondo, resultan no serlo).

Predicciones multinivel

Otra aplicación clave de la IA en el segmento financiero es la generación de predicciones sobre la evolución de activos de inversión en base a patrones o indicios que pueden estar relacionados directamente o no con el activo evaluado: desde comentarios de usuarios en las redes sociales hasta una catástrofe natural en una geografía específica, pasando por inestabilidad política o económica de un país, toda esa información puede compararse, sopesarse y utilizarse para aproximar pronósticos con una altísima tasa de precisión.

Con IA es posible adelantar demoras en el pago de un cliente (y proponer recordatorios con más anticipación a los que tienen mayor probabilidad de pagar tarde) u obtener análisis de mercado completos que consideren todas las variables.

En el segmento financiero la disrupción está a la orden del día. Por eso, para asegurarse el futuro, las empresas del sector necesitan ser cada vez más inteligentes.