Las empresas de servicios financieros están ingresando de lleno en el futuro: se trata de uno de los segmentos que más rápidamente adopta la inteligencia artificial (IA) para generar mejores experiencias para sus clientes, lanzar nuevos productos y servicios, disminuir riesgos y redefinir modelos de negocio.

La consultora McKinsey estima que el valor adicional que pueden obtener los bancos que aplican estrategias vinculadas a IA ascienden a US$1.000 millones al año.

Automatización inteligente

La automatización inteligente, apoyada en machine learning, es una de las aplicaciones más transitadas hasta el momento en el sector. Los bancos manejan enormes cantidades de datos sobre transacciones, inversiones, índices del mercado y comportamiento de sus propios clientes. Combinar manualmente o con herramientas informáticas básicas toda esa información para obtener conocimiento útil para la toma de decisiones es una tarea no solo tediosa y que podría ocupar muchísimo tiempo del capital humano, sino también altamente propensa a errores. 

La automatización con machine learning permite explorar ese big data en busca de patrones, desvíos o anomalías y aplicar los resultados en analizar comportamientos de los clientes, reducir costos o detectar ineficiencias y anticipar riesgos, entre otras funciones.

Los responsables de impuestos, legales y fraudes encuentran en la automatización inteligente una oportunidad para dejar de lado tareas repetitivas y tediosas y dedicar su tiempo a entregar un mayor valor agregado a la organización.

Inversiones personalizadas

Desde el punto de vista de la experiencia del cliente, la IA ya está actuando en los bancos desde hace un tiempo: la vemos en esos asistentes virtuales que aparecen en la página web cuando tenemos alguna duda durante la navegación o en los chatbots que se consolidan como una vía efectiva de atención al público 24×7.

Ahora llegó el momento de avanzar un nuevo paso: los servicios de orientación financiera basados en datos y apoyados en IA permiten que esos mismos bots, entrenados adecuadamente, procesen en segundos diversas fuentes de datos sobre inversiones y entreguen a cada cliente una solución óptima y muy relevante según sus necesidades, su perfil y su capacidad financiera.

La experiencia del cliente se puede mejorar y personalizar aún en aspectos más sencillos, pero igual de importantes: la recopilación sistemática y posterior clasificación de los datos sobre todas las interacciones de los clientes en todos los canales de atención, por ejemplo, permite entregar promociones específicas, información relevante en su teléfono móvil o en cualquier punto de contacto (incluyendo el cajero automático, por ejemplo) o la derivación con un asesor con el que tenga mayor probabilidad de éxito en el intercambio. ¿El resultado? Mayor grado de satisfacción, y como consecuencia de esto, mayor fidelidad.

Los riesgos bajo control

Una de las ventajas de la IA como tecnología predictiva es que permite generar modelos de riesgo crediticio elaborados a partir del historial del cliente, de sus consumos generales, de sus ingresos, de su comportamiento ante otros préstamos o de información financiera de terceras partes entre otras fuentes de datos. Esto supone una ventaja para ambas partes: el cliente no necesita esperar aprobaciones ni llenar formularios infinitos y el banco disminuye notablemente el riesgo ante cada crédito que entrega. Incluso, puede ofrecer una tasa de interés más accesible en los casos en que dicho riesgo sea realmente bajo.

En un sentido similar, la IA es muy útil para monitorear patrones de comportamiento con el objetivo de detectar acciones sospechosas y prevenir fraudes.

Análisis profundo

Una de las funcionalidades de IA es estudiar todos los datos para proporcionar resultados sobre rentabilidad real y potencial de cada uno de los servicios, identificar tendencias del mercado, delinear estrategias acordes o establecer nuevos modelos de rendimiento.

Los límites en las capacidades de análisis de lo que ocurre en el mercado literalmente desaparecen: por ejemplo, con el procesamiento de lenguaje natural (PLN) los bancos pueden bucear no solo en las fuentes tradicionales de datos, sino también en noticias, videos, investigaciones o cualquier tipo de material para explorar tendencias que puedan impactar en el universo de las finanzas.

Obstáculos e impulsores

¿Qué obstáculos existen para una adopción más amplia de la IA en el segmento bancario? El principal es la existencia todavía muy significativa de sistemas heredados, con arquitecturas antiguas, que impiden la incorporación de nuevas tecnologías. 

Sin embargo, la aceleración de la transformación digital, la presión que ejercen las fintech que son nativas digitales y data driven y el rumbo que está tomando el mercado no dejan muchas alternativas: llegó la hora de modernizarse, reinventar el negocio y apostar por servicios financieros cada vez más inteligentes.