Asistí la semana pasada a la 3ª Convención Latinoamericana de Analítica por invitación de SAS Colombia con el fin de probar de manera directa todas las oportunidades que surgen en el mundo de la inteligencia artificial (“IA”) para los mercados financieros. Con el #ExperienceYourNewPossible pude ver la tecnología en acción y experimentar lo último en innovación en analytics, que es lo que estamos explorando en VenturaLabs para el mercado de derivados.

Entendemos por IA la imitación de las funciones “cognitivas” de los humanos por un programa (algoritmo) o una máquina, lo que les permite realizar actividades propias del razonamiento humano como la resolución de problemas. Y como tal, es una fuerza innovadora que amenaza con desplazar y transformar gran parte de la industria de servicios, especialmente, de los servicios profesionales.

La IA en las instituciones financieras puede estar presente, por un lado, a través de soluciones que ayudan al staff de las entidades a hacer su trabajo de manera más eficiente, como con el uso de asistentes inteligentes o software para análisis sofisticado de riesgos. Y por otro, a través de soluciones con las que los clientes interactúan directamente como pueden ser el uso de algoritmos para elaborar recomendaciones a los inversionistas; a los chats conducidos por bots en las entidades que tienen un gran volumen de atención de clientes, los cuales incluso pueden resolver consultas sobre el mercado en tiempo real.

El creciente interés en la IA se ha dado por la velocidad con la que ha evolucionado el “conocimiento” de las máquinas. Y es que precisamente en el evento de SAS Colombia, pude evidenciar cómo se han desarrollado una gran cantidad de soluciones para la enorme cantidad de datos no estructurados que reciben las entidades financieras en sus archivos. Ello, sumado a la computación en la nube y los algoritmos de aprendizaje automático, han elevado las expectativas de las entidades por aplicar las mejores soluciones a sus múltiples problemas amplificados por la sofocante regulación, la competencia interna, la competencia de las fintech y, porque no, las crecientes expectativas de los clientes. El nerviosismo se apoderó de las entidades y los presupuestos son generosos para probar muchas soluciones disponibles en el mercado.

En efecto, conforme a un estudio del Narrative Science en conjunto con el National Business Research Institute, el 32% de los ejecutivos de servicios financieros encuestados confirmaron el uso de tecnologías de IA como la predicción analítica, motores de recomendación, reconocimiento de voz y respuesta; y un 26% adicional lo empezaría a usar para 2018. Dentro de las razones para no usar soluciones de IA menciona la encuesta que se deben a que es algo demasiado nuevo, a que no está probado o razones de seguridad. Esto a pesar de que hay suficientes casos en la industria de beneficios probados con la IA aplicada los mercados financieros, veamos algunos:

• Servicios personalizados (realmente) para los clientes: La experiencia del cliente (CX) se ha vuelto una obsesión en todos los servicios financieros de banca personal. Los clientes, que han visto los beneficios de los filtros colaborativos en otros mercados, no temen compartir su información y por lo mismo las entidades han logrado entregar ofertas más personalizadas. Esto se evidencia en los robo-advisors y en los wealth managers, con increíbles reducciones de costos.
• Eficiencia en Operaciones: la automatización y la digitalización han traído beneficios enormes para las áreas de Operaciones y para los procesos en general. La IA irrumpe en todos los procesos rutinarios y repetitivos para hacerlos más eficientes. Y unido a la personalización, hoy en día entidades que tienen millones de clientes pueden atender con eficiencia una cantidad enorme de demandas de los clientes, lo cual es imposible de implementarse sin soluciones de IA. En este punto, también se deben mencionar todas las soluciones internas que ayudan a las entidades internamente a hacer un trabajo más eficiente, por ejemplo en Servicio al Cliente, Riesgos, Compliance, Requerimientos y Legal.
• Prevención del fraude: capítulo aparte está en las soluciones de IA para prevenir el fraude. Desde soluciones como reconocimiento fácil, hasta soluciones para los diarios ataques cibernéticos. El seguimiento a los patrones de las cuentas ha permitido la detección temprana de fraudes con respuestas en tiempo real cuando hay una transacción (a quien no lo han llamado minutos después de realizar una operación fuera del patron ordinario). Además de los temas de lavado de activos.

No obstante, desde la perspectiva estratégica, la pregunta sigue siendo por el retorno de la inversión (ROI) de esas soluciones. Y sobre todo en el desarrollo de soluciones que logren un impacto determinante en los resultados de la entidad. Es decir, la pregunta que se hacen algunas entidades es ¿puede una entidad financiera encontrar un modelo de negocio alrededor de la IA que genere beneficios similares a cualquiera de sus líneas de negocio core? Y nuestra respuesta es sí.

La forma de lograrlo es haciendo uso de la IA de manera transversal a todas las áreas de la entidad, es decir, transformando completamente a la entidad alrededor de la analítica de datos para la toma de decisiones. Mientras la transformación no sea total, como lo ha sido con internet por ejemplo, los resultados seguirán siendo tibios y las entidades seguirán siendo desplazadas paulatinamente por aquellas que sí vean una oportunidad de transformación.

Pero esa transformación no puede darse por los silos administrativos sino que debe ser customer-oriented y alrededor de clusters internos de valor para el cliente, de lo contrario habrá una enorme pérdida de valor, dinero y tiempo.

Como se ve en la figura anterior, cualquier solución de tecnología debe pasar por un filtro estratégico que evite caer en las trampas propias de las “nuevas modas”. Es así que la lata dirección deberá: (1) evaluar (o replantear) su actual modelo de negocio para identificar cuáles son los aspectos del mismo que desea mejorar y la forma como la IA puede ayudarle a resolver ese dilema estratégico; (2) involucre todo el ecosistema relativo al aspecto que se desea mejorar; (3) empiece siempre con los aspectos que sean escalables, es decir, que puede iniciar en pequeño y, probada la funcionalidad, lo puede simplemente extender al resto de la organización; y (4) nombre a una persona encargada de la innovación que no tenga otra responsabilidad distinta a innovar.