Las empresas financieras dependen de montones de datos confidenciales y de complejas infraestructuras informáticas, y operan en un entorno normativo en constante evolución, lo que las convierte en las principales candidatas para la innovación impulsada por la inteligencia artificial. Sin embargo, habrá que gestionar los riesgos asociados.
Por ello Jefferies expone 10 ideas relacionadas con los bancos, la financiación al consumo, el corretaje/AM y los pagos .
Marketing y experiencias del cliente hiperpersonalizados. Aprovechando datos alternativos, el aprendizaje automático (ML) puede utilizarse para hacer predicciones sobre el comportamiento de los clientes y aumentar las tasas de conversión. Los mensajes pueden personalizarse a nivel individual en función de perfil de personalidad, actitudes/creencias, preferencias políticas, comportamiento de compra y estilo de comunicación preferido, de una manera que es indistinguible del contenido escrito por humanos.
Prácticas de cobro más eficientes y conformes. Los modelos de procesamiento del lenguaje natural de lenguaje natural (PLN) permitirán una comunicación más eficaz con los prestatarios morosos, reducirán los errores humanos y reducirán el número de PPC, y dará lugar a menos reclamaciones y demandas ante la CFPB. La IA analizará las interacciones con los clientes conversaciones para su seguimiento, y convertirá a todos los agentes en los mejores cumplidores.
Mejora de la suscripción, la originación y la gestión de riesgos. El ML y las redes neuronales de pérdidas, y los modelos predictivos permitirán la calificación del riesgo en tiempo real y la identificación proactiva de los créditos en dificultades. La PNL se utilizará para redactar documentos legales y acelerar los procesos de originación, lo que permitirá a los prestamistas/inversores desplegar el capital de forma más rápida/eficaz.
Asesoramiento financiero altamente personalizado y de bajo coste. La IA operará con deber de diligencia para proporcionar información al cliente, recomendar inversiones, ejecutar transacciones y generar planes financieros en función de las circunstancias y preferencias individuales, teniendo en cuenta grandes volúmenes de datos con el objetivo de ofrecer salud financiera.
Adopción acelerada de pagos B2B automatizados. Las herramientas de IA pueden ayudar a proporcionar un proceso de pago B2B más rápido a través de la mejora de la conciliación de pagos, haciendo coincidir automáticamente los pagos con las facturas pendientes y disminuyendo los procesos manuales.
Modernización y el fortalecimiento de la infraestructura. Las capacidades de codificación de IA acelerarán la transformación digital de los bancos, incluida la optimización de los centros de datos y la migración de aplicaciones a nubes públicas y nubes privadas, ayudando a generar importantes ahorros de costes. Los no codificadores podrán lograr proyectos de software complejos utilizando un lenguaje cotidiano.
La defensa contra el fraude. El aprendizaje adversarial, un tipo de IA generativa que consiste en entrenar dos modelos entre sí, se utilizará para mejorar la detección del fraude y tomar medidas correctivas.
Los informes reglamentarios (y otras eficiencias de gestión). La IA permitirá a los no especialistas generar informes personalizados (es decir, de gestión y reglamentarios) teniendo en cuenta consideraciones que hasta ahora eran responsabilidad de los expertos en la materia. LA IA también eliminará prácticamente el tiempo dedicado a resumir estudios de mercado, realizar análisis de datos/reconocimiento de patrones y otros procesos manuales.
Mejora de la privacidad de los datos. La IA generativa puede emplearse para producir conjuntos de datos sintéticos que se parezcan mucho a los originales, respetando al mismo tiempo la normativa sobre privacidad. En lugar de utilizar datos de clientes que no se pueden compartir debido a las leyes/reglamentos de protección de datos, se pueden crear datos compartibles utilizando datos sintéticos.
Finalmente, será necesario gestionar los riesgos de la IA, lo que provocará una adopción más lenta de lo esperado. Las entidades financieras tendrán que gestionar los errores de codificación de la IA, la vulnerabilidad a los ciberataques, los modelos sesgados, la responsabilidad legal poco clara de las decisiones de IA y la falta de trazabilidad de la IA, entre otros riesgos, apostilla en informe de Jefferies.
Por Funds Society, Madrid
