Laurent - stock.adobe.com

Dónde aplicar la IA generativa en los servicios financieros

Conozca algunas dimensiones obvias, pero desafiantes, en las cuales se aplica y puede aprovecharse esta tecnología.

Uno de los objetivos en la agenda de la mayoría de líderes de tecnología en servicios financieros es mejorar y personalizar los servicios brindados a los clientes empresariales a través de canales digitales, aplicando la IA como habilitador. Sin embargo, pocos saben por dónde empezar o cómo podrían utilizar la IA en diferentes dimensiones operativas.

Este podría ser el caso de la IA generativa, un tema que ha tenido mucha difusión y está siendo discutido por todos aunque no todo el mundo comprende plenamente su alcance, o los beneficios que podría aportar a la empresa y a sus clientes finales. Cuando nos centramos en las empresas financieras, su relevancia aumenta debido a todas las dimensiones en las que se puede aplicar la IA generativa, que mencionaré más adelante en este artículo.

Para los primeros usuarios, es una obviedad comenzar a invertir en dicha tecnología como facilitador de negocios. Instituciones financieras globales como el Banco de China, Citi Group y Mastercard han invertido y continúan invirtiendo en IA generativa en busca de ventajas competitivas, para protegerse a sí mismas y hacia el futuro de las interacciones financieras con el cliente.

Por supuesto, aún quedan desafíos por delante en la implementación exitosa de la IA generativa. Uno de ellos es la calidad de la información que la empresa puede utilizar; los datos se han convertido en una mina de oro para quienes pueden confiar en ellos.

Cuando preguntamos dónde se puede aplicar la IA generativa en las empresas financieras, identificamos muchos dominios, desde el servicio al cliente hasta la detección de fraudes. Como se dice en distintos foros: ha llegado y se quedará.

Repasemos algunas dimensiones más obvias, pero desafiantes, en las que se puede aplicar y aprovechar la IA generativa.

Servicio al cliente y agentes bancarios

Como parte de la revolución digital, y de la tendencia de que los clientes prefieran la autoasistencia, no sorprende que el agente bancario digital sea uno de los principales casos de uso de la IA generativa. De hecho, esto podría verse como la evolución del pasado agente digital.

¿Cómo es eso? La gama de transacciones financieras que un cliente puede realizar a través de un agente digital ha aumentado. Ahora podremos ver transferencias seguras, acceso a extractos bancarios, bloqueos de tarjetas de crédito y soporte para consultas de Nivel 1, entre otras transacciones estándar. Cuando se conecta con el sistema bancario central, el rango de transacciones aumenta sustancialmente e implica algunas más complejas: podemos apuntar a pagos y solicitudes de inversión, que ahora son factibles de manejar debido a la capacidad de manejar un intercambio de datos preciso y en tiempo real. No olvidemos el valor de personalizar los servicios presentados a los clientes, donde el agente bancario se convierte en un asesor financiero de confianza.

Ahora que hemos aplicado la IA generativa a la dimensión del “Servicio al cliente”, podemos ver el efecto de la cadena en otros aspectos relevantes como el compromiso y la lealtad del cliente, la eficiencia operativa, la reducción de costos al reducir el número de transacciones que se realizan en los centros de contacto y sucursales, y la prevención de fraude, entre otros.

Detección del fraude

Aunque las empresas financieras optan por implementar soluciones personalizadas para abordar la probabilidad de actividad fraudulenta, a través de sistemas de alerta basados en reglas, la virtud de la IA generativa es aprender de sí misma a través de datos históricos, identificando nuevas transacciones sospechosas, reconociendo comportamientos de los usuarios o distinguiendo patrones poco comunes.

Ahora se están considerando entradas adicionales al aplicar la IA generativa, como la ubicación del usuario, el momento, los montos de las transacciones, etc., que se analizan más detalladamente de forma relacional (en lugar de factores aislados).

Otro proceso bien conocido es el monitoreo continuo, donde la IA generativa, con su forma de autoadaptación, busca nuevos hilos y desencadena diferentes acciones, no solo una alerta.

Por último, ayuda a adoptar de forma más rápida de cualquier directriz de privacidad y seguridad, que también puede escalarse en cualquier momento a medida que los reguladores publican nuevos requisitos.

Un ejemplo de esta aplicación podría ser prevenir estafas de pagos push fraudulentos, enviando notificaciones al usuario al retirar dinero de su cuenta, lo que se traduce en una reducción de costos para la entidad financiera.

Casos utilizados en otros campos

  • Apoyar el proceso de evaluación de riesgos, analizando todos los datos disponibles de los clientes potenciales o segmentando y categorizando mejor los actuales (perfil de riesgo).
  • Predecir el comportamiento de los clientes y ayudar a encontrar oportunidades de venta cruzada como parte de la propuesta de ventas.
  • La IA aún no puede realizar procesos E2E. Sin embargo, puede fomentar la eficiencia operativa a través de la automatización y optimización de procesos, como la generación de crédito, el procesamiento de reclamaciones de seguros y el rediseño del flujo de trabajo.
  • Una mejor toma de decisiones estratégicas se basa en la información recopilada y analizada.
  • Apoyar campañas de marketing, mejorar la marca empresarial y, en última instancia, ganar la fidelidad de los clientes.

En resumen, el alcance de la IA generativa en la industria de servicios financieros, o cualquier otra industria, llega tan lejos como nuestra imaginación podría llegar debido a su naturaleza inherente y su combustible: los datos.

No es de extrañar que veamos nuevos casos en los que la IA Gen se convertirá en una parte fundamental de las operaciones de los servicios financieros para mejorar procesos, mejorar la toma de decisiones, hacer propuestas de productos, etc. Sin embargo, es necesaria para complementar y mejorar el estado actual con mejores datos e información más precisa, no para superar ni reemplazar los momentos de verdad que existen con los clientes.

Nota del editor: Esta columna fue editada para ofrecer mejor claridad y por estilo editorial.

Ricardo Cabada es director de Desarrollo de Negocios y Transformación para México en GFT Technologies. Anteriormente, se desempeñó en puestos directivos en RGP, EY, PwC y Accenture. Tiene certificaciones PMP por el Project Management Institute, SCRUM Master por SCRUMstudy, e ITIL Foundation Level por PeopleCert. Es ingeniero electrónico por el Instituto Tecnológico de Estudios Superiores de Ecatepec.

Investigue más sobre Inteligencia artificial y automatización

ComputerWeekly.com.br
Close