Este sector ha estado muy marcado por la regulación (Acuerdos originales de Basilea, Basilea II y III) y por la creciente complejidad de las operaciones, lo que ha propiciado que las distintas instituciones buscaran la excelencia técnica de sus procesos internos. En este entorno es donde la Inteligencia Artificial (IA) ha encontrado un terreno muy fértil para demostrar su capacidad y aportar valor cuando se tienen los datos adecuados.
Algunos de los casos que más valor ha conseguido ofrecer la IA en el sector financiero es por ejemplo en la concesión de créditos, donde sencillamente el que tiene los mejores modelos es el que gana. Los bancos están usando la IA para construir modelos que estimen la probabilidad de impago y la severidad de la pérdida de los préstamos solicitados, así como para predecir las proyecciones de pérdidas y ganancias.
Otro caso es la lucha contra el crimen financiero, especialmente el lavado de dinero y el fraude. Se trata de un sector en el que los criminales son cada vez más sofisticados, desarrollando métodos nuevos continuamente. Gracias a la IA, los bancos pueden conocer los patrones y detectar actividad sospechosa para evitar el impacto económico y reputacional frente a sus clientes de ser víctimas de este tipo de ataques. La IA les ayuda no solo a prevenir los ataques ya conocidos sino a detectar aquellos totalmente nuevos con una mayor precisión.
En cuanto a los clientes, éstos esperan que los bancos sepan quienes son, qué necesitan y cuándo lo necesitan. Gracias a la gran información que tienen los bancos de sus clientes, la IA está ayudando a predecir las necesidades de cada uno, además de identificar las nuevas necesidades. De la misma forma, los bancos están aprendiendo a partir de las quejas de los clientes a determinar cuáles son las acciones que deben de llevarse a cabo para aumentar la satisfacción del mismo, así como pronosticar la necesidad de personal en las sucursales y los centros de atención al cliente.
También para mejorar la gestión de liquidez, los bancos están utilizando modelos de IA, como por ejemplo para predecir el volumen de solicitudes de nuevos préstamos, la velocidad de amortización anticipada o para pronosticar las necesidades de efectivo de cada cajero y sucursal para los siguientes días o semanas. Esto permite optimizar las necesidades de liquidez para obtener un mayor retorno y eficiencia operativa.
Para implementar estas herramientas existen cuatro fases específicas de madurez en torno a la realización exitosa de proyectos de Inteligencia Artificial: aceleración de soluciones, productividad de los científicos de datos, democratización de la ciencia de datos y empresa impulsada por la IA. En un primer momento, el aprendizaje automático puede ayudar a los bancos a desarrollar e implantar soluciones de IA a mayor velocidad. Aquellos que desplieguen el aprendizaje automático aprenderán directamente en sus funciones y líneas de negocio a aprovechar sus conocimientos y los datos integrados en estas áreas. Y, por último, los bancos más maduros se convertirán en expertos, desarrollando estrategias para productos, canales y experiencia del cliente en torno a la inteligencia artificial.
Hay muchos casos más y por eso podemos decir que la era de la Inteligencia Artificial ha llegado a la industria financiera para quedarse. Los bancos que ya la han adoptado están recogiendo todos los beneficios de las nuevas técnicas e introduciéndolas en cada vez más áreas de su organización para poder ser competitivos.
