La Inteligencia Synthetic Generativa (GenAI) ya no es sólo una palabra de moda. Está evolucionando como una fuerza transformadora que está remodelando el mundo. 2023 ha sido un año decisivo para las nuevas empresas de GenAI, con una financiación de capital que superó los 21.800 millones de dólares, cuatro veces más que en 2022.
La industria bancaria y de servicios financieros siempre ha estado a la vanguardia en la adaptación de tecnologías disruptivas y el desarrollo de casos de uso. GenAI tiene una inmensa importancia en el ámbito de la banca y marca el comienzo de una nueva period de eficiencia, precisión e innovación. Según McKinsey, la tecnología podría generar un valor equivalente a entre 200.000 y 340.000 millones de dólares adicionales al año en todo el sector bancario.
Si bien el protagonismo suele centrarse en las aplicaciones orientadas al cliente, como la IA conversacional, los chatbots, los robots de voz, and so on., pasar por alto el again workplace bancario será una oportunidad perdida. En una industria donde los datos son la piedra angular, la capacidad de GenAI para procesar grandes volúmenes de información, comprender el contexto, reconocer patrones complejos y generar conocimientos significativos realmente puede dar forma al futuro del again workplace.
Si bien existe una gran cantidad de posibilidades con Gen AI, en este weblog profundizaremos en 4 casos de uso seleccionados del back-office bancario, que tienen el potencial de generar un impacto significativo:
1- Evaluación y suscripción del riesgo de crédito:
Los bancos recopilan una gran cantidad de datos sobre los solicitantes, incluidos puntajes crediticios, historial financiero, detalles de ingresos y gastos, y más. Los procesos de suscripción tradicionales implican la entrada y el análisis handbook de datos, lo que genera retrasos y posibles errores. GenAI interviene recopilando, limpiando y preparando datos automáticamente de diversas fuentes, garantizando precisión y coherencia.
Una vez que los datos de alta calidad están disponibles, GenAI emplea algoritmos avanzados para extraer características relevantes de los datos. Identifica patrones, correlaciones y tendencias que podrían no ser evidentes mediante el análisis handbook. Esto ayuda a descubrir relaciones intrincadas que podrían influir en el riesgo crediticio. GenAI utiliza el aprendizaje profundo y crea modelos de riesgo altamente complejos que van más allá de los sistemas tradicionales de calificación crediticia, incorporando datos dinámicos y en tiempo actual.
GenAI genera escenarios sintéticos que simulan diferentes condiciones económicas, tendencias del mercado y comportamientos de los prestatarios. Estos escenarios ayudan a evaluar el impacto potencial de factores externos en el pago de préstamos y pueden ayudar a los bancos a mejorar la precisión de las predicciones de riesgo. También puede detectar señales tempranas de dificultades financieras o incumplimientos mediante el análisis de patrones de transacciones, hábitos de gasto y otros puntos de datos.
Esto no solo cut back el tiempo necesario para tomar decisiones crediticias, sino que también garantiza que las decisiones se basen en conocimientos basados en datos en lugar de juicios subjetivos y sesgados.
2- Tramitar instrucciones y solicitudes de los clientes:
Incluso después de cambios revolucionarios y actualizaciones en las capacidades de autoservicio, los bancos están abrumados con volúmenes de instrucciones y solicitudes de clientes que deben procesarse manualmente en las oficinas intermedias y administrativas.
GenAI está equipado con capacidades avanzadas de procesamiento del lenguaje pure que le permiten comprender e interpretar las solicitudes de los clientes, independientemente de la frase o el idioma utilizado. Esto incluye el reconocimiento de palabras clave, intenciones y análisis de sentimientos para captar con precisión las necesidades del cliente. Una vez interpretada la solicitud del cliente, GenAI puede recuperar datos relevantes del sistema de registros del banco. Esto incluye información de la cuenta, historial de transacciones y cualquier otro detalle pertinente relacionado con la solicitud del cliente. Según las instrucciones del cliente y los datos disponibles, GenAI toma decisiones automatizadas dentro de parámetros predefinidos.
Por ejemplo, si un cliente solicita cambiar el ciclo de facturación de una tarjeta de crédito, GenAI puede obtener los datos del cliente, consultar la política del banco, analizar solicitudes similares, tomar una decisión y procesar la solicitud en el sistema de tarjetas de crédito sin intervención handbook. En los casos en que las solicitudes de los clientes impliquen alguna excepción, GenAI puede analizar la situación y generar respuestas adecuadas y personalizadas. También puede proponer posibles soluciones basadas en patrones o contextos históricos.
3- Detección, prevención e investigación de fraude:
Los estafadores siguen evolucionando y cambiando de táctica constantemente. Por tanto, los sistemas de gestión del fraude deben basarse en estrategias adaptativas. GenAI es una herramienta sólida para abordar el fraude de forma eficaz. GenAI no se basa en reglas estáticas. Utiliza estrategias adaptativas y contextuales. Si los estafadores cambian de táctica, ésta evoluciona para detectar patrones y anomalías nuevos y emergentes.
GenAI recopila datos de diversas fuentes, incluidas transacciones, canales, comportamiento del usuario, patrones de dispositivos, direcciones IP, datos de ubicación geográfica, bases de datos de terceros, casos históricos de fraude, indicadores de riesgo externos e integra estos datos diversos, creando una visión integral y holística de la ecosistema bancario. Reconoce patrones, anomalías y correlaciones que indican actividades potencialmente fraudulentas.
GenAI genera datos sintéticos que simulan comportamientos de transacciones normales y fraudulentas. Estos datos sintéticos se utilizan para entrenar modelos de detección de fraude, haciéndolos más sólidos y adaptables a las nuevas tácticas utilizadas por los estafadores. Cuando señala una transacción o comportamiento potencialmente fraudulento, activa una alerta a los analistas humanos o sistemas automatizados para una mayor investigación. Para las transacciones marcadas, GenAI proporciona información y contexto a los analistas humanos, ayudándolos a tomar decisiones informadas rápidamente. Incluso puede aprobar automáticamente transacciones de bajo riesgo, reduciendo el tiempo del ciclo y mejorando la productividad. Las decisiones y los comentarios de los analistas humanos se incorporan al proceso de aprendizaje de GenAI para fortalecer el desempeño y mantenerlo alineado con las últimas estrategias de detección de fraude.
4- Acelerar la automatización del back-office hacia la hiperautomatización:
GenAI puede desempeñar un papel essential en la mejora de las capacidades de herramientas de automatización como la automatización robótica de procesos (RPA) y el reconocimiento óptico de caracteres (OCR). Puede ayudar a abordar las excepciones y fallas que encuentran los robots de RPA, reduciendo la necesidad de intervención handbook y mejorando la eficiencia normal de los procesos automatizados. Los robots de RPA siguen reglas predefinidas, pero a menudo encuentran excepciones que quedan fuera de estas reglas. Se puede emplear GenAI para analizar estas excepciones, comprender el contexto y generar respuestas o soluciones apropiadas. Para excepciones complejas, GenAI puede analizar los datos de falla y generar explicaciones legibles por humanos, ayudando a los equipos de TI o a los usuarios comerciales a comprender por qué ocurrió la excepción. De manera comparable, GenAI puede analizar y corregir errores de OCR comparando el texto extraído con patrones conocidos, datos históricos e información contextual.
GenAI puede aprender continuamente de excepciones y fallas a lo largo del tiempo. A medida que encuentra más casos, mejora en la identificación de patrones y la predicción de posibles excepciones. Este aprendizaje en tiempo actual permite a GenAI manejar excepciones cada vez más complejas con el tiempo.
Al combinar GenAI con RPA y OCR, los bancos pueden lograr un mayor nivel de madurez de automatización. Esta sinergia permite la hiperautomatización, cut back la intervención handbook y mejora la eficiencia y precisión de los procesos, lo que en última instancia conduce a mejores experiencias del cliente y excelencia operativa.
La integración de GenAI en las operaciones administrativas bancarias representa un importante avance en el viaje de transformación digital de la industria. Los bancos obtendrán beneficios sustanciales al mejorar la toma de decisiones y mejorar la eficiencia operativa para reforzar las medidas de seguridad y allanar el camino para la hiperautomatización. A medida que el panorama financiero continúa evolucionando, adoptar tecnologías GenAI será elementary para que los bancos sigan siendo competitivos, ágiles y resilientes en un entorno de mercado en constante cambio.
Referencias:
Potencial económico de la IA generativa | McKinsey
Informe CB Insights El estado de la IA generativa
