Por Gilma Díaz, directora de Ventas de
FICO para la región NOLA
El mundo de
posibilidades de la inteligencia artificial (IA) es impresionante. En cualquier
ramo empresarial, la IA puede mejorar los procesos internos para aumentar la eficiencia
y reducir costos, los cuales son dos de los primeros beneficios de esta
tecnología. Pero hay mucho más, como que los negocios pueden tomar ventaja de
la IA generativa (IA Gen) para mejorar sus capacidades; generar automáticamente
código, texto, imágenes y otros medios; optimizar sus procesos, e incluso
predecir situaciones para tener una toma de decisiones adecuada.
Cuando la IA y los
empleados tienen una relación simbiótica, aceleran el tiempo para superar a su competencia
y amplían de forma notoria su alcance y la productividad de su fuerza laboral
en todos los niveles. Esto ocurre en todas industrias, independientemente de lo
que esta tecnología es capaz de lograr en cada una en particular.
El sector
financiero, por ejemplo, tiene un abanico enorme de aplicaciones potenciales de
la IA para sus productos y servicios. En FICO, consideramos que hay 4 que
destacan del resto. A continuación, exploraremos sus posibilidades, los riesgos
inherentes y las condiciones para su aplicabilidad a gran escala.
1. Hiper
personalización de los productos financieros
La actividad de hiper
personalizar es totalmente independiente de la IA Gen, aunque puede actuar como
su acelerador y facilitador. Significa llevar más allá la segmentación y
ofrecer productos y servicios a un punto en que el cliente tiene la percepción
de que esta oferta se diseñó sólo para él. Alcanzar la hiper personalización
implica que la empresa haga un macro análisis de datos estructurados y no
estructurados (interacciones con los clientes, sus historiales de
transacciones, patrones de gasto, información no monetaria, etc.), para conocer
los comportamientos y necesidades de cada cliente.
Por supuesto,
hablamos de volúmenes de datos con una gran profundidad histórica, así que
procesar esta información para millones de clientes y generar un motor de
ofertas prácticamente en tiempo real se puede convertir en un reto
computacional enorme. Para lograrlo, la sugerencia es crear simulaciones
virtuales para comprender mejor al cliente y ver cómo las ofertas disponibles
se adaptan a él y al portafolio de la institución, para luego alimentar el
motor de gestión de clientes con todas las señales analíticas que brindan los
datos transaccionales.
Si bien introducir
IA Gen ayuda, los retos de la hiper personalización van más allá: implican acceder
a datos en tiempo real, tener la capacidad de transformarlos en conocimiento
analítico, generar ofertas a partir de este análisis y optimizarlas con el foco
puesto en la rentabilidad y la satisfacción del cliente, ejecutar también en
tiempo real y tener las herramientas adecuadas para interactuar con el cliente
y comunicarle dichas ofertas.
2. Prevención
de fraudes
Hace más de 20 años
que FICO usa la IA para prevenir fraudes en transacciones financieras. Somos
pioneros en su uso para el sector financiero. Usar la IA para este fin es
complejo, tanto desde el punto de vista matemático como computacional, e
implica procesar grandes volúmenes de datos para crear perfiles del consumidor,
de la transacción en sí, del establecimiento y de la región donde se origina la
transacción, y que todo esto se haga en milisegundos, que es el tiempo de
respuesta aceptable para una transacción financiera.
La IA generativa es
parte de la solución, aunque no el principal facilitador. Los modelos
generativos suelen ser muy pesados, computacionalmente hablando, e implican
miles de millones de parámetros, lo cual no es muy positivo cuando lo que se
busca es velocidad de respuesta aunada a la capacidad de hacer predicciones exactas.
Lo que ha dado resultados confiables y precisos es combinar modelos que usan diversas
metodologías de IA con una cantidad de parámetros de distinta magnitud, más
pequeños que la IA Gen, con la ventaja de ser más fáciles de gestionar y
comprender.
3.
Decisiones de crédito y riesgo
En este tema, una
de las principales barreras para usar la IA generativa es el cumplimento de las
regulaciones, que exige que las instituciones expliquen una determinada decisión
sobre un préstamo. La legislación bancaria global y el reciente esfuerzo
mundial para regular el uso de la IA ponen un estricto enfoque en la necesidad
de interpretar y explicar las decisiones y, al final, garantizar un trato justo
y ético a todos los consumidores. La complicación radica en que los modelos
generativos tienen muchísimos parámetros, y es difícil explicar e interpretar
las decisiones tomadas.
Las instituciones
financieras deben juzgar si la complejidad que surge de usar la IA Gen podría
comprometer la capacidad de los modelos para explicar e interpretar. Aquí, los
modelos de IA explicables (aquellos que permiten la interpretación de
parámetros) y la consecuente capacidad de intervención humana sobre ellos son
fundamentales para cumplir con las reglamentaciones y asegurar los principios
éticos en el trato a consumidores que la ley establece.
4. Servicio
al cliente
En esta área, la
aplicación de la IA Gen–y en especial los modelos de lenguaje largos (LLM, por
sus siglas en inglés)– tiene una clara ventaja sobre los actuales enfoques
basados, por lo general, en meros árboles de decisión. Y es que una capacidad
más refinada para comprender la comunicación con el cliente y generar
conversaciones similares al servicio humano puede convertirse en una poderosa
herramienta para aumentar el compromiso y la satisfacción del consumidor en
diversos puntos del servicio, durante todo el ciclo de la relación, incluyendo
desde las notificaciones de nuevas ofertas hasta las acciones de cobranza,
pasando por la comunicación general sobre transacciones, la protección y la
atención de las denuncias.
En resumen, la capacidad
de la IA Gen para analizar y brindar visibilidad más amplia y profunda de los
datos (así sea sobre las transacciones de los clientes o bien, del código de
software que puede ser defectuoso, por ejemplo) mejora la capacidad de
identificar riesgos potenciales para las empresas.
Ahora bien, lo más
conveniente es analizar los beneficios del uso de la IA generativa en los
procesos comerciales de cara al cliente, especialmente los discutidos en este
artículo, versus los riesgos potenciales que pueden existir. Hasta el día de
hoy, el cumplimiento normativo, el uso ético, la interpretabilidad y
transparencia, la confianza y la contextualización siguen siendo factores a
considerar cuando hablamos de esta tecnología, y probablemente pasarán algunos
años antes de que tengamos soluciones que aborden satisfactoriamente todos
estos puntos.
No hay comentarios:
Publicar un comentario