Accelerando la innovación en los servicios financieros usando tecnología de IA y Deep learning

La tecnología - específicamente el ámbito de la tecnología de vanguardia que llamamos inteligencia artificial (IA) - está transformando todos los sectores empresariales, pero pocas industrias experimentan esto tanto como los servicios financieros.

En los servicios financieros, las bases de datos y el análisis siempre se han realizado procesando números, con hojas de cálculo y plataformas de inteligencia empresarial (Business Inteligence) siendo herramientas básicas del oficio durante mucho tiempo. Hoy en día, las capacidades de aprendizaje profundo (Deep learning)- capaces de analizar y procesar datos no estructurados, así como las filas y columnas ordenadas de datos financieros tradicionales - abren la posibilidad de extraer conocimientos de muchas más fuentes. Esto significa que las instituciones financieras innovadoras pueden obtener una comprensión mucho más profunda del mercado, sus clientes y sus propias operaciones internas de una forma más rápida y precisa.

Sin embargo, surgen desafíos con la competencia debido al hecho de que el mercado está cada vez más fragmentado, con startups fintech ágiles, grandes empresas establecidas, hiperescaladores tecnológicos y grandes minoristas como Walmart, Carrefour y Tesco aprovechando sus fortalezas para entrar a competir por los clientes del mercado financiero.

La tecnología como diferenciador clave

Un ejemplo de un grupo de clientes que actualmente son objetivo de todos estos grupos para servicios bancarios y de transferencia de dinero basados en aplicaciones son los 1.700 millones de ciudadanos "sin banco" del mundo, muchos de los cuales viven en áreas con infraestructura bancaria tradicional deficiente y poseen teléfonos móviles.

Cada vez más, el diferenciador entre el éxito y el fracaso en este alcance será la tecnología. Quien use de manera más eficiente la IA, incluido el aprendizaje automático y el aprendizaje profundo, para crear productos y servicios que resuelvan los problemas de los clientes y mejoren su experiencia general será el ganador.

Recientemente, hablé con Greg Pavlik, SVP de servicios de datos e IA en Oracle, y Kevin Levitt, desarrollo comercial de la industria global de servicios financieros en NVIDIA, sobre la transformación digital de "siguiente nivel" en toda la industria de servicios financieros.

Explicando por qué la IA, en forma de aprendizaje profundo, ha sido tan transformadora en los servicios financieros, Pavlik me dice que los algoritmos y marcos de aprendizaje profundo han evolucionado considerablemente en los últimos años, hasta el punto en que ahora pueden llevar a cabo tareas que anteriormente requerían intervención humana, como leer y comprender un documento o entender el significado de una imagen: "estos modelos de aprendizaje profundo más sofisticados pueden hacer bastante trabajo que se acerca cada vez más al tipo de análisis interpretativo que un humano haría en un documento o imagen como esa ... nos estamos volviendo cada vez más sofisticados con los tipos de problemas que podemos resolver".

¿Cómo se utiliza el aprendizaje profundo en los servicios financieros?

Existen varios casos de uso clave donde la IA y el aprendizaje profundo han permitido un crecimiento significativo en toda la industria. En primer lugar, en la detección de fraudes, la capacidad de monitorear grandes volúmenes de transacciones en tiempo real e identificar qué patrones - de comportamiento, ubicación, monedas y actividad - indican transacciones fraudulentas ha sido un cambio de juego.

Además, los chatbots impulsados por tecnología de procesamiento de lenguaje natural (NLP) y capaces de comprender y responder eficazmente al habla humana han revolucionado el suministro de servicios y satisfacción al cliente.

Otra área es la gestión de riesgos: por ejemplo, evaluar oportunidades para invertir, ofrecer servicios de seguros o aprobar préstamos e hipotecas. En lugar de simplemente confiar en el análisis estadístico de datos estructurados y estáticos. Estas decisiones ahora pueden tener en cuenta muchas otras fuentes de datos no estructurados y en tiempo real.

Por último, en las operaciones de marketing, se pueden tomar decisiones más sofisticadas sobre qué productos y servicios ofrecer a los clientes, estas decisiones pueden basarse en lo que es más probable se adapte a los requisitos individuales de los clientes, en lugar de simplemente en los servicios que un banco o aseguradora quiere vender, mejorando así la experiencia del cliente.

Levitt me habló de la fintech de San Francisco, NerdWallet, que utiliza la toma de decisiones impulsada por datos para identificar no solo qué productos es probable que las personas soliciten, sino también cuáles es probable que se les aprueben. Esto mejora el proceso de descubrimiento de productos para el cliente. NerdWallet utiliza herramientas de IA impulsadas por GPU de NVIDIA para reducir el tiempo y los gastos de capacitación de sus algoritmos de aprendizaje profundo en un factor de 10, según me dice Levitt.

El Data Lakehouse

Otro factor en la evolución de la IA y el análisis es la madurez creciente de la arquitectura de almacenamiento. Tradicionalmente, BI bancario y financiero utilizaría un modelo de almacenamiento de datos, donde los datos están estructurados y almacenados para su uso en aplicaciones analíticas como las mencionadas anteriormente. Más recientemente, esto ha evolucionado hacia un paradigma conocido como lago de datos (Data Lakehouse), donde los datos se almacenan en su formato crudo y no estructurado, listos para que se apliquen usos innovadores. Más recientemente, las instituciones más avanzadas han adoptado un enfoque "lo mejor de ambos mundos", al que Oracle y otros se refieren como modelo de "lakehouse de datos". Pavlik me dice que un cliente de Oracle, la agencia de referencia crediticia Experian, mejoró el rendimiento de la IA y la toma de decisiones impulsada por datos en un 40% y redujo los costos en un 60% al pasar a una lakehouse de datos y Oracle Cloud Infrastructure.

El impacto de esta nueva generación de tecnología inteligente y cognitiva capaz de aprovechar datos no estructurados solo aumentará con el tiempo. Levitt me dice: "Vemos la aplicación continua de la IA en los servicios financieros, tenemos bancos que tienen más de 500 proyectos vinculados a la IA, y creemos que mientras hay cientos de casos de uso hoy, habrá miles en el futuro que finalmente aprovecharán la IA para mejorar la eficiencia operativa, la experiencia del cliente, el rendimiento financiero, lo que significa una situación ganar-ganar para todos los involucrados".

Tanto Levitt como Pavlik destacan que un área específica donde podemos esperar ver una mayor adopción de la IA es en el espacio de gobierno ambiental y social (ESG). Aquí, la tecnología de aprendizaje profundo se puede utilizar para optimizar los esfuerzos de las empresas de servicios financieros para cumplir con sus propios objetivos ambientales o sociales, como la reducción de las emisiones de carbono o la reducción de la brecha salarial de género. También pueden utilizar NLP para digerir y extraer rápidamente información de informes de noticias y análisis de ganancias para ayudar a tomar decisiones sobre con quién deberían invertir o asociarse.

Pavlik dice: "Viene mucha transformación, y puede ser intimidante, pero ... no es algo que queramos evitar, es una oportunidad que puede impulsar una transformación extremadamente rápida en términos de resultados para el negocio".

‍