Cuáles son las herramientas claves para la transformación digital de las instituciones financieras

Según una investigación de la Unidad de Inteligencia del diario The Economist, alrededor de un tercio de las empresas esperan que, de acá a cinco años, entre el 51% y el 75% de sus cargas de trabajo estén soportadas por tecnologías de Inteligencia Artificial. Victoria Martínez, experta en desarrollo de negocios e IA, explica los instrumentos y justifica por qué son esenciales para seguir vigentes en el mercado

En la actualidad, muchos bancos también están analizando el uso de AI/ML como herramientas para combatir los delitos financieros, en especial, el lavado de dinero y el fraude. (Crédito: Shutterstock)
En la actualidad, muchos bancos también están analizando el uso de AI/ML como herramientas para combatir los delitos financieros, en especial, el lavado de dinero y el fraude. (Crédito: Shutterstock)

Desde que las computadoras y los teléfonos inteligentes comenzaron a realizar operaciones financieras, las personas ya utilizaban la banca electrónica. Pero con la llegada de la pandemia, la transformación digital del sector se aceleró e hizo que los canales digitales fueran la primera opción de contacto con bancos, aseguradoras y empresas de pagos.

El cambio en la dinámica de mercado llevó a las empresas financieras a reposicionarse y, además, puso en evidencia a los bancos más maduros tecnológicamente que llevan un tiempo trabajando en su transformación.

“Hoy, más que nunca, acelerar la estrategia digital ha cobrado una importancia crítica en vista de que los consumidores utilizan los servicios en línea para muchas de sus actividades y ansían trasladar ese modelo a la gestión de su finanzas”, destaca Victoria Martinez, gerente de Desarrollo de Negocios e Inteligencia Artificial en Red Hat.

Si bien la idea de brindar una experiencia digital que abarque todos los aspectos de las relaciones con los clientes puede parecer intimidante, no tiene por qué serlo. Es fundamental entender cómo hay que posicionarse frente a esta nueva instancia, para permitir que las instituciones mantengan la competitividad en un sector donde las empresas de servicios financieros o fintechs y las grandes empresas tecnológicas o bigtechs empiezan a ofrecer servicios en las mismas categorías que las organizaciones financieras tradicionales.

Digitalización inteligente

En palabras de Victoria Martínez, “la inteligencia artificial, llevada al plano técnico con instrumentos como machine learning (ML) y deep learning (DL), es sumamente importante para la digitalización inteligente de los servicios financieros. El uso del análisis predictivo y de modelos integrados de AI/ML permiten a las empresas identificar tendencias, obtener información y efectuar recomendaciones para mejorar la satisfacción del cliente y aumentar la retención en los canales más rápido”.

Victoria Martínez, gerente de Desarrollo de Negocios e Inteligencia Artificial en Red Hat.
Victoria Martínez, gerente de Desarrollo de Negocios e Inteligencia Artificial en Red Hat.

En un sector financiero tan regulado y con un uso de datos intensivo, la adopción de la AI no solo mejora el nivel de precisión de las operaciones y reduce la posibilidad de error por medio de la automatización, sino que también permite que la industria desarrolle un entorno más positivo y seguro para sus clientes.

Actualmente, muchos bancos también están analizando el uso de AI/ML como herramientas para combatir los delitos financieros, en especial, el lavado de dinero y el fraude. La arquitectura que se utiliza para aumentar el procesamiento de transacciones en tiempo real con análisis y modelos de AI/ML derivados de los datos puede integrarse en los procesos de negocios —como investigaciones e informes de actividades sospechosas— de manera eficiente y escalable mediante la combinación de tecnologías de código abierto y plataformas de nube híbrida.

No debería sorprender que la Unidad de Inteligencia de The Economist haya revelado en su informe “La AI: el futuro de los servicios financieros” que alrededor de un tercio de las empresas esperan que, de acá a cinco años, entre el 51% y el 75% de sus cargas de trabajo estén soportadas por tecnologías de AI.

Para ello, la inversión en AI deberá duplicarse, pasando de USD 50.100 millones en 2020 a más de USD 110.000 millones en 2024, según la encuesta de la Guía mundial de gastos en inteligencia artificial de IDC.

Servicios financieros innovadores

“Los sistemas propietarios son incapaces de seguirle el ritmo a la evolución del ecosistema de AI/ML debido a cuestiones como el costo, la complejidad y la dependencia del proveedor en implementaciones a escala”, afirma Martínez. Las tecnologías ‘open source’ tienen la capacidad de acelerar la curva de adopción de AI/ML en los procesos de las instituciones financieras. Por medio de soluciones basadas en contenedores y Kubernetes, almacenamiento, infraestructura como servicio (IaaS), transformación de datos y gestión de API -incluso las herramientas de soporte y automatización y aplicaciones de IA de distintos proveedores-, es posible lograr mayor eficiencia sin la necesidad de nuevas inversiones.

Las plataformas de análisis basadas en código abierto hacen posible una personalización sin precedentes de la experiencia del usuario por medio de AI/ML

Tras todos los cambios que vienen sucediendo en los últimos años y la aceleración vivida durante la pandemia, las empresas que no se adapten definitivamente a este nuevo contexto quedarán fuera del futuro escenario comercial”, enfatiza la gerente de Desarrollo de Negocios e Inteligencia Artificial en Red Hat.

Si uno se basa en ejemplos, Gartner ya prevé que para el año 2030, el 80% de las grandes empresas del sector perderán relevancia y hasta dejarán de existir si no son capaces de acompañar los avances tecnológicos con un cambio de mentalidad y de comportamiento.

En el sector financiero, al igual que en otros, digitalizar significa utilizar la tecnología no como un fin sino como un medio para que las instituciones estén en condiciones de replantearse sus procesos. En ese trayecto, AI/ML constituyen elementos clave del éxito de la transformación digital de las instituciones financieras.