El uso del análisis predictivo y de modelos integrados de inteligencia artificial y machine learning (IA/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.
Los procesos bancarios llevan desarrollándose durante más de 4.000 años. Su primera gran evolución se llevó a cabo en el siglo XIV, en medio del renacimiento italiano y desde ese momento no ha parado en crecimiento, desarrollo y aplicación de nuevas tecnologías. A finales del siglo XX, el desarrollo de las telecomunicaciones y la informática produjeron cambios en las operaciones y le permitieron a la banca un aumento significativo en tamaño y alcance geográfico.
El siglo XXI llegó con un esquema de transformación inesperado. La digitalización se convirtió en una herramienta multidimensional; en un extremo, ayudó a prestar nuevos servicios y productos adaptados a los gustos y necesidades de los clientes, y en otro, trabajó por controlar costos y mejorar rentabilidad en las entidades.
Pero, no podemos negar que muchos de los sistemas bancarios básicos se crearon para un mundo anterior al digital, en el que predominaban las sucursales físicas y las actividades presenciales. Pedro Solórzano, gerente comercial para el Sector Financiero en Red Hat Centro América y el Caribe (CEACA), indicó que, en la actualidad, a los sistemas que se heredaron de aquellos tiempos se les imponen exigencias que van más allá de su fin previsto. Además, no pueden prestar servicios digitales con la inmediatez que esperan los clientes hoy en día.
Según el reporte “Estado del open source 2021”, de Red Hat, la banca ha obtenido diferentes beneficios al usar innovaciones de código abierto, tales como: el aumento en un 41% de la calidad del software, el incremento en la seguridad en un 34% y una mayor habilidad para implementar tecnologías con soporte en un 31%.
Sin embargo, la competencia actual de los bancos no son otros bancos, sino empresas de software, de tecnología financiera y emprendimientos que han desarrollado servicios on demand, esquemas de movilidad y experiencias personalizadas, buscando brindar al cliente productos que se adapten a sus necesidades particulares, apoyadas por tecnologías de punta basadas en el open source, como la inteligencia artificial (IA).
Pero donde hay una competencia tecnológica, también hay una oportunidad para el trabajo conjunto. El futuro bancario requiere tres elementos básicos para funcionar en esa lógica:
- Enfoque en la tecnología. Los bancos solían considerar al área de tecnología como un soporte del negocio (Business Support) y de esa manera enfocaban los presupuestos. En la actualidad, la infraestructura tecnológica determina el éxito futuro y convierte al área de tecnología en un Business Partner.
- Enfoque en la cultura y el talento diverso. Los bancos compiten para contratar a los empleados más talentosos cada día más. Deben encontrar especialistas en tecnología que los ayuden a agilizar el negocio, pero también expertos en desarrollar una cultura que les potencie sus talentos, los combine y les permita hacer sinergias para la organización y frente a sus retos.
- Enfoque en los procesos en función del cliente. A medida que se digitalizan los servicios empresariales, los bancos pueden conocer mejor a sus clientes para poder mejorar y extender los servicios como la automatización, la IA y las prácticas de aprendizaje automático para la adaptación autónoma, que es el proceso de realizar actualizaciones o ajustes de forma automática sin la intervención de las personas.
CareerAddict, el sitio de administración de búsquedas de empleos y profesiones, afirma que para el año 2030 ya no existirá la función de los empleados bancarios.
Para Solórzano, “los bancos se enfrentan a la pérdida de ingresos y de participación en el mercado, mientras que la tecnología financiera crea plataformas nuevas y ágiles, sin el obstáculo de la infraestructura heredada. Estas plataformas impulsan la banca abierta, que es la capacidad para ofrecer productos y servicios financieros a terceros mediante el intercambio de datos, a través de interfaces de programación de aplicaciones (API)”.
Nuevas tecnologías aplicadas
El uso del análisis predictivo y de modelos integrados de inteligencia artificial y machine learning (IA/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.
En un sector financiero tan regulado y con un uso de dato intensivo, la adopción de la IA mejora el nivel de precisión de las operaciones, reduce la posibilidad de error por medio de la automatización y permite que la industria desarrolle un entorno más positivo y seguro para sus clientes.
Muchos bancos también están analizando el uso de IA/ML como herramientas para combatir 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 IA/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. De hecho, esta es la única forma viable de soportar el análisis de riesgo en tiempo real de las transacciones derivadas de los pagos instantáneos, una tendencia que todos los bancos están abordando para convertirse en líderes de mercado o para no perder terreno frente a competidores que ya prestan estos servicios.
“Si bien la aplicación de la inteligencia artificial (IA) a los espacios aislados resulta una tarea sencilla, poder ajustar la capacidad de los sistemas y tomar medidas en función de los datos de forma repetible es complejo. Una plataforma moderna de nube permite abordar estas cuestiones, ya que combina la transmisión de datos con aceleradores de hardware optimizados y procesos de IA/ML para implementar y ampliar automáticamente la información aplicable a cada una de las necesidades específicas de la vertical de finanzas”, concluyó el ejecutivo de Red Hat.