El término "servicios financieros" evoca imágenes de personas en trajes oscuros en edificios altos, cuando en realidad sustenta el buen funcionamiento de su vida cotidiana. Su experiencia de cliente diaria de hecho. Se está moviendo rápidamente hacia un futuro de integración completa hasta el punto en que es casi invisible..

Considere cómo las cosas han cambiado en los últimos 20 años. El chip-and-pin se introdujo solo en 2004, y los pagos sin contacto se han adoptado ampliamente recientemente, lo que permite una era no solo de pagos sin fricción sino también de viajes. La banca móvil ha avanzado a pasos agigantados, ahora utiliza autenticación biométrica en su teléfono y busca eliminar las máquinas de lectores de tarjetas del pasado. Incluso su experiencia de juego ha cambiado, lo que le permite comprar fácilmente pieles personalizadas en Fortnite en un par de clics. Solo imagina lo que los próximos 20 años tiene en la tienda.!

Para que esta visión 'invisible' se haga realidad, los servicios financieros deben trabajar en un desafío principal: eliminar la fricción, ya sea por ventas, quejas o cualquier transacción que el cliente desee. Y la forma en que esto se logra (al menos en parte) es a través de la IA aplicada. Esta no es una tarea fácil. Se necesita una gran cantidad de agregación de datos, modelado, anticipación y administración de riesgos, sin mencionar una red completamente conectada de clientes y puntos de contacto internos para que se realicen a través de la inteligencia artificial aplicada. Pero los beneficios podrían estar en los órdenes de magnitud. La banca es, en esencia, el negocio de administrar el riesgo, y el gasto en inteligencia artificial suena como una empresa arriesgada. Sin embargo, AI, de hecho, presenta un argumento comercial muy simple, especialmente para los "niveles" o "gravados": invierta ahora, ahorre más tarde.

Para ayudar a pintar una imagen, aquí hay cinco ejemplos de dónde y cómo la inteligencia artificial y las analíticas avanzadas ayudarán a que los futuros procesos sean perfectos:

1. Procesos de selección, pago y liquidación de hipotecas.

Esta área requiere un cambio fundamental en la forma en que pensamos en la entrega de la "experiencia del cliente". La experiencia debe basarse en 'tener una nueva casa' (una experiencia emocionante y alegre) en lugar del proceso de solicitud de hipoteca (un proceso largo y doloroso que casi debe desaparecer). AI podría, por ejemplo, permitir que los bancos midan el riesgo y calculen las puntuaciones de crédito por adelantado, de modo que el proceso de solicitud ya esté completado en un 99% antes de que se solicite al cliente que ingrese algo. Imagine iniciar sesión en su prestamista o correduría y ya tiene todas sus cotizaciones provisionales alineadas sin su intervención!

2. Maximización de la riqueza y patrones de gasto.

Todos quieren que el ahorro y el crecimiento sean lo más simples posible. Hacer que un plan de maximización de la riqueza de los clientes sea más fácil de configurar, monitorear y lograr sería otra gran forma de IA aplicada. Seguramente una IA podría optimizar la combinación de ingresos, ahorros e impuestos para darle la máxima riqueza en un período anualizado. La experiencia perfecta para el cliente sería que sería fácil configurar en línea para su objetivo para el año, controlar lo que necesita y los bancos podrían ofrecer asesoramiento durante todo el año, por ejemplo.. “Creemos que sus patrones de gasto podrían mejorarse, así es como ... ” Esta característica podría incluso convertirse en un punto de competencia entre bancos, y cada uno promociona sus productos de mayor rendimiento para ayudar a los clientes a alcanzar sus objetivos de maximización de riqueza..

3. Protección de la hipoteca.

Los bancos pueden ser presionados por los reguladores para dar cabida a los clientes que podrían incumplir con sus hipotecas. Sin embargo, hacerlo sin poner en medidas preventivas resulta en un mal momento para todas las partes. Por lo tanto, los bancos necesitan saber si esto puede suceder y cuándo. Al capacitar a la IA (es decir, al aprendizaje automático) utilizando los patrones de comportamiento anteriores de todo el libro histórico de préstamos para clientes, incluidos aquellos que han incumplido, los bancos pueden reconocer comportamientos similares mucho antes del evento. Los datos aquí son más "operativos" que "transaccionales", por ejemplo, analiza cómo son los pagos regulares, si se adelanta o retrasa, la cantidad, etc., en lugar de basarse en el gasto de la cuenta corriente. Esto le brinda a los bancos la capacidad de involucrarse y consultar con el cliente con anticipación, y poner en marcha soluciones antes de que el problema llegue a un punto crítico. Como un bono adicional, también podrán demostrarle al regulador que lo están haciendo de la mejor manera posible..

4. Quejas y manejo de clientes.

El uso de análisis analíticos predictivos para identificar cuándo un cliente se va a quejar es inestimable. Aumenta la inteligencia del banco. No solo resalta los problemas internos, sino que les permite solucionarlos o al menos ponerse frente a ellos antes de que se registre la queja, por ejemplo. mediante el reembolso de dinero antes de recibir una queja sobre el cargo por sobregiro y notificándolo al cliente por mensaje de texto. Esto no solo ayuda a construir una buena relación con el cliente, sino que también ahorra dinero para el banco a largo plazo al mitigar el cierre de cuentas debido a un servicio deficiente. Además, la analítica también se puede usar para monitorear los estados emocionales de las personas que llaman, agruparlos en estados de personalidad y emocionales, y luego ofrecer orientación al manejador de llamadas sobre la mejor manera de dirigir la conversación..

5. Detección de fraudes

Si piensa en la detección de fraude, AI ya se está empleando en gran medida para proporcionar controles en tiempo real sobre los patrones de fraude. Esto solía ser un proceso largo, ya que tomaba muchos días, semanas o incluso meses a través de un proceso de solicitud. Ahora, utilizando el aprendizaje automático puedes detectar patrones muy rápidamente. Las decisiones de la máquina se basan en patrones históricos para detectar cuándo hay un posible fraude. Y si bien nunca logrará una tasa de detección del 100%, ofrece una respuesta mucho más rápida a los probables valores atípicos que necesitan investigación..

Más aún, una vez que la máquina lo haya hecho, también puede consultar cómo llegó la máquina a esa decisión (al menos hasta cierto punto). Mientras que los bancos están avanzando a pasos agigantados con esta aplicación de la inteligencia artificial, todavía hay prácticas terriblemente 'torpes', como videos, fotocopias, etc., que participan en el proceso. Cuando los bancos son capaces de generar una decisión puramente digital y llegar a eso de manera puramente programática, es cuando usted puede interrogar cada aspecto individual de la toma de decisiones y llegar a detecciones cada vez más precisas. Todo esto significa que nuestro dinero está en manos cada vez más seguras..

Es importante que los servicios financieros puedan ver más allá de las exageraciones y reconocer la inteligencia artificial aplicada para la oportunidad de negocio que presenta. Solo estos cinco ejemplos justifican una razón suficiente para al menos pensar dos veces, y con la riqueza de las tecnologías finas en escena, la inteligencia artificial y nuestro futuro "invisible" están empezando a parecer mucho más realistas..

Richard Hamerton-Stove, Director de Capgemini Invent

  • También hemos destacado las mejores plataformas de IA para empresas.