La inteligencia artificial es una de las puntas de lanza de la transformación digital. Su potencialidad para resolver, de manera eficiente y veloz, tareas repetitivas y de escaso valor ofrece a las empresas la posibilidad de reservar personal para tareas más "creativas" y críticas.

La banca, tanto tradicional como digital, también encontró en esta tecnología no sólo una aliada para responder la atención al usuario a través de chatbots, sino también para dar resolución una etapa clave de su negocio.

Se trata del onboarding, como se denomina en la jerga al alta del cliente, en la que el sistema puede comprobar si los datos aportados son reales.

Pero también se implementa en el scoring. Es decir, la calificación crediticia, una fase en la que "tradicionalmente" un agente se encargaba de revisar documentación (recibos de sueldo, historial financiero, etcétera) para determinar si una persona podía acceder a un préstamo o tarjeta de crédito y a qué montos.

Si bien esta tecnología es utilizada por las fintech debido a que sus servicios se ofrecen (casi) sin intervención humana, al menos el 80% del mercado bancario "tradicional" ya está aprovechando algunas de las bondades de la inteligencia artificial.

Más que un "Veraz"
El proceso de calificación crediticia tiene un único insumo: la información. Obviamente, a mayor cantidad de datos, el perfil crediticio de un cliente se define de manera más precisa, lo que resulta vital para determinar su riesgo y, en consecuencia, los montos para un préstamo o el límite de su tarjeta.

En la actualidad, los bancos no sólo utilizan los servicios de un buró de información financiera (donde la marca "Veraz" se convirtió en un genérico), sino que apelan a todo lo que "sabe" Internet acerca de esa persona.

"Desarrollamos un motor sobre el cual, en base a una cantidad controlada de variables, se construyó un modelo de Behavioral Scoring, que nos permite aplicar inteligencia artificial para la evaluación crediticia", señala Adrián Mastronardi, CTO de la fintech Wenance.

"También sumamos variables de comportamiento según el canal de ingreso del usuario, como redes sociales, buscadores, email marketing, entre otras. Esto logra un nivel de discriminación adecuado, predice el riesgo en relación a la mora y ajusta la oferta de producto para cada individuo", agrega Mariela Sandroni, directora de Marketing de la firma.

Sin embargo, estas técnicas no se reducen a las fintech: los bancos tradicionales ya las están implementando.

Qué te ofrecen Wilobank, Brubank, Openbank, Naranja y Ualá
BeSmart, una empresa que ofrece soluciones de software al 80% del mercado, afirma que además de los datos tradicionales (como voluntad y capacidad de pago, cantidad de ingresos y estabilidad laboral), las entidades utilizan millones de datos para construir una "radiografía" más exhaustiva de sus clientes, a saber:

- Cuánto compra: cantidad de veces, ticket promedio, gasto máximo.

- ¿Cuándo?: horarios, días de la semana, meses.

- ¿Qué?: rubros, productos, high-end o low-end.

- ¿Dónde?: zona, canal (presencial, web o móvil).

- Datos actitudinales: la fidelidad a las marcas, reclamos, comentarios en las redes, preferencias, afinidades, etc.

"A diferencia de los métodos convencionales, donde típicamente intervienen 20 o 30 variables, las nuevas técnicas de machine learning permiten construir modelos con miles de variables", explica Adolfo Kvitca, director de BeSmart.

Toda esta matriz de información no sólo es utilizada por las fintech, sino que los principales bancos de la Argentina lentamente están implementando innovaciones para mejorar el perfil crediticio de sus clientes.

"Todas las entidades estamos recurriendo a estas nuevas tecnologías y aplicadándolas en distintos ejes, como resolución de reclamos, análisis de riesgo, tendencias de consumo y fraudes", remarca  Milagros Medrano, gerente de Relaciones Institucionales del Macro. "En tanto evolucionemos en Inteligencia Artificial, lograremos identificar al cliente para considerar variables que permitan realizar un scoring y personalizar la oferta. Y contemplar su actividad en redes sociales y otros sitios, para enriquecer el perfil y mejorar nuestra propuesta", remarca la ejecutiva.

La cantidad de datos que se analizan mediante técnicas de big data y aprendizaje automático no sólo permite que los bancos conozcan el "riesgo" de sus potenciales clientes. También es clave para que el proceso de alta sea mucho más veloz y puedan ofrecer más servicios.

"La facilidad y rapidez para desarrollar modelos posibilita construir scores a medida de cada empresa, que incluso van aprendiendo y adaptándose continuamente a las condiciones cambiantes del mercado," explica Kvitca, de BeSmart. Según el ejecutivo, "el impacto en la precisión es dramático, ya que permite aprobar clientes que antes eran descartados, mejorar la asignación de límites de crédito y optimizar las acciones de cobranza".

Esta velocidad es sumamente apreciada por las fintech, que prometen el alta de clientes en sólo minutos a través de una app.

"Los tiempos se reducen, los costos se optimizan y esto hace que podamos invertir en más innovación. La aplicación de big data y machine learning nos permitió ser más eficientes en la originación: logramos optimizar el proceso 61%", señala Adrian Mastronardi, CTO de Wenance.

De acuerdo con el directivo, estas innovaciones reducen los tiempos de aprobación de préstamos de 72 horas a menos de 30 minutos.

Con respecto a este punto, la Inteligencia Artificial está favorenciendo la contratación de servicios bancarios por parte de personas con escaso historial financiero.

"Los algoritmos de IA mejoran la administración del riesgo, por lo que las entidades pueden aumentar la rentabilidad al calificar de manera correcta cada uno de sus prospectos, otorgando mayores montos a aquellos con mayor probabilidad de pago", explica el director de BeSmart.

En este mismo sentido, Wenance remarca que la precisión de las nuevas tecnologías les posibilitó llegar a una mayor cantidad de personas.

"Podemos incluir clientes del segmento THIN, que son excluidos por las entidades de crédito y banca, mejorando la tasa de aprobación de modo significativo", explica Mastronardi.

Además, desde la fintech aseguran que estas nuevas modalidades también redundaron en beneficios para los usuarios: los montos de aprobación se multiplicaron hasta dos veces.

La inteligencia artificial en la banca desembarcó con fuerza en los asistentes digitales o chatbots, que interpretan las demandas de los usuarios y "filtran" las preguntas más simples para derivar las más complejas a los agentes humanos.

"Nuestra primera etapa de Inteligencia Artificial contempla que el Buscador Cognitivo y el Asistente Virtual estén siendo entrenados para que respondan preguntas sobre los productos y servicios que ofrecemos, bajo un concepto de 'asesoramiento consultivo'". 

"El ChatBot 'Alicia' simula conversaciones reales. Responde las dudas más frecuentes de los usuarios, como las asociadas a préstamos, cuentas, trámites, etc. La idea es que en caso de no comprender la comunicación, invoque a un operador", explica Patricia Parente, gerente de Inteligencia Comercial del Ciudad.

Desde el Macro, además, apuntan a que directamente chatbot sea el que apruebe las solicitudes de productos de los clientes y asigne límites de crédito.

"Que nuestro Asistente Virtual evolucione a 'transaccional' hacia clientes y no clientes, contemplando el 'scoring', es uno de los objetivos próximos que ya consideramos dentro de nuestro Plan de Visión Futura", señala Milagro Medrano, del Macro.

Por su parte, desde Wenance afirman que, al tratarse de una entidad 100% digital, implementan aprendizaje automático (o machine learning, una de las ramas de la IA), en diferentes etapas.

"Lo usamos para la comprobación de identidad y firma electrónica, para comparar la selfie que se saca el cliente durante con la foto de su DNI", afirma Mastronardi.

La transformación no termina allí
Además de la inteligencia artificial, los bancos están usando otras tecnologías para facilitar el uso de sus servicios.

Uno es el de la biometría, cada vez más utilizada para ingresar al mobile banking sin completar usuario y contraseña: simplemente, con el escaneo de la huella digital, el reconocimiento del rostro o la lectura del iris.

"Nuestro objetivo es agilizar las operaciones del cliente y mejorar la experiencia en el modelo de atención, mitigando el fraude a partir de su identificación unívoca", señala Marcelo Abella, gerente de Planeamiento Comercial y Canales Electrónicos de Supervielle.

Macro y Galicia también incorporaron el reconocimiento de rostros a través de una selfie para el alta de clientes en sus aplicaciones móviles, donde la Inteligencia Artificial compara la foto del DNI con la que sube el usuario para detectar si es quién dice ser.

Se agradece la gentileza de  iProUP