Mis Favoritos

El Foro Económico Mundial (WEF) publicó en estos días su índice de competitividad. Los resultados arrojan buenas noticias para Chile, que lidera el ranking en la región habiendo  subido un puesto respecto a la edición anterior. Ahora figura en el número 33 de un total de 140. Pese a este buen resultado, el WEF advierte que estamos débiles en la “adopción de las tecnologías de la información y comunicación”. En este pilar Chile se queda con 61 puntos, en el puesto 49.

Uno de los sectores que más pueden actuar para disparar esta adopción de tecnologías es la banca, que si bien tradicionalmente ya es una actividad a la vanguardia, está actualmente inmersa en un proceso de transformación digital, que puede multiplicar el impulso en la implementación de nuevas técnicas.

Además, la banca dispone en gran cantidad de una materia prima muy útil para facilitar este avance: datos. El sector financiero es uno de los sectores económicos que más datos acumula, por lo que uno de los retos principales es que estos datos sirvan para generar valor al negocio de las entidades, ya sea captando nuevos clientes, fidelizando los actuales, manteniendo el riesgo bajo control, etc. Es justamente para transformar los datos en decisiones de negocio y actuar como entidades data-driven donde la tecnología juega un papel muy relevante.

Pero para ello, en primer lugar, la industria financiera debe profundizar la gestión de sus datos, tanto datos internos como datos externos, pues los datos son el nuevo petróleo de este siglo: se deben extraer, refinar y monetizar. En los últimos años con los múltiples canales digitales que la banca incorporó la cantidad de datos que se generan creció (y seguirá creciendo) de forma exponencial. En este sentido, y como parte de la transformación de los bancos, resulta imposible pensar en el éxito de una entidad financiera sin una política de gestión de datos. Un correcto gobierno de datos, a grandes rasgos, implica asegurar la calidad de los datos, definir una estrategia para hacerlo e incorporar tecnologías que permitan estructurarlos.

Pero los datos en sí mismos no le aportan valor al negocio. Si pensamos a los datos como piezas de LEGO, cada pieza individual es clave para armar una estructura; pero lo asombroso es cuando al reunirlas, clasificarlas, ordenarlas y poner manos a la obra, logramos armar la Torre Eiffel, o cualquier otra estructura que queramos. Algo similar ocurre con los datos, debemos poder reunirlos, almacenarlos, estructurarlos y agregarles inteligencia para que puedan aportar a la toma de decisiones, a brindar una mejor atención a los clientes, a mejorar tiempos de respuesta, crear sistemas de predicción más adecuados, entre otros factores.

En este sentido, muchas instituciones financieras en Chile están avanzando en su transformación digital y la Inteligencia Artificial ha tomado un rol protagónico. Una de las mayores apuestas está vinculada a las técnicas de Machine Learning, que permiten sacar el mayor provecho a los datos, pues tienen un mayor poder de predicción. Estas técnicas permiten, por ejemplo, clasificar mejor el riesgo de las personas y empresas (clientes y no clientes) simplificando la concesión de un crédito, optimizar el seguimiento de las carteras detectando con antelación señales de un posible impago, tasar automáticamente inmuebles con un alto grado de éxito y en menor tiempo, prevenir el fraude y maximizar los resultados en el recupero de créditos. Otra ventaja de Machine Learning es que son sistemas que aprenden, por lo tanto, otorgan al sector una mayor automatización y la capacidad de estar siempre actualizados.

En definitiva, el ecosistema financiero está siendo definido por la transformación digital, donde los bancos y las Fintech deberán buscar un espacio de sana convivencia. En este contexto, los bancos necesitarán contar con herramientas más precisas y eficientes, que les permitan ser más competitivos, tomar mejores decisiones en menos tiempo. El futuro de la banca estará condicionado a la velocidad con que se logre internalizar esta transformación y se pueda rentabilizar uno de sus activos más importantes: los datos.

Si bien en el corto plazo la Inteligencia Artificial no dominará las decisiones en la industria financiera, quienes no sepan aprovechar su potencialidad quedarán en desventaja. En este contexto, la implementación de modelos de Machine Learning se tornará un factor estratégico para la competitividad.

Sin comentarios Deja tu comentario