La tecnología –a través de la Inteligencia Artificial- es un instrumento clave para que los bancos puedan enfrentar los desafíos que tienen por delante.
Los modelos de Machine Learning permiten clasificar mejor el riesgo de las personas y empresas, optimizar el seguimiento de las carteras detectando con antelación señales de un posible impago, tasar automáticamente inmuebles con un alto grado de éxito, prevenir el fraude y maximizar los resultados en el recupero de créditos, entre otros grandes impactos en la gestión de instituciones financieras.
“Las técnicas de Machine Learning representan un salto trascendental en el poder de predicción en los modelos de la banca”, afirma Elías Bethencourt, director de AIS Group.
AIS Group es una empresa de consultoría estratégica, financiera y tecnológica que trabaja en el sector financiero acompañando a diferentes entidades en su transformación digital tanto en consultoría como con tecnología (Machine Learning, Big Data); también en gestión del riesgo de crédito y en sistemas de toma de decisiones para la banca orientados principalmente a todas las fases de la vida del crédito: concesión, seguimiento y cobranzas.
“Muchas instituciones financieras en Argentina se encuentran, con distintos grados de avance, llevando adelante procesos de digitalización. En este marco, la implementación de modelos Machine Llearning se tornará, en el corto plazo, en un factor estratégico para la competitividad” destaca Bethencourt.
Según Bethencourt, los resultados obtenidos en proyectos recientes revelan que el nivel de acierto en los modelos mejora entre un 25% y un 50% al usar algoritmos de Machine Learning frente a las técnicas tradicionales. Estos resultados quedan reflejados en el Índice Gini, la medida de exactitud más utilizada en este campo, que –señala el ejecutivo de AIS Group- “pasa del 50% o 60% a situarse en rangos superiores al 90%, lo que es un porcentaje de acierto altísimo e impensado hasta hace poco tiempo atrás”.
Para Bethencourt la aplicación de modelos Machine Learning en el ámbito de marketing o temas comerciales, se encuentra más generalizada. “Desde hace un tiempo, es normal pensar en Machine Learning para chat bots, definición de perfiles de clientes, propensión de compra, etc. El desafío más reciente fue su aplicación dentro de instituciones financieras en ámbitos relacionados con la gestión del riesgo. Estos algoritmos solían ser cajas negras, que no eran factibles de ser aprobadas por el área de riesgo de un banco, y mucho menos, por el regulador”.
Pero qué pasa en el sector bancario: “hay señales que nos están indicando que se van a acelerar los procesos de transformación digital de las entidades financieras. La digitalización va a crecer, los bancos van a invertir muchos más recursos en nuevas tecnologías y que también va a ir creciendo en el mundo fintech” afirma Bethencourt.
Además destaca que “para la aplicación dentro de bancos en ámbitos relacionados al riesgo, estamos abriendo el camino. Somos los primeros en aplicar esta tecnología en nuestro país, luego del gran éxito que nos ha generado en Europa y en otros países dentro de nuestra región”.
Según el directivo de AIS, en Argentina existe mucho interés en instituciones financieras en el desarrollo de estos modelos para admisión, tanto para individuos como para empresas. “También vemos una fuerte necesidad para el segmento hipotecario, donde ya estamos trabajando en experiencias muy relevantes para automatizar las tasaciones”, añade.
