BUENOS AIRES (Agencia) – A medida que se incrementa la introducción de la inteligencia artificial en casi todas las experiencias humanas y el mundo se torna hacia una eventual singularidad, la emoción que esto genera se niegan a disminuir, gracias, en parte, a que las máquinas inteligentes se convierten en un fenómeno de nuestro día a día. Desde asistentes digitales que reproducen música hasta chatbots que brindan servicio al cliente, la inclusión de inteligencia artificial en los aspectos más comunes de nuestra vida es inevitable. A medida que nos adentramos en las grandes ligas de la inteligencia artificial y sus aplicaciones, aún aguarda un panorama cada vez más lucrativo: el mundo Fintech.
La revolución Fintech ha estado sucediendo por algún tiempo. Con la llegada del comercio electrónico, el primer rumor sobre las Fintech fue principalmente sobre el uso de pagos digitales para agilizar la experiencia de compra en línea y hacerla más conveniente, rápida y segura. Es así como, con el paso de los años, los pagos digitales han pasado de ser una novedosa idea a ser una parte esencial de nuestras vidas y las Fintech han evolucionado para abarcar otros servicios financieros. La premisa para el progreso de Fintech es la misma que en otras áreas: la democratización del acceso a la información, el poder de procesamiento y los avances tecnológicos que hacen que el procesamiento de esos datos sea más asequible, así como los avances en la ciencia para el análisis de grandes bases de datos para permitir la automatización e identificación de patrones.
Las decisiones en cuanto a créditos se vuelven exponencialmente más rápidas
Si hay un santo grial en la banca, debería ser un mecanismo para la toma de decisiones crediticias que haga el proceso más rápido para el prestatario y más seguro para el prestamista. El problema se reduce a la disponibilidad de información suficiente para que el prestamista conozca rápidamente la capacidad crediticia del solicitante, y así personalice los términos que conduzcan al mejor acuerdo posible entre ambas partes. La banca tradicional se ha apoyado menos en la tecnología y más en un enfoque basado en el proceso de recolectar información financiera de diversas fuentes (relevante pero no confiable y posiblemente desactualizada) y basar las decisiones en estos datos. Este enfoque, además de ser lento y rígido, también dificulta la entrada de nuevos participantes y competidores al mercado crediticio, ya que anteriormente llegar a acuerdos con estos corredores o brókers era costoso y lleno de complicaciones.
En el actualidad , dejamos un rastro de datos con cada transacción que realizamos, por ejemplo cuando pagamos un boleto mientras subimos a un tren o autobús para ir a trabajar, nuestra suscripción a diversos servicios, nuestros hábitos de compra en línea, la frecuencia con la que comemos fuera de casa, el tipo de restaurantes que visitamos; cada uno de estas acciones constituye valiosa información que puede mostrar de forma general cómo somos y en consecuencia, nuestra capacidad de manejar un préstamo si se nos otorgara alguno. Como resultado, los bancos tradicionales se ven obligados a ponerse al día cuando las compañías Fintech (tanto grandes como empresas emergentes) comienzan a añadir crédito en sus ofertas.
Con las capacidades de aprendizaje integradas ahora en la toma de decisiones, cada elección, su resultado y cualquier información nueva, mejora aún más el algoritmo y su capacidad para tomar decisiones. La mejora constante a la decisión crediticia, en milisegundos, sería imposible si no fuera porque la ciencia de los datos y la inteligencia artificial están comenzando a hacer posible lo imposible.
El ecosistema de los seguros necesitará una póliza ante la disrupción
Cualquier ecosistema donde los consumidores se sientan insatisfechos mientras que los principales actores obtienen ganancias, es un clima propicio para la disrupción. La industria de seguros es uno de ellos. El sistema actual se basa en ofertas estandarizadas que son difíciles de entender, analizar, comparar e incluso, en caso necesario, de reclamar. Aplicando inteligencia artificial a la oferta de seguros, es posible contemplar las necesidades y el riesgo de cada persona, para ofrecerle un plan a la medida sin comprometer la habilidad de la institución para mantenerse como un negocio rentable.
En el sistema actual, la falta de confianza en la evaluación de riesgos significa que el ecosistema siempre debe protegerse ante la posibilidad de reclamaciones catastróficas que generan pérdidas, lo que aumenta el costo de las primas para todos los que participan en el proceso. Sin embargo, con un mejor soporte para la toma de decisiones en la evaluación de riesgos derivado del aprovechamiento del análisis de datos, todo el sistema puede ser mucho más eficiente y centrado en el cliente. Y lo mismo, puede ocurrir con el proceso de reclamaciones.
Gracias a la desconfianza en la información relacionada con las reclamaciones y la posibilidad real de fraude, se invierte bastante esfuerzo manual para compensar el déficit de confianza en la relación entre asegurador y asegurado. Todo este tiempo y costo podrían ahorrarse si los sistemas de decisión que apoyan el proceso de reclamaciones pudieran utilizar el historial y la información periférica relacionada con el asegurado o el evento, para automatizar la detección de fraude y, por lo tanto, permitir que las reclamaciones se resuelvan rápidamente mientras se rechazan las que son fraudulentas.
Los servicios financieros se popularizan para ofrecer una verdadera inclusión financiera
La industria de la gestión de la riqueza siempre ha sufrido una grave falla: sus servicios han sido relevantes sólo para aquellos con riqueza, no para aquellos que buscan empezar a generar riqueza. A medida que productos como la inversión en algoritmos y la negociación de comisiones a tasa cero ganan prevalencia, la capacidad del hombre común para participar más plenamente en el sistema financiero y en su crecimiento ha aumentado. En el pasado, muchas personas fueron intimidadas por la barrera de entrada al universo de la gestión del dinero y el costo de estos servicios.
Dado que la tecnología ocupa el lugar de los asesores humanos en la mayoría de los casos simples de inversión, el costo se ha reducido sustancialmente, y cuando la base de participantes aumenta dramáticamente, los requisitos como el monto mínimo de inversión ya no tienen sentido porque los volúmenes pueden compensar los bajos ingresos por inversiones individuales. Nuevamente, esto es posible debido a los avances en las máquinas de aprendizaje y la inteligencia artificial, ya que la inversión algorítmica se basa en gran medida en que las máquinas puedan detectar y reaccionar a los patrones del mercado de manera mucho más confiable, precisa y eficiente que los administradores de fondos humanos. Por supuesto, la participación sin preocupaciones en un sistema vinculado al mercado viene con su propio conjunto de riesgos para el consumidor, que deben ser cuidadosamente comprendidos y mitigados con la gobernanza y control adecuados.
Desde el momento en que se inventó la rueda, pasando por la revolución industrial, hasta los ejemplos aún más recientes en torno a la optimización de la cadena de suministro, los humanos siempre han demostrado su deseo por eliminar las ineficiencias en los sistemas. Ahora la tecnología hace posible inventar dispositivos para reducir tales ineficiencias. Si bien la inteligencia artificial no es un campo nuevo, es hasta ahora que comenzamos a ver su potencial para poder combatir las ineficiencias en la toma de decisiones, lo que constituye una gran parte del negocio de la administración del dinero y el riesgo asociado. Los ejemplos anteriores son sólo algunos de lo que nos espera. Estoy entusiasmado de ver qué nos depara la nueva era de la increíble inteligencia.
