4 formas en que la IA trae oportunidades para la banca en la India

Se calcula que la India tiene el mayor número de usuarios de banca digital del mundo. También tiene la base de clientes más diversa y dinámica del mundo, lo que pone de relieve la necesidad de un crecimiento financiero inclusivo. Los clientes de hoy en día tienen acceso a una variedad de servicios y productos personalizados al alcance de la mano, y los bancos no están exentos de estas expectativas. Las presiones competitivas también están obligando a los bancos a centrarse en mejorar la productividad y hacer frente a las exigencias cada vez mayores de la gestión de riesgos y el cumplimiento normativo.

India Stack, un conjunto de plataforma de API (interfaz de programación de aplicaciones) abiertas que permite al gobierno, las empresas y los particulares utilizar la infraestructura digital del país, ha profundizado y ampliado el acceso a los servicios financieros en lo que tradicionalmente era una economía basada en el efectivo. El programa de identificación única de la India, Aadhaar, una arquitectura en la que la identificación/número único solo puede verificarse con el consentimiento del titular de la tarjeta, ha reducido drásticamente el coste de confirmar la identidad del cliente. Por ejemplo, la población cubierta con cuentas bancarias ha pasado del 53% en 2015 al 78% en 2021. Todo ello ha creado un ecosistema que ha convertido los servicios financieros en verdaderamente digitales.

Esto también ha allanado el camino para que la tecnología impulse innovaciones de formas imprevistas, especialmente la inteligencia artificial. La IA ofrece a los bancos la oportunidad de mejorar la prestación de servicios y productos bancarios.

Además, la capacidad distintiva de la IA generativa para crear nuevos contenidos, analizar grandes conjuntos de datos y crear contenidos en formatos consumibles cambiará las reglas del juego del sector bancario. En todo el mundo, los bancos llevan décadas utilizando modelos estadísticos para evaluar la solvencia de los clientes. Por lo tanto, no es de extrañar que la banca sea el sector líder en la adopción de la IA en muchas áreas diferentes:

El crédito minorista ha sido la mayor área de despliegue crediticio en la India, y sigue creciendo a un ritmo rápido. El aumento del volumen y la velocidad de las solicitudes de préstamos han hecho necesario acortar los ciclos de evaluación y valoración del riesgo, garantizando al mismo tiempo una mejor gestión del riesgo y el cumplimiento de las normas.

La suscripción es un proceso complejo, que requiere el cumplimiento de la política bancaria, la conformidad normativa, la evaluación de riesgos y la diligencia debida con el cliente. Se están utilizando algoritmos de IA para evaluar fuentes de datos alternativas, como los pagos regulares de servicios públicos y los patrones de consumo, para evaluar la solvencia crediticia. La IA generativa permite, además, evaluar conjuntos de datos no estructurados y permite a los suscriptores tomar decisiones crediticias informadas y precisas.

India ha experimentado un aumento constante de cuentas de inversionistas en la última década. Los activos bajo gestión (assets under management o AUM, en inglés) de los inversionistas particulares ha aumentado un 21% de media hasta junio de 2023. Sin embargo, el porcentaje de activos bajo gestión de la India con respecto a su PIB es del 16,9%, frente al 20% de China y el 62% de Sudáfrica. Los bancos se encuentran en una posición privilegiada para aprovechar el crecimiento del sector minorista, ya que la India es el segundo país BRICS con mayor número de personas con patrimonios elevados.

Todos estos factores han creado una oportunidad única para que los bancos de la India den un paso al frente y satisfagan las crecientes necesidades de los clientes nuevos y existentes. Los bancos tienen ahora la capacidad de ofrecer inversiones a medida y gestión algorítmica de carteras mediante un mayor uso de la inteligencia artificial.

Para los clientes de mayor poder adquisitivo, los bancos pueden utilizar IA generativa para analizar datos sobre empresas, resumir informes financieros, analizar la cartera de un cliente y hacer recomendaciones de inversión basadas en el apetito de riesgo del individuo, sus objetivos financieros, etc. Los bancos podrán aprovechar la IA para crear carteras para inversores minoristas que buscan inversiones más seguras. La IA ha hecho posible la hiperpersonalización a nivel individual, a escala y con un alto nivel de coherencia.

La banca digital ha democratizado el acceso de los clientes a los productos financieros, lo que ha provocado un aumento de los riesgos para el sistema financiero. La gestión de riesgos es un área compleja debido al volumen y la variedad de riesgos a los que se enfrentan los bancos. Además, su escala y alcance siguen aumentando debido al crecimiento de los servicios de productos y de los canales a través de los que se distribuyen.

La IA tradicional combinada con la IA generativa tiene el potencial de añadir un enorme valor al proceso de identificación, evaluación y mitigación de los riesgos a los que se enfrentan los bancos. Uno de los retos es el riesgo de que el creciente número de falsos positivos -en los que las transacciones se marcan erróneamente como sospechosas- sobrecargue áreas como la supervisión de transacciones y el fraude. Por ejemplo, cada transacción que se identifica como fraudulenta o como una posible infracción de blanqueo de capitales debe ser clasificada, verificada y marcada; un proceso que en grandes volúmenes puede saturar los sistemas. La IA ayudará a los equipos de gestión de riesgos a identificar múltiples tipos de riesgos a escala.

Los bancos siguen invirtiendo en tecnología para automatizar los procesos de cumplimiento, ya que son complejos y requieren mucho tiempo. La escala de las actividades de cumplimiento sigue aumentando en términos de volumen y velocidad, debido al crecimiento del número de transacciones y de los canales financieros. La IA generativa ayudará a los bancos proporcionándoles capacidades críticas para gestionar esta escala. Los algoritmos de IA generativa tienen la capacidad de ingerir grandes cantidades de datos, analizar los cambios normativos y generar borradores de evaluación de riesgos utilizando esta información. Además, la IA puede redactar respuestas a las consultas de las partes interesadas internas y las autoridades reguladoras.

Los bancos han ido ampliando sus servicios de banca digital a lo largo de la última década. Sin embargo, hasta la llegada de la IA generativa, la gran mayoría de estos servicios requerían la presencia humana para asesorar y guiar a los clientes. Por ejemplo, los chatbots no eran totalmente conversacionales y tenían una funcionalidad limitada. Los cambios en la base de conocimientos subyacente exigían volver a entrenar los modelos de IA existentes. La IA generativa ha resuelto estos problemas. Con mayores capacidades de formación e inferencia, la IA generativa podrá aplicar conocimientos y patrones en nuevas interacciones que serán de inmensa utilidad en la atención al cliente. Estas capacidades no se limitan a la atención al cliente, sino que abren todo un abanico de posibilidades en el ámbito de la banca conversacional.

Casi todos los sistemas de IA que existen hoy en día pueden clasificarse como "IA de Sistema 1", que se refiere a un sistema de IA que responde de forma sincrónica a las consultas con una respuesta. Por ejemplo, cuando un cliente desea información sobre una tarjeta de crédito mientras conversa con un chatbot, éste analiza la consulta y responde con la mejor respuesta de su repositorio de conocimientos. Tradicionalmente, los sistemas de IA han carecido de la capacidad de construir un planteamiento de resolución de problemas, invocar el razonamiento y asignar tiempo y esfuerzo para resolver un problema siguiendo un enfoque gradual (IA de Sistema 2). No se puede pedir a una IA que "cree un informe anual" y esperar que averigüe todas las fuentes de datos, busque los datos, cree la cuenta de resultados, genere el texto y elabore el informe final.

Desde la llegada de la IA generativa, esto ha cambiado. Hay modelos de IA que dejan vislumbrar cómo puede funcionar la IA de Sistema 2. Los avances en IA (en concreto, la IA generativa) están permitiendo la integración de los mecanismos de Sistema 2 con los fundamentos bien desarrollados de Sistema 1. Varias empresas, entre ellas Axis Bank, están realizando experimentos para crear plataformas de IA que puedan aprovechar la capacidad de toma de decisiones racionales del Sistema 2 en combinación con el Sistema 1 para resolver problemas que van más allá del ámbito del Sistema 1.

Paralelamente a estos avances, no debemos perder de vista la dimensión ética. La banca es un sector muy regulado y, por lo tanto, la transparencia, la seguridad de los datos, la responsabilidad y la toma de decisiones imparcial son fundamentales. El uso de la IA por parte de los bancos debe incorporar estas áreas clave de forma holística. La explicabilidad de los modelos de IA es un aspecto clave, ya que es importante conocer los factores clave que impulsan las decisiones a las que llegan estos modelos.

Debemos garantizar el respeto de la privacidad y la seguridad de los datos al utilizar modelos de IA. Existe el riesgo de que muestren ciertos sesgos inherentes a los datos de entrenamiento o de que filtren datos sensibles. El sesgo en los algoritmos de IA puede llevar a decisiones incorrectas o, lo que es peor, puede acabar defendiendo discriminaciones raciales, de género o de otro tipo. La responsabilidad por las decisiones erróneas tomadas por los bancos debido a los algoritmos es otra cuestión compleja, ya que estos algoritmos son en gran medida opacos.

No es frecuente que aparezca una tecnología que cambie simultáneamente la forma de pensar y de funcionar de la sociedad. Igualmente raro es que el presente sea tan apasionante como el futuro. Y la IA está haciendo exactamente eso.