Publicidade

Ourense Termal


Atrás · Actualidade · A guía de ECO · Subscrición · Contacto

Para que usa a banca a intelixencia artificial?



REDACCIÓN · PUBLICADO O 04 DE XANEIRO DE 2019 · (0)



As entidades máis grandes están plenamente inmersas en proxectos de transformación pero hai moitas pequenas que non comezaron a facelo. A situación cambiará pois a aplicación destas tecnoloxías ten un forte impacto no negocio financiero: na captación e fidelización dos clientes como no control do risco, e en consecuencia, na conta de resultados.


Así o resume José Manuel Aguirre, economista e director comercial de AIS Group, que explica que a Intelixencia Artificial (IA) e o Machine Learning (aprendizaxe automática) son un dos mellores aliados: multiplican a capacidade de predición dos modelos tradicionais de márketing e xestión do risco permite aos bancos ser moito máis eficaces e eficientes á hora de captar clientes dun determinado perfil. Tamén a realizar accións de venda cruzada, evitar a morosidade e facer valoracións automáticas da carteira de inmobles.

Unha das súas principais calidades é que facilita o tratamento de grandes bases de datos, estruturadas e non estruturadas, para atopar interrelacións entre eses datos que as técnicas tradicionais non permitían. De aí o incremento do seu poder de predición.  “O investimento actual dos bancos e  fintechs que si están a implementar solucións de IA aos seus procesos, estrutúrase ao redor de tres eixos principais: a análise do comportamento do cliente, a xestión do risco e a valoración automática dos seus inmobles”, comenta Aguirre.

O marketing comercial

Actualmente, máis da metade do investimento (ao redor do 55%) que realizan os bancos que están a aplicar técnicas de intelixencia artificial aos seus procesos vaise aos departamentos de Márketing e diríxense a accións de análise do comportamento do cliente. Ao tratarse de modelos que se utilizan desde as áreas de Márketing ou Comercial, non teñen que someterse ao control do supervisor (Banco de España no caso español) e son proxectos cun alto compoñente de innovación.

Controlar o risco de crédito

A aplicación de ferramentas de última xeración baseadas en técnicas de intelixencia artificial  -como o  machine  learning- para a estimación anticipada de potenciais perdas futuras en escenarios macroeconómicos adversos está a ser moi exitosa como medida preventiva. Este tipo de software permite visualizar diferentes escenarios futuros e simultaneamente desenvolver modelos que inclúen unha cantidade de variables moito maior que as técnicas habituais coas que veñen traballando as entidades. O resultado é que  mellórase substancialmente a capacidade preditiva dos modelos estatísticos tradicionais. “O rango de mellora do poder de predición que achega o  machine  learning abarca do 25% ao 50%, o que traducido a termos de negocio son cantidades nada despreciables”, explica o economista.

A pesar de que entre o 15% e o 20% do investimento en intelixencia artificial dos bancos vai a solucións xestión do risco, esta área é algo máis remisa á introdución de técnicas como machine learning. Os modelos  utilizan moitas máis variables que os tradicionais e son capaces de atopar interrelacións que unha persoa podería non atopar nunca, por iso é polo que teñan un alto grao de acerto e un poder de predición moito maior. Esa é a súa gran vantaxe pero á vez o seu maior handicap, pois neste casoestán moi suxeitos ao control do regulador, especialmente desde a pasada crise financeira, e hai que vencer a sensación de caixas negras de funcionamento descoñecido”. Isto supón que a banca non estea a investir nestas técnicas no control de riscos, entre outras razóns porque son moi precisas e teñen un alto retorno. “A tendencia actual -indica o executivo-  oriéntase máis ao seguimento de carteiras e á recuperación de créditos impagados que á avaliación das solicitudes de créditos”.

A valoración automática de inmobles é outro campo cunha aposta forte pola tecnoloxía para poder calcular o prezo de mercado de todos os inmobles tendo en conta características, localización, inmobles similares vendidos na mesma zona.... Levar a cabo esta taxación de forma presencial resultaría moi gravoso e as entidades están a recorrer a sistemas intelixentes que de maneira automática facilítenlles o traballo.



Comentar noticia








Enviar

Comentarios (0)