El aprendizaje automático está permitiendo dar pasos agigantados en la industria financiera. Aquí te contaremos cuáles son algunas de las ventajas y usos del aprendizaje automático en los servicios financieros.
¿Qué es el aprendizaje automático?
El aprendizaje automático o machine learning es un subconjunto de la ciencia de datos que utiliza modelos estadísticos para obtener información y hacer predicciones.
La ventaja del aprendizaje automático, como su nombre lo dice, es que aprende de la experiencia sin ser programado explícitamente. Se encarga de seleccionar los modelos y alimentarlos con datos. El modelo ajusta automáticamente sus parámetros para mejorar los resultados.
Los especialistas en análisis de datos entrenan modelos de aprendizaje automático con conjuntos de datos existentes, para luego aplicarlos a situaciones de la vida real.
El modelo es puesto en marcha como un proceso en segundo plano y arroja resultados de manera automática, según su configuración. Los modelos se pueden capacitar frecuentemente de acuerdo con las necesidades de la empresa, a fin de mantenerlos actualizados. Algunas empresas actualizan sus modelos cada día, aunque también depende de la cantidad de datos obtenidos.
Por lo general, en cuanto más datos se tengan disponibles y se agreguen al modelo, más precisos serán los resultados. Afortunadamente, en la industria financiera existen grandes cantidades de datos sobre: diferentes tipos de transacciones, clientes, facturas, entre otros. Entonces, sin duda los datos son un componente indispensables para el aprendizaje automático.
Te puede interesar: 5 razones para entender el valor de los datos
Barreras de adopción del aprendizaje automático
La tecnología avanza muy rápido, además, el volumen de información aumenta cada vez más, por lo que, en el futuro será imposible ver los usos del aprendizaje automático en servicios financieros.
No obstante, la mayoría de las entidades financieras todavía no están listas para extraer el valor real de esta tecnología. ¿Por qué?
1. Las empresas desconocen las ventajas reales del aprendizaje automático.
2. La investigación y el desarrollo de aprendizaje automático suele ser costosa.
3. Existe una escasez de ingenieros de aprendizaje automático e inteligencia artificial.
4. Los directivos de entidades financieras no son arriesgados y tardan mucho tiempo para actualizar la infraestructura de datos.
Son pocas las empresas que han implementado aprendizaje automático; sin embargo, las que sí lo han implementado, reportan grandes beneficios. Por ejemplo: costos operativos reducidos gracias a la automatización de procesos. También existe un aumento de ingresos gracias a una mejor productividad y mejor experiencia de usuario. Además, aumenta la seguridad reforzada.
Usos del aprendizaje automático en los servicios financieros
Algunas de las aplicaciones de aprendizaje automático que han realizado empresas alrededor del mundo son las siguientes.
1. Automatización de procesos
La automatización de procesos permite agilizar el trabajo manual, automatizar tareas repetitivas, y aumentar la productividad. Estos son algunos usos: chatbots, automatización de call center, automatización del papeleo, capacitación de empleados, y más. Uno de los ejemplos más claros es el caso de JPMorgan.
JPMorgan Chase desarrolló un software llamado COiN para automatizar el proceso de revisión de documentos. Esta automatización, una vez a prueba de errores, puede producir resultados precisos, consumiendo solo unos pocos segundos. Es una alternativa a la documentación convencional que realizan los abogados, que suele tardar días o semanas.
La primera etapa de prueba del software COiN incluyó la revisión de los contratos de crédito de JP Morgan. La técnica clave que utiliza el software se conoce como reconocimiento de imágenes. Al utilizar el reconocimiento de imágenes, el software puede comparar y distinguir entre diferentes acuerdos.
La compañía también ha indicado que COiN es un software de aprendizaje no supervisado, lo que significa que hay una participación humana mínima una vez que se ha implementado. Este es un paso importante que reduce el tiempo, los recursos y los esfuerzos necesarios para revisar los documentos. La compañía también ha declarado que COiN puede identificar más de cien atributos de los contratos y luego clasificarlos en diferentes grupos.
2. Seguridad
Una de las amenazas de seguridad que más ha aumentado es el fraude financiero. En México, tan solo en el primer semestre de 2018 por un monto de 9 mil 231 millones de pesos, se registraron 3.5 millones de reclamaciones. Pero entre 2011 y 2018 se han registrado más de 30.8 millones de reclamaciones por fraude. Pero los algoritmos son una herramienta maravillosa para detectar fraudes.
Por ejemplo, los bancos pueden usar esta tecnología para monitorear miles de parámetros de transacción para cada cuenta en tiempo real. El algoritmo examina cada acción que realiza un titular de la tarjeta y evalúa si un intento de actividad es característico de ese usuario en particular. Dicho modelo detecta un comportamiento fraudulento con alta precisión.
Si el sistema identifica un comportamiento sospechoso de la cuenta, puede solicitar una identificación adicional del usuario para validar la transacción. O incluso bloquear la transacción por completo, si hay al menos un 95% de probabilidad de que sea un fraude. Lo cual se puede cruzar con información de denuncias de fraude anteriores. Los algoritmos de aprendizaje automático necesitan solo unos segundos (o incluso segundos) para evaluar una transacción. La velocidad ayuda a prevenir fraudes en tiempo real, no solo a detectarlos después de que el delito ya se haya cometido.
El monitoreo económico es otro caso de usos del aprendizaje automático en servicios financieros en el aspecto de seguridad. Los científicos de datos pueden entrenar el sistema para detectar una gran cantidad de micropagos y señalar técnicas de lavado de dinero.
Los algoritmos de aprendizaje automático también pueden mejorar significativamente la seguridad de la red. Los científicos de datos entrenan un sistema para detectar y aislar amenazas cibernéticas, ya que el aprendizaje automático es insuperable en el análisis de miles de parámetros y en tiempo real. Y es probable que esta tecnología impulse las redes de ciberseguridad más avanzadas en el futuro más cercano.
Adyen, Payoneer, Paypal, Stripe y Skrill son algunas empresas fintech notables que invierten mucho en el aprendizaje automático de seguridad.
3. Calificación crediticia
Los algoritmos de aprendizaje automático se ajustan perfectamente a las tareas de calificación de riesgo que son tan comunes en finanzas y seguros.
Los científicos de datos entrenan modelos en miles de perfiles de clientes con cientos de entradas de datos para cada cliente. Un sistema bien entrenado puede realizar las mismas tareas de calificación crediticia en los entornos de la vida real. Tales motores de puntuación ayudan a los empleados humanos a trabajar mucho más rápido y con mayor precisión.
Los bancos y las compañías de seguros tienen una gran cantidad de datos históricos del consumidor, por lo que pueden usar estas entradas para entrenar modelos de aprendizaje automático. Alternativamente, pueden aprovechar los conjuntos de datos generados por las grandes compañías de telecomunicaciones o de servicios públicos.
Por ejemplo, BBVA Bancomer está colaborando con una plataforma alternativa de calificación crediticia Destacame. El banco apunta a aumentar el acceso al crédito para clientes con un historial crediticio escaso en América Latina. Destacame accede a la información de pago de facturas de las empresas de servicios públicos a través de API abiertas. Utilizando el comportamiento de pago de facturas, Destacame produce un puntaje de crédito para un cliente y envía el resultado al banco.
4. Trading algorítmico
Otro de los usos del aprendizaje automático en los servicio financieros está en el comercio algorítmico. El aprendizaje automático ayuda a tomar mejores decisiones comerciales. Un modelo matemático monitorea las noticias y los resultados comerciales en tiempo real y detecta patrones que pueden obligar a los precios de las acciones a subir o bajar. Luego puede actuar proactivamente para vender, mantener o comprar acciones de acuerdo con sus predicciones.
Los algoritmos de aprendizaje automático pueden analizar miles de fuentes de datos simultáneamente, algo que los comerciantes humanos no pueden lograr.
Los algoritmos de aprendizaje automático ayudan a los comerciantes humanos a obtener una pequeña ventaja sobre el promedio del mercado. Y, dados los grandes volúmenes de operaciones comerciales, esa pequeña ventaja a menudo se traduce en ganancias significativas.
5. Asesoría en gestión de patrimonio
Los asesores robots ahora son comunes en el dominio financiero. Actualmente, hay dos aplicaciones principales de aprendizaje automático en el dominio de asesoramiento.
La gestión de cartera es un servicio de gestión de patrimonio en línea que utiliza algoritmos y estadísticas para asignar, gestionar y optimizar los activos de los clientes. Los usuarios ingresan sus activos y objetivos financieros actuales, por ejemplo, ahorrando un millón de dólares a la edad de 50 años. Un robo-advisor luego asigna los activos actuales a las oportunidades de inversión en función de las preferencias de riesgo y los objetivos deseados.
Recomendación de productos financieros. Muchos servicios de seguros en línea utilizan asesores robots para recomendar planes de seguros personalizados a un usuario en particular. Los clientes eligen robo-advisors sobre asesores financieros personales debido a tarifas más bajas, así como recomendaciones personalizadas y calibradas.
Como podemos observar existen muchas ventajas para los servicios financieros en el uso de aprendizaje automático. Si bien puede parecer costo existen algunas alternativas como los proveedores de servicios financieros que ofrecen esta tecnología, pero hablaremos de esto en otro artículo.
