ChatGPT y la inteligencia artificial generativa en servicios financieros: La semana pasada la industria financiera sufrió un fuerte golpe que sacudió los cimientos de los bancos y los inversores en todo el mundo. Uno de los bancos privados más importantes que alojaba los fondos de cientos de clientes, startups, fondos de inversión e inversionistas de Silicon Valley colapsó, dejando a muchos en una situación difícil.
Una de las razones detrás del colapso fue el mal manejo del riesgo, lo que plantea la pregunta:
¿Cómo una inteligencia artificial (IA) podría haber evitado esta catástrofe?
Para responder esto, le pedi ayuda a ChatGPT. Usando el nuevo modelo GPT-4 pude llevar toda la pagina de Wikipedia como contexto y le pregunté como se podría haber evitado el problema.
En menos de 3 segundos, ChatGPT con el modelo GPT-4 me respondio:
Leer también: CX All Star Day: IA, ChatGPT y SaaS, las principales tendencias en atención al…
La Inteligencia Artificial (IA) podría haber prevenido el colapso de Silicon Valley Bank (SVB) si se hubiera utilizado de manera eficaz en la gestión de riesgos y la toma de decisiones. Aquí hay algunas soluciones potenciales que podrían haber sido aplicadas por la IA:
- Monitoreo en tiempo real del mercado y las tendencias económicas para ajustar la inversión en bonos del Tesoro a largo plazo.
- Evaluación constante del riesgo crediticio de los clientes y ajuste de las estrategias de inversión en consecuencia.
- Detección temprana de cambios en el comportamiento de los depositantes y en las necesidades de liquidez de los clientes.
- Automatización de pruebas de estrés más rigurosas y frecuentes, independientemente de las regulaciones gubernamentales.
- Identificación de posibles problemas de liquidez y soluciones alternativas de financiamiento antes de que se conviertan en crisis.
- Monitoreo de las actividades de trading de los ejecutivos para prevenir el posible uso indebido de información privilegiada.
A medida que la tecnología continúa evolucionando y transformando la industria financiera, el papel de la IA en la toma de decisiones críticas se vuelve cada vez más importante. La IA es capaz de procesar grandes cantidades de datos y aprender de ellos para identificar patrones y tendencias que los humanos podrían pasar por alto.
La tecnología de IA generativa, como ChatGPT, se está convirtiendo en una herramienta poderosa para los servicios financieros. Esta tecnología puede generar texto, imágenes y otras formas de contenido original y coherente que puede ser útil para una variedad de tareas financieras, desde la generación de informes y análisis de mercado hasta la creación de contenido de marketing.
La inteligencia artificial generativa tiene el potencial de revolucionar los servicios financieros y tendrá un alto impacto en tres sectores principales de la industria.
La IA generativa puede proporcionar el mayor beneficio a las redes de pago, proveedores de billetera móvil y emisores. Diferentes casos de uso incluyen la reducción del fraude, la personalización de ofertas y la optimización de operaciones tanto de cara a los clientes como en el back operativo.
Los bancos y servicios financieros que hoy intentan mejorar la eficiencia y el servicio al cliente pueden utilizar la tecnología para procesar solicitudes y documentos, evaluar mejor las variables económicas y crear modelos financieros de mayor precisión.
Con esto en mente aquí te dejo 6 casos de uso que podrás encontrar en la industria financiera hoy:
- Marketing y experiencias personalizadas: La IA generativa puede utilizar datos simulados y reales de los clientes para ofrecer ofertas dirigidas y recomendaciones específicas de productos. Esto puede mejorar la satisfacción del cliente, aumentar la participación y las tasas de conversión, lo que conduce a un mayor volumen de pagos o crecimiento en nuevos registros de cuentas, por ejemplo.
- Automatización y optimización de procesos. La tecnología puede ayudar a verificar documentos escritos en lenguaje natural e identificar métodos de pago o rutas de procesamiento eficientes. Para los clientes, esto significa un procesamiento de pagos o reclamos acelerado; para los proveedores, una mejora en la rentabilidad.
- Defensa contra el fraude. La IA generativa puede producir datos sintéticos para mejorar los datos más estrechos utilizados por los modelos de detección de fraudes. Los conjuntos de datos más ricos pueden mejorar la capacitación para modelos de IA existentes, permitiéndoles distinguir mejor entre actividad sospechosa y legítima. Esto ayuda a limitar los falsos positivos mientras refuerza las defensas contra el fraude real, un caso de uso crítico frente a pérdidas crecientes.
- Evaluación de riesgos (no fraude). Los generadores de datos sintéticos pueden simular diferentes escenarios para predecir mejor los riesgos. Las aplicaciones incluyen pruebas de estrés mejoradas para los bancos, mayor precisión de los modelos de calificación crediticia para proveedores de servicios bancarios y de pagos, e identificación de futuros reclamos entre los aseguradores.
- Soporte al cliente, con un pero. Los asistentes virtuales impulsados por IA generativa pueden responder más naturalmente a las consultas de los clientes y manejar preguntas complejas. Sin embargo, el conjunto de documentación de entrenamiento para productos orientados al consumidor debe ser limitado para garantizar la precisión. Y el potencial de sesgo y discriminación significa que los proveedores deben proceder con precaución, realizando pruebas y auditorías regulares. Sin embargo, los bots internos que pueden ayudar a los agentes de servicio al cliente humano o ayudar con la capacitación podrían ser un caso de uso más inmediato.
- Desarrollo de productos. La IA generativa puede proporcionar información sobre tendencias emergentes en diferentes segmentos de clientes. Esto permite a los proveedores crear nuevos productos diseñados para satisfacer las necesidades cambiantes de sus clientes. Los chatbots impulsados por IA generativa también pueden ayudar en el proceso de desarrollo al generar, completar o corregir código.
Ya en 2021 American Express comenzó utilizado IA para mejorar sus servicios financieros de varias maneras, desarrollado una búsqueda contextual y predictiva en su aplicación, capacitada con modelos de procesamiento de lenguaje natural (NLP) utilizando BERT de Google.
Además Amex, implementó un sistema de detección de fraudes impulsada por IA. La compañía ha utilizado su modelo Gen X para combatir el aumento del fraude con tarjetas de crédito durante la pandemia. La tecnología propietaria ejecuta una secuencia de más de 1,000 árboles de decisión, utilizando miles de millones de datos y escanea más de $1.2 billones en gastos anuales para refinar y ajustarse a nuevos patrones. Esta tecnología utiliza modelos de aprendizaje automático para analizar grandes cantidades de datos y tomar decisiones precisas y eficientes.
Según los analistas, aún estamos lejos de que esta tecnología esté realmente implementada y al servicio de los clientes bancarios. ¡Espero ver y compartir más casos como los de American Express con ustedes pronto!
