Hoy tenemos cajeros automáticos porque en un momento dado se quiso mejorar la experiencia de cliente. En una ocasión John Shepherd-Barron se quedó sin poder disponer de su dinero porque llegó justo unos minutos después de que su oficina bancaria en Londres cerrara. Esto le hizo pensar en una máquina que pudiera entregar dinero a los clientes a cualquier hora. Inspirado en una expendedora de chocolate, inventó el cajero automático. Barclays Bank supo ver la oportunidad de esa innovación e instaló el primer cajero automático en 1967. La tecnología mejoró así la experiencia de cliente.
El sector bancario siempre ha sido pionero en la innovación tecnológica y en particular en aquella que le lleva a mejorar la experiencia del cliente. Con esa visión hoy la banca mira las oportunidades que le ofrece la inteligencia artificial (IA) generativa. Su implantación exitosa requiere de tecnología y buenas prácticas.
Casos de uso de GenAI en banca
Existen muchos tipos de IA, dependiendo del problema que queramos resolver. La IA generativa es aquella capaz de generar contenidos, textos, imágenes o sonidos, a partir de datos ya existentes (datos de entrenamiento) y en respuesta a las indicaciones que le damos en forma de comandos. Algunos de los ejemplos más conocidos son ChatGPT, Dall-E, Midjourney, Github copilot o Microsoft copilot.
La banca viene utilizando la IA para procesos particulares de su cadena de valor, como, por ejemplo, analizar operaciones de riesgo, prevenir el fraude o predecir el comportamiento de valores en bolsa. Son inteligencias artificiales específicas, sólo útiles para un proceso particular. Sin embargo, la IA generativa tiene una ventaja competitiva al poder ser adaptada con facilidad a distintos procesos de la organización, desde elaborar resúmenes de documentos a proponer líneas de código para los desarrolladores de software. Esto hace que el mercado de la IA generativa en el sector financiero haya sido de 1.085 millones de dólares en 2023, esperando alcanzar los 9.400 millones de dólares en 2032, con un ritmo de crecimiento del 28,1%.
Según un informe de la OCDE la IA generativa en el sector bancario se está utilizado tanto para mejorar la productividad como para la creación de valor. En el primer caso su uso se encuentra en procesos de elaboración de informes, traducciones, gestión de recursos humanos, AML (anti-money laundering), detección de fraude o codificación de líneas de software. Sin embargo, su mayor potencial se encuentra en la posible generación de valor para los clientes: creación de nuevos productos, segmentación para marketing dirigido, onboarding, autenticación y atención al cliente. Se espera que la IA generativa mejore la competitividad en todas las verticales del sector bancario: banca de consumo, servicios financieros, pagos, seguros, gestión de activos, banca privada o gestión del patrimonio (wealth management).
Si los cajeros automáticos revolucionaron la banca minorista, la IA generativa ha venido para transformar todos los negocios financieros.
Grandes oportunidades, algunos riesgos
La implantación de la IA generativa orientada al cliente está teniendo un desarrollo desigual en el sector bancario, con las empresas Fin Tech a la cabeza. Cleo utiliza su lema “AI meets money” en una transparente declaración por el uso de la IA en la relación con sus clientes. La empresa sueca Klarna, que ofrece soluciones de pago para compras online, ha mostrado un rendimiento notable de su IA generativa orientada al cliente tras un mes de operación: el asistente de IA mantuvo 2,3 millones de conversaciones, unos 2/3 de las interacciones mensuales, haciendo el trabajo equivalente a 700 agentes, en 35 idiomas y pasando a resolver las cuestiones de los clientes de 11 a 2 minutos de media, con un nivel de satisfacción de cliente similar al de un agente humano. Con todo ello, se espera que las ganancias de Klarna se incrementen en 40 millones de dólares en 2024.
Otras grandes corporaciones financieras están en una fase exploratoria con la IA generativa. Goldman Sachs está desarrollando una docena de iniciativas en IA generativa, entre las que se encuentra escribir líneas de código de software o generar documentos. Pero de forma deliberada quieren ser muy cautelosos en la aplicación de la IA generativa en procesos de cara al cliente, dada la naturaleza regulada de los servicios financieros. Morgan Stanley está desarrollando un chatbot basado en ChatGPT para orientar a sus clientes de wealth management sobre sus inversiones. Se espera que también, con el permiso del cliente, el chatbot pueda crear un resumen de la conversación, redactar un correo electrónico de seguimiento sugiriendo los próximos pasos, actualizar la base de datos de ventas del banco o programar una cita de seguimiento. La empresa de seguros y servicios financieros John Hancock ha implementado una solución de IA generativa de Microsoft Azure en su centro de soporte a usuarios, consiguiendo reducir el tiempo de atención y liberando agentes para la resolución de cuestiones en escenarios más complejos. Además, parte el equipo de CAU ha sido formado en programación low-code con el objetivo de disponer de su experiencia para mejorar el servicio.
«El camino de la IA Generativa en la experiencia de cliente ha comenzado, pero no está exenta de riesgos».
El camino de la IA generativa en la experiencia del cliente ha comenzado, pero no está exento de riesgos. La empresa de mensajería DPD tuvo que deshabilitar su chatbot de soporte a clientes después de que éste insultara a un cliente y criticara a la propia empresa. La situación ocurrió porque el cliente afectado forzó deliberadamente dicha situación, pidiéndole al chatbot que adoptara un rol particular. En todo caso, reveló un problema de seguridad.
El AI Accelerator Institute destaca otros riesgos relacionados con la protección de los datos personales, la privacidad de los clientes, la propiedad intelectual de los datos de entrenamiento, respuestas con sesgo o erróneas y la dificultad, a veces imposibilidad, de determinar la explicación de un resultado producido por la IA generativa. Este último es de especial interés para el sector financiero al estar fuertemente regulado y auditado.
Una IA Generativa bien gobernada
Para implantar una IA generativa orientada a la experiencia de cliente, capaz de obtener todo su potencial y minimizar sus riesgos, se necesita un enfoque que integre negocio, gobierno y tecnología. Con esta visión, recomendamos las siguientes directrices:
- Partir de casos de uso en entornos muy acotados y con funcionalidades iniciales bien definidas.
- Elaborar un caso de negocio claro que incluya oportunidades y riesgos.
- Definir guardarraíles que fijen los límites éticos de la IA generativa.
- Establecer OKRs que midan el éxito de la solución, incluyendo métricas de negocio, de cliente y éticas.
- Determinar hasta qué punto la solución estará basada en terceros o en desarrollos propios.
- Disponer de un conjunto de datos de entrenamiento bien preparado, de calidad y de los cuales se tenga traza de su origen.
- Formar en los riesgos de la IA generativa a todos las personas implicadas en la solución, desde desarrolladores hasta agentes de atención al cliente.
- Definir los canales de interacción con los clientes para que estén informados de estar interactuando con una IA y puedan tener vías de comunicación alternativas.
Según el IBM Institute for Business Value, el 85% de los directivos aseguran que en dos años la IA generativa interactuará directamente con los clientes. En los orígenes de los cajeros automáticos, para retirar dinero un empleado del banco tenía que entregar previamente al usuario unos cheques especiales, impregnados de caborno-14. Hoy interactuamos con los cajeros automáticos directamente, a través de nuestra tarjeta bancaria o nuestro móvil. La innovación es un camino y tenemos que saber recorrerlo.
Da el siguiente paso en tu viaje hacia la GenAI
Ponte en contacto con nosotros para explorar las posibilidades de la IA Generativa en tu organización.
