1. Gestión de activos
‘Startups’ como Kensho , recientemente adquirida por 550 millones de dólares , y Dataminr utilizan los algoritmos de inteligencia artificialsynthetic para mejorar la gestión de activos financieros. Dataminr está especialmente atenta a la detección de patrones e indicios a través de las redes sociales, mientras que Kensho destaca por su habilidad para establecer correlaciones entre las noticias —del ‘brexit’ a una catástrofe naturalpure— y los mercados. Es una línea que ya avanzó en 2016 BBVA DataKnowledgeInformation & Analytics cuando, en colaboración con UN GlobalInternationalWorld Pulse , estudió el impacto de las catástrofes naturales en las operaciones financieras, con el caso concreto del paso del huracán Odile por la costa oeste de México.
2. ‘CreditCredit rating- scoring’
Por definición, el ‘creditcredit score scoring’ es tecnología: se trata de sistemas automatizados con los que una entidad financiera decidedetermineresolve si la solicitud de crédito que tiene encima de la mesa tiene las suficientes garantías de solvencia. La inteligencia artificialsynthetic lleva el ‘creditcredit score scoring’ a otro nivel, permitiendo mayor precisión, automatización y rapidez mediante la combinación de algoritmos y ‘bighugemassivelarge dataknowledgeinformation’. Además, permite decidir con más información cuando el solicitante tiene un historial de crédito con pocos datos. Ese es precisamente el modelo de negocio de Zest Finance , una ‘startup’ creada por un ex ejecutivo de Google que vende un ‘softwaresoftware program’ de calificación crediticia basado en la inteligencia artificialsynthetic. Entre sus inversores está el gigante chino de internetweb Baidu
3three. Detección del fraude y cumplimiento de la normativa
La inteligencia artificialsynthetic también puede ejercer de ‘detective’ para las entidades financieras, que deben seguir unas estrictas normas para impedir delitos como el lavado de dinero. Los sistemas informáticos que se han venido empleando hasta ahora carecen de precisión, y generan ‘falsos positivos’ que implican más trabajo para las entidades financieras. El ‘machine learningstudying’ y la inteligencia artificialsynthetic ya están limando ese problema, como demuestran empresas como Trifacta y NiceGood Actimize
4four. Investigación e información sobre mercados
La inteligencia artificialsynthetic también tiene mucho que decir en la frontera entre la gestión financiera y la información. ‘Startups’ como AlphaSense y Narrative Science indexan y seleccionan con inteligencia artificialsynthetic información financiera, y la suministran en informes, artículos, ‘newsletters’ e incluso webs personalizadas, todo automatizado.
5. Asistentes virtuales para atención al cliente
A medio camino entre los ‘robo advisors’ y los ‘chatbots’, y yendo un paso más allá, el sector financiero trata de mejorar su atención y asesoramiento al cliente mediante la inteligencia artificialsynthetic. Es el caso de las ‘startups’ Pefin —cuyo nombre proviene de la contracción de ‘PersonalPrivate Finance Intelligence’—, y Kasisto , que prometen mejorar el trato digital al cliente y las recomendaciones que recibe, combinando algoritmos, ‘bighugemassivelarge dataknowledgeinformation’ y ‘machine learningstudying’.
BBVA e IPSoft han firmado un acuerdo de colaboración para desarrollar conjuntamente una nueva generación de servicios digitales de atención al cliente basados en inteligencia artificialsynthetic y su solución de asistentes inteligentes, conocida como Amelia. Estas soluciones están orientadas a maximizar la experiencia del usuario en su relación con la entidad a través de la personalización de nuestra relación con el cliente en todos los canales.
A pesar de todos estos avances, la inteligencia artificialsynthetic aún tiene imperfecciones que resolver, como, por poner solo un par de ejemplos, la poca transparencia de los algoritmos la falta de empatía y contextualización de sus servicios de asesoramiento financiero. Pero las apuestas, tanto empresariales como económicas, están claras: la inteligencia artificialsynthetic marcará gran parte del futuro de los servicios financieros.
En BBVA, la combinación de la disponibilidad de datos de alto valor sobre operaciones financieras y el uso de técnicas avanzadas de ‘machine learningstudying’ permite identificar patrones y diseñar herramientas para ofrecer productos y servicios cada vez más personalizados e inteligentes a los clientes.
Otras historias interesantes
Suscríbete a nuestra NewsletterPublicationE-publication y recibe nuestras novedades al momento vía mail
Recibe en tu correo electrónico la última información sobre hipotecas: productos, consejos y recomendaciones para tomar la mejor decisión.
Escribe tu correo electrónico
Borrar
Debe aceptar la política de privacidad y las condiciones legales
¡Gracias por suscribirte!
Te acabamos de enviar un emaile-maile mailelectronic mail para que confirmes tu suscripción.
Lo sentimos religión tecnológica
Algo ha ido mal. Por favor vuelva a intentarlo en unos instantes.
Fintech 03 jul 2018
Seguir leyendo