Innovación tecnológica en la industria financiera: Citibank, HSBC y otros

Los servicios bancarios personalizados, basados en datos, están siendo los preferidos del mercado. 

Cada vez son más los bancos que migran sus plataformas tradicionales a innovadoras aplicaciones basadas en datos

Dotada de grandes motores de Inteligencia Artificial, los bancos que llevan la delantera son aquellos capaces de ofrecer potentes servicios de personalización que impactan directamente en el vínculo con sus clientes, otorgando más fidelización y un ciclo de vida más largo. 

Pero la personalización de los productos y servicios no es el único beneficio de la Inteligencia Artificial aplicada a la industria financiera. Es la prevención del fraude. 

Las transacciones online abren un enorme universo de posibilidades para el fraude, siendo la piedra en el zapato para toda empresa basada en compras, ventas o depósitos online. Las empresas financieras necesitan garantizar confiabilidad a sus clientes y, a la vez, evitar billonarias pérdidas de dinero que se fuga a través del fraude electrónico.  

Innovar en la industria financiera

Beneficio #1: fidelizar al cliente

La innovación constante no es una exigencia que el mercado pone únicamente a los rubros jóvenes, como las startups. Ninguna empresa queda afuera de la imparable corriente tecnológica y cultural, que desarrolla y demanda productos y servicios a la medida de cada usuario

Este fenómeno genera cambios en el consumo que se trasladan a todas las empresas con las que las personas interactúan. Luego de hacer casi cualquier cosa desde una aplicación: pedir comida, gestionar el traslado urbano, las vacaciones y el seguro del auto, los clientes quieren cada vez resolver más cosas desde su celular. Y así se lo exigirán a su banco. 

Operaciones que antes llevaban horas y demandaba desplazarse a una sucursal bancaria, hoy pueden realizarse desde el celular o la propia computadora, mientras se espera el inicio de una reunión o la salida de los chicos de la escuela. 

En este escenario tan competitivo, ninguna entidad bancaria puede quedarse atrás. Necesita desarrollar herramientas que permitan a los clientes resolver todas las transacciones desde su dispositivo móvil de una manera práctica y confiable. 

Si lo que se busca es no quedar afuera de un mercado basado en la mejora continua, innovar en la industria financiera no es una opción. Es un deber. 

¿Por qué es tan importante innovar?

El impacto que tienen estos servicios y productos personalizados de la industria financiera afecta directamente los lazos de pertenencia y lealtad que se forman entre los clientes y las entidades bancarias. 

Sin embargo, sabemos también que apostar por la innovación tiene su contracara: demanda cambios culturales internos y una gran inversión. Existen temores, prejuicios y estructuras organizacionales que es fundamental comprender para poder transformar. 

El usuario final, sea este un cliente individual o una empresa, se vuelve cada vez más exigente. A medida que asimila el uso de su celular para resolver todo en su vida, exige que las aplicaciones funcionen cada vez mejor y estén disponibles para todo. 

Del lado del banco, la exigencia de ofrecer un servicio a prueba de fallas implica un compromiso y responsabilidad muy grande. 

Dificultades para acceder a la cuenta, demoras y complicaciones para revertir un pago fraudulento con tarjeta de crédito o recibir constantemente ofertas que no le interesen pueden llevar a nuestro cliente fiel a cerrar su cuenta, cambiar de banco o elegir otra tarjeta de crédito.

Los bancos que llevan la cabecera en analizar con profundidad los hábitos de consumo (con estrategias de machine learning, inteligencia artificial y análisis de datos) tientan a nuestros clientes más leales con productos y servicios a medida. 

Esta volatilidad del cliente fiel representa un desafío enorme para un banco tradicional. 

Por otro lado, es sabido que la industria financiera tiene clientes con un ciclo de vida muy largo y un costo de adquisición altísimo. Una vez que el cliente cambia de banco, pasa mucho tiempo hasta que decide volver a cambiar de proveedor.  

Por todos estos motivos es que resulta fundamental innovar en la industria financiera, muy exigente en términos de mejora continua, disponibilidad y personalización.

Beneficio #2: evitar el fraude

Combatir el fraude se convirtió, en los últimos años, en una de las cuestiones que más quitan el sueño a entidades financieras de todos los tipos; sean bancos, empresas prestamistas o e-commerce.  

Bancos de la talla del HSBC, Citibank o Lloyd’s Bank reconocen al fraude como el principal desafío de su gestión, y demanda de ellos una postura gerencial fuerte, capaz de apoyar estrategias innovadoras para enfrentarlo.

Las actividades fraudulentas son, hoy, una industria billonaria en constante crecimiento, que se  favorece, principalmente, del auge de las transacciones online

Las transacciones virtuales encabezan la lista de los delitos informáticos, facilitado por las nuevas tecnologías.

El fraude puede ejecutarse en distintos momentos de una operación online: en el registro de usuario, en la confirmación de compra y transferencia, o en la duplicación de tarjetas, por ejemplo. 

La detección de fraude no se resuelve con el desarrollo de algoritmos tradicionales.

Un algoritmo tradicional que detecta un porcentaje alto de fraudes es un arma de doble filo. Las reglas generales que implementan estos sistemas suelen encontrar una gran cantidad de “falsos positivos”, es decir, casos legítimos marcados como fraude.

Debe recurrirse a desarrollos diferentes e innovadores para detectar fraudes en forma certera y eficiente. 

¿Cómo desarrollar entonces un sistema de detección de fraude eficiente sin sacrificar la experiencia del usuario? Machine Learning es la respuesta.

Con el avance de la industria basada en tecnología aplicada a las finanzas y la inversión (FinTech), la experiencia del usuario se convirtió en un bien muy valioso para toda empresa que desea ser líder.

Los sistemas de Machine Learning e Inteligencia Artificial brindan soluciones para muchos tipos de problemas complejos: permiten diseñar motores de recomendación, obtener patrones, agrupar clientes por comportamientos similares y, por supuesto, detectar fraudes

Su fortaleza reside en que se vuelven más precisos con mayores volúmenes de datos, pues “aprenden” a generalizar mejor la información (una característica natural en las Fintech).

Innovación en la industria financiera: casos de éxito

En 2018, a partir de la incorporación de técnicas de Machine Learning en las operaciones cotidianas, HSBC redujo los falsos positivos de fraude en un 20% y encontró numerosos patrones de comportamiento relacionados directamente con prácticas fraudulentas

Con las mejoras en el sistema de detección que introdujo HSBC en 2019 (análisis de datos biométricos de comportamiento) redujo en un 70% los falsos positivos, en comparación con la misma ejecución en manos de sistemas de algoritmos tradicionales.

Danske Bank de Dinamarca (fundado en 1871) desarrolló un sistema de detección de fraude con técnicas tradicionales que le permitía detectar el 40% de los fraudes; de todos ellos, el 99,5% resultaban ser falsos positivos. Incorporando técnicas de Machine Learning, la entidad redujo en un 60% los falsos positivos, y espera lograr un 80% luego de nuevas mejoras en el algoritmo. La detección de fraudes reales aumentó también en un 50%.

Recurriendo a la Inteligencia Artificial para mejorar su servicio de Sign Up, CitiBank aumentó en un 70% el registro de usuarios, cuando con el sistema anterior hubieran resultado denegados por supuesto fraude. Esto también disminuyó la verificación manual de falsos positivos en 10 veces. Todo ésto, sin la pérdida de fraudes reales.

¿Qué necesito, entonces, para modernizar mi entidad bancaria?

Las organizaciones tienen hoy dos objetivos principales: garantizar y administrar la seguridad, por un lado, y crear excelentes experiencias de usuario, por otro. Para lograr estos objetivos, cada vez son más las empresas que hacen uso de la Inteligencia Artificial

Comprendiendo el comportamiento del cliente a través de los omnicanales y la omnidata (a gran escala de datos) una organización puede reducir el riesgo y aumentar los ingresos, todo de una sola vez.

Ahora bien, ¿cómo podría una startup encarar un proyecto de Inteligencia Artificial, como los que estamos proponiendo, sin naufragar en el camino?

En nuestro post “MVM: Minimum Viable Model: ¿Cómo sacar ventaja de la ciencia de datos en tu startup?” te contamos cómo se puede desarrollar un producto basado en datos y aplicar Machine Learning a tu negocio en proyectos de cualquier envergadura, de una manera iterativa e incremental.

El desarrollo de modelos de datos ágiles permiten a profesionales especializados trabajar codo a codo con los responsables de detección de fraude. Atravesando fases de definición, validación y con alcance definido, se desarrolla un modelo personalizado de detección de fraude, ajustado a las características y necesidades de la entidad financiera. 

En 7Puentes tenemos el expertise para poder transformar cualquier desafío en valor agregado para tu entidad financiera. 

Nuestro equipo de ingenieros, analistas, desarrolladores, data scientists y project managers generan soluciones que van de de menor a mayor de manera iterativa e incremental.

Contamos con particular experiencia en la detección de fraude en distintas industrias verticales, no sólo en la financiera. 

Hemos desarrollado modelos de detección para importantes empresas de servicios de e-commerce, cuyo elevado volumen de transacciones requieren de modelos especialmente desarrollados y dedicados a su predicción.

Somos el partner que necesitás para estar a la altura de la innovación requerida. Contactanos.