COMUNIDAD DE MERCADEO

Explorando cómo los bancos escalan la Inteligencia Artificial

Estamos en un punto de inflexión. Todos los días, vemos cómo las capacidades de inteligencia artificial (IA) reflejan y superan las capacidades humanas en habilidades generalizadas. El reciente informe de Accenture, Una nueva era de IA generativa para todos, explica por qué la IA generativa es el "copiloto" definitivo de las capacidades humanas que transformarán el trabajo y reinventarán los negocios.

 

Hoy en día, la pregunta para los bancos no es si la IA generativa tendrá un impacto profundo en su industria, sino cómo. ¿Y cómo aprovecharán esta gran oportunidad para capturar valor?

 

La tecnología de los grandes modelos de lenguaje (LLM) que hay detrás de herramientas como ChatGPT trabaja para producir varios tipos de contenido, como texto, imágenes, audio, código y datos sintéticos con y sin análisis de datos existentes. Con esta tecnología ahora en la corriente principal, está creando valor en todas las industrias a una velocidad acelerada. 

Es difícil creer que ChatGPT haya estado en nuestras vidas durante solo seis meses. También es difícil creer que a los dos meses de su lanzamiento, alcanzó los 100 billones de usuarios activos mensuales, lo que la convierte en la aplicación de consumo de más rápido crecimiento de la historia).

Con toda esta charla y pruebas de IA, ya estamos siendo testigos de los impactos en la industria bancaria: costos más bajos, crecimiento más rápido de los ingresos, procesos de contact center más potentes... Y eso es solo el principio. Goldman Sachs anunció el uso de IA generativa.

¿Qué significa la IA generativa para el sector bancario?

La investigación de Accenture muestra que el 90% de todas las horas de trabajo en la industria bancaria pueden verse afectadas por grandes modelos de lenguaje (LLM, modelos de aprendizaje profundo muy grandes que se preentrenan con grandes cantidades de datos).

El 54% del tiempo de trabajo de la industria tiene un mayor potencial de automatización por IA.

Para 2028, la industria verá un aumento del 30% en la productividad de los empleados desde el front office hasta las operaciones de back-office. Bienvenido a un nuevo futuro de trabajo humano + máquina.

La IA generativa tiene el poder de iimpactan en todos los aspectos de la banca. A medida que la industria busca aumentar y automatizar desde el front-office hasta el back office utilizando IA generativa, estamos viendo que nuevos casos de uso y aplicaciones crecen a diario. Algunos de los primeros usuarios ya están explorando áreas como:

• Transformación de la atención al cliente y de los servicios: Mediante el uso de la IA generativa, los bancos pueden aprovechar la inteligencia del cliente y acelerar la interpretación del propósito y la preferencia del cliente para mejorar las interacciones con los clientes, a través de lo digital, el teléfono y la atención al cliente.canales de servicio y ventas, y ofrecer información que se centre en construir relaciones con los clientes de formas más significativas. Por ejemplo, la IA generativa está apoyando a los asesores al proporcionar información más eficiente y personalizada. Morgan Stanley Wealth Management lanzó recientemente su iniciativa interna con OpenAI para servir mejor a sus clientes. Permite a los asesores financieros "hacer preguntas y contemplar grandes cantidades de contenido y datos, con respuestas entregadas en un formato de fácil digestión generado exclusivamente a partir de contenido de MSWM”. La IA generativa también está transformando los centros de contacto al permitir que los agentes tomen medidas a través de notas automatizadas durante las llamadas para mejorar la experiencia del cliente y brindar información más personalizada directamente al agente.

• Marketing: Para los especialistas en marketing bancario, la ambición de ampliar el contenido hiperpersonalizado es cada vez más alcanzable a través de la IA generativa. La visión es que cada experiencia se personalice para cada cliente, a través de canales de texto, audio y visuales para transformar la creación y personalización de contenido.Por ejemplo, Accenture trabajó recientemente con un gran banco minorista internacional para maximizar la participación del cliente con su contenido a través de mensajes más personalizados impulsados por IA generativa. Los resultados fueron impresionantes, incluida la capacidad de ofrecer 30 veces más contenido creativo de alta calidad sin aumentar el tiempo de entrega. El banco ahora está invirtiendo en un modelo operativo y una arquitectura internos para implementar IA generativa a nivel empresarial.

• Transformación de las operaciones: desde el deber del consumidor, la gestión del conocimiento, las quejas, el KYC y los controles, existe un gran potencial para que las soluciones de IA generativa agilicen los procesos operativos con la interacción humana según sea necesario. Por ejemplo, esta tecnología puede mejorar las prácticas de supervisión bancaria a través de una guía que fomente prácticas sólidas de gestión de riesgos y el cumplimiento no sólo de leyes y regulaciones, sino también de políticas, planes, reglas y procedimientos internos. Las herramientas de IA generativa, como HERA de Accenture, aumentan a los humanos como la primera línea de defensa de una organización. Puede brindar un mayor apoyo a los esfuerzos KYC/AML y abordar posibles casos de fraude, de manera más rápida y precisa que nunca. Y para poner otro ejemplo, como parte de la versión beta de GPT-4, Stripe está utilizando la tecnología de "diversas formas para optimizar las operaciones y ayudar a los usuarios a obtener la información que necesitan más rápido". Un resultado de este enfoque es Stripe Docs, que permite a los desarrolladores dedicar "menos tiempo a leer y más a construir".

• Gestión de datos: los bancos pueden utilizar IA generativa para llenar los vacíos automáticamente en la definición, el linaje y los metadatos del producto de datos. Por ejemplo, el equipo de investigación de IA de J.P. Morgan identificó varios métodos para crear datos sintéticos y aprendió que se pueden aplicar diferentes métodos a diferentes tipos de datos. Pueden crear datos sintéticos realistas al comprender el proceso que genera los datos reales y luego modelar el proceso en sí para producir los datos sintéticos. El modelo puede ser declarativo o capturado en simulaciones. Además, podemos utilizar directamente los datos reales para entrenar redes neuronales generativas (GNN), que se han utilizado con éxito para generar una variedad de otros datos sintéticos.

La conclusión: estamos viendo cómo la IA generativa transforma la industria.

Fuente: Breaking barriers: Exploring how banks scale generative AI for growth. Accenture.