Banca e Inteligencia Artificial

“Information about money has become almost as important as money itself”. —Walter Wriston, CEO of Citicorp/Citibank 1967-1984

Algunas instituciones financieras están tomando en serio las herramientas que nos trae el desarrollo tecnológico. Mientras sigue bajando el precio del cómputo en la nube y aumenta la capacidad de procesamiento, se vuelve más fácil que las computadoras puedan incrementar su capacidad de aprendizaje (machine learning en inglés). El término es la base de lo que conocemos como Inteligencia Artificial (IA), una máquina que junta información para tomar decisiones y busca, más que un resultado, una acción.

El último estudio publicado por Future Perfect Machine, con título “Inteligencia Artificial en Finanzas” trata diversos temas que son de mucho interés para ese sector. Podemos destacar el uso del aprendizaje de máquina en las siguientes áreas clave: atención o servicio al cliente, calificación crediticia, investigación y análisis, manejo de carteras de inversión,

trading algorítmico, y finalmente, seguridad: KYL (identificación certera del cliente), AML (políticas anti lavado) y detección del fraude (cibernético o no).

La gran ventaja de que la Inteligencia Artificial entre a este campo es que, una vez definida la tarea, las computadoras la pueden hacer mucho más rápido que el humano. La parte no tan positiva es que un error sería multiplicado exponencialmente por la capacidad de procesamiento y velocidad. Ese temor es en gran parte la razón por la que no hay una adopción rápida de permitir a la máquina aprender y ejecutar por sí misma la mayoría de las actividades bancarias que conocemos.

Después de todo lo que sucedió tras los ataques cibernéticos a “la última milla” entre algunos bancos y el SPEI del Banco de México es claro que la seguridad, la auditoría y los trabajos forenses relacionados a actividades cibernéticas serán las áreas con mayor crecimiento en el uso de la IA para servicios financieros.

Dentro de esto hay que pensar en el tamaño del laboratorio necesario. Poner una máquina a procesar Petabytes de datos de clientes, tener otra analizando que el aprendizaje de la primera no se salga de los rangos que podrían ser calificados como “errores” para no tener pérdidas o fallas altamente riesgosas y, finalmente, otra máquina que revise lo que hicieron las otras dos al finalizar operaciones.

Pensaba en los “héroes anónimos” del área de operaciones de los bancos afectados por el fraude. Gente revisando de manera manual las transacciones línea por línea en una base de datos, buscando identificar los movimientos fraudulentos y luego el área de seguridad viendo cómo estos movimientos se convirtieron en efectivo que se llevarían los malosos. Ver esto pasar en la realidad habla de los dolores de ir hacia la automatización.

Lo bueno es que todos estos tragos amargos, este #ruidoblanco respecto a lo que pasa o no alrededor de la seguridad bancaria y la automatización, sirve para que aprenda la máquina y los bancos. Por algo el aprendizaje no es sencillo, y este estará peleado con áreas como riesgo o

compliance pero, si queremos continuar acelerando el crecimiento económico, la adquisición de productos financieros y la banca digital; no hay de otra. Por eso sigue valiendo tanto lo que aprendemos de

blockchain y Bitcoin. Es algo que tendrán que hacer todos, pero hoy recomendaría a CitiBanamex usar machine learning para atención a clientes, lo que tienen hoy simplemente NO Funciona.