Hace cinco años, los bancos que implementaron bots lo hicieron con precaución. Por lo general, en esos tiempos los bots realizaban una cantidad muy limitada de tareas. Y aun así, la mayoría de las consultas eran direccionadas directamente a los agentes de servicio al cliente. Los bots se utilizaban para responder preguntas básicas o cumplir intenciones simples.
Hoy en día, los bancos son más ambiciosos con respecto a los bots, y el mercado apoya esa ambición. Un programa para toda la empresa que potencie la automatización a través de la comprensión del lenguaje natural (NLU) y los bots llevará años en concretarse en su totalidad. Sin embargo, los resultados potenciales bien valen la pena, puesto que contribuirán a maximizar el valor en toda la empresa.
A continuación, presentamos cinco áreas relacionadas con los bots que son específicas del sector de servicios financieros.
1. Una montaña de intenciones
A diferencia de otros mercados verticales, el sector bancario debe lidiar con una amplia variedad y un gran volumen de posibles intenciones, ya que a menudo incluye varias líneas de negocio. Piense en todas las tareas que realiza una institución financiera: banca minorista, cuentas corrientes, servicios de tarjetas, hipotecas o administración de capital.
Cada una de estas líneas de negocio tiene una biblioteca completa de intenciones. Por ejemplo, cuando crea bots, su biblioteca puede ser 10 veces más grande que la de un bot de una cadena de tiendas minoristas. En el comercio minorista, los clientes suelen buscar un producto, hacer una compra o devolver un artículo. Incluso si la tienda vende 1.000 productos, todos ellos comparten el mismo proceso. Por eso, la cantidad de intenciones específicas es menor en este sector.
Sin embargo, los servicios financieros son más complejos. Las intenciones asociadas con una hipoteca son diferentes de las de los seguros de vida, la administración de capital o los servicios de tarjetas. Por ejemplo, el cliente quizá desee reclamar por un cargo en su tarjeta de crédito o refinanciar su hipoteca. Cada una de estas tareas tiene intenciones específicas durante todo el proceso.
Esto puede parecer abrumador, pero hay formas de facilitar la gestión de esos procesos. Muchos proveedores de tecnología que se especializan en servicios financieros han desarrollado bibliotecas de intenciones y expresiones listas para usar. Además, es posible que tengan integraciones prediseñadas para los sistemas back-end que los bancos suelen utilizar. Sin embargo, esto no significa que contratar a un proveedor especializado en bots para el sector financiero solucionará todos los posibles problemas.
Los bancos más grandes a menudo brindan servicios en muchos idiomas y, según la región geográfica de que se trate, podrían utilizar un lenguaje específico para las operaciones bancarias que no es universal. Es por eso que el ajuste adecuado de los bots, el control de calidad y las pruebas de usabilidad son fundamentales para el éxito. Cuando la experiencia que ofrecen los bots es inconexa, es probable que la empresa se haya apresurado en la etapa crucial de capacitación y de control de la calidad.
2. Resolución de tareas por parte de los bots y los sistemas de back-end del sector financiero
Identificar las intenciones y llenar los slots (valores de parámetros) solo es la mitad de la batalla. Y, a veces, es la mitad más fácil, en particular, cuando es preciso que los bots se integren con los sistemas de back-end a fin de satisfacer una intención. Imagine que su cliente desea transferir fondos de una cuenta corriente a una cuenta de ahorros.
Identificar que el cliente desea mover una cantidad específica de dinero (y todos los detalles relacionados con la transferencia) es suficiente en lo que respecta al reconocimiento de intenciones y el llenado de slots. Pero allí no termina la tarea del bot. En realidad, debe dar respuesta a esa solicitud. Y, para ello, se requiere que esté integrado con los sistemas de back-end específicos del sector para poder ejecutar la intención. Y el principal desafío es garantizar que cada una de esas interfaces cumpla los protocolos de seguridad y comunicación.
Simplificar el proceso puede resolver esa cuestión. Algunas empresas como Oracle, ServiceNow y Salesforce han consolidado las interfaces con muchos sistemas de back-end, lo que las convierte, básicamente, en agentes de comunicaciones. Eso significa que es posible que su bot no necesite hablar con 10 sistemas diferentes.
3. Seguridad, privacidad y cumplimiento de datos
Aunque muchas empresas comienzan a utilizar los bots para preguntas frecuentes o como conserjes virtuales, los bots transaccionales son los que plantean un verdadero desafío porque los bancos tienen estándares de seguridad más altos. Y cuando se trata de implementar estos bots transaccionales en un entorno de producción, no existe una solución rápida. Sin embargo, hay una serie de mejores prácticas para hacerlo.
El primer paso es dividir todas las intenciones en aquellas que requieren identificación y verificación (ID/V) y las que no. Esto aclarará el perfil de seguridad que debe cumplir dentro de su ecosistema de bots.
El segundo paso es categorizar los tipos de información que se usarán para llenar los slots o que los bots ofrecerán, y establecer lo que se necesita desde la perspectiva del cumplimiento del estándar PCI y las regulaciones sobre la privacidad de datos.
Y el tercero es identificar los sistemas que utilizará para satisfacer las intenciones, y categorizarlos desde una perspectiva de seguridad/riesgo.
Es conveniente recopilar esta información con anticipación, de modo de estar preparado para las conversaciones que deberá tener con sus equipos de seguridad y cumplimiento. Estos equipos deben ser parte de esta iniciativa, así como la máxima autoridad respecto de lo que está permitido y lo que no. Prepárese y consúltelos antes de comenzar a desarrollar planes ambiciosos.
4. Gobernanza de riesgos de modelos
Desde hace mucho tiempo, los bancos han utilizado modelos complejos y ciencia de datos en sus operaciones comerciales. La gobernanza de riesgos de modelos surgió a partir de allí hace muchos años, cuando los bancos comenzaron a utilizar algoritmos de inteligencia artificial (IA) para hacer evaluaciones de riesgos, por ejemplo, para determinar si el banco puede otorgar un determinado préstamo. Si los algoritmos no funcionaban correctamente, se producirían consecuencias no deseadas que podrían poner en peligro a los bancos. Ahora, la gobernanza de riesgos de modelos es un proceso formal con un estricto control de puertas. Cuando se propone un algoritmo de IA (cualquier tipo de herramienta de IA o algoritmo de aprendizaje automático), los bancos deben pasar por un proceso muy minucioso y largo para protegerse.
Por ejemplo, si tiene un proyecto que desea completar en seis meses, debe hablar con su equipo de gobernanza de riesgos de modelos interno lo antes posible y preguntarle cuánto tiempo tardará el proceso, porque debe incorporar esa información en el cronograma de su proyecto.
La gobernanza de riesgos de modelos no fue concebida originalmente para abordar los temas relacionados con la utilización de bots. Sin embargo, los bots y todos los servicios que utilizan modelos de IA han quedado comprendidos dentro de este proceso. Si un proceso o sistema realiza cálculos, pronósticos o análisis, puede clasificarse como un modelo.
En definitiva, usted tiene la responsabilidad de atravesar este proceso y debe contar con toda la información necesaria para el equipo a cargo de la gobernanza de riesgos de modelos. Esta información puede incluir procesos de ajuste, pruebas y control de calidad, información de fuente de datos y procesos de limpieza de datos, así como procesos detallados sobre cómo eliminar el riesgo de tendencias injustas o poco éticas dentro del modelo.
5. Cómo comenzar
Considerando todos los desafíos planteados, es posible que se esté preguntando por dónde comenzar y cómo avanzar para llegar a la etapa de sofisticación final.
Es conveniente comenzar con las unidades de negocio que tienen más oportunidades de mejora. Por ejemplo, muchos bancos grandes tienen una división de seguros que, a menudo, cuenta con tecnología menos avanzada. Con un bot que simplemente comparta información básica o enrute las interacciones de manera más eficaz, se podría optimizar la experiencia del cliente y, a su vez, liberar a los agentes de esas tareas rutinarias. Este tipo de bot de preguntas frecuentes no es transaccional, sino que ayuda a los clientes a encontrar las preguntas frecuentes de una manera mucho más sofisticada. Además, el bot puede retener la información de contexto provista por el cliente para ser utilizada más adelante cuando se requiera transferir la interacción a un agente humano.
Al mismo tiempo, puede comenzar a considerar el uso de bots transaccionales más sofisticados en las áreas donde haya menos riesgos y mayores oportunidades de éxito. De esta manera, garantiza el éxito a medida que se adentra en el ámbito de los bots transaccionales. Una vez que la “Fase 2” esté completa, tendrá la experiencia necesaria para evaluar mejor la implementación de bots para casos de uso más desafiantes o de mayor riesgo.
Conclusión
La industria de servicios financieros es complicada, está extremadamente regulada y puede ser muy conservadora y tener aversión al riesgo. Sin embargo, los beneficios de la automatización mediante bots pueden ser muy grandes. Y los pioneros en su adopción lo han demostrado; es más, su éxito está haciendo que otras entidades financieras sigan sus pasos. Pero, para que el éxito sea real, es preciso contar con una estrategia sólida que aborde los desafíos específicos de la industria.