La revolución de la inteligencia artificial está cambiando el mundo, y su aplicación en la banca de desarrollo, puede ser una llave para alcanzar los objetivos de inclusión financiera y de apoyo al sector productivo en Latinoamérica. “El momento es ahora”. Así de contundente fue la afirmación del director comercial de AIS para LatAm, Elías Bethencourt, en su presentación en la Asamblea General de ALIDE, celebrada a principios de junio en Honduras.
Bethencourt puso de manifiesto que, actualmente, en Latinoamérica, “de media solo el 40% de las personas que tienen una cuenta bancaria, tiene acceso al crédito en el sistema financiero. Millones de personas que desean obtener financiación deben recurrir a instituciones no reguladas o a prestamistas con tasas usureras”.
Ante estos datos, instó a los representantes de la banca de desarrollo a actuar para poder cambiar esa situación, mejorando las condiciones de las pymes y fomentando la inclusión financiera. “La tecnología actual permite mejorar la gestión como institución, optimizar el uso de los recursos y, a la vez, mejorar la calidad de vida de millones de personas e incrementar las oportunidades de crecimiento de millones de empresas”, afirmó.
Para ello, recomendó apoyarse en tres ejes básicos: open data, modelos machine learning y digitalización. Esta combinación se traduce en llegar a más clientes nuevos, mejorar la oferta de valor y el nivel de servicio y optimizar los recursos y el capital.
Open data, obteniendo información de nuevas fuentes de datos
Hacer uso de las tecnologías de open data quiere decir servirse de nuevas fuentes de información que posibiliten conocer mejor a clientes que normalmente no éramos capaces de evaluar, por falta de disponibilidad de sus datos en el sistema financiero tradicional. Esto abarca desde datos de otras entidades financieras gracias al open banking, a información que puede obtenerse de proveedores de TV e internet, de ecommerce, de operadores de telefonía e incluso de bases de datos estadísticas con indicadores sociodemográficos.
Modelos machine learning
Los modelos avanzados, modelos machine learning, permiten sacar el máximo rendimiento de estas nuevas fuentes de datos, potenciando la inclusión financiera. A este respecto, Bethencourt puso de manifiesto varios aspectos cruciales.
Por un lado, que se han superado ya muchas limitaciones que inicialmente se veía en este tipo de modelos, por ejemplo, la trazabilidad. Con la tecnología adecuada, los modelos machine learning dejan de ser cajas negras y se puede explicar y documentar su funcionamiento. Esto, sumado a su buen desempeño, contribuye a que los reguladores se muestren cada vez más abiertos a su aplicación para Riesgos.
El desempeño fue precisamente otro de los puntos destacados de la apuesta por esta tecnología. Bethencourt reveló que, en términos de Gini, indicador que mide la eficiencia de los modelos, en riesgo, los machine learning arrojan un 25% de mejora en promedio. Y esto tiene un impacto en negocio. “Mejorar el Gini se traduce directamente en aumento de calidad de cartera o en incremento de colocaciones.”
Pero la eficiencia no es el único elemento a tener en cuenta respecto a los modelos machine learning. También impactan de manera considerable sobre la productividad, el time-to-market y la gestión de los datos. Así lo contaba Elías Bethencourt.
Digitalización
El tercer eje en el que deben cimentar su estrategia las instituciones de desarrollo para cumplir con sus objetivos de inclusión financiera y apoyo al tejido empresarial de sus regiones es la digitalización, entendiendo esta como utilización de herramientas de software especializadas, que automatizan procesos de crédito y permiten incrementar la productividad en los sectores micro y pymes, generando un gran impacto en el sector productivo y en la creación de empleo.
Los resultados
La conferencia de Elías Bethencourt recogió tres casos reales de bancos latinoamericanos donde la implementación de estas soluciones ha supuesto un gran salto cualitativo y donde el impacto en negocio es más que evidente. Seleccionamos uno de ellos en este vídeo.
Saldar la deuda
Las entidades de desarrollo, comentó Bethencourt al cierre de su intervención, tienen una deuda muy importante en términos de inclusión financiera y de financiamiento al sector productivo. Estas herramientas pueden ser una llave para contribuir a saldar esa deuda. Las instituciones que no empiecen hoy a utilizar estas tecnologías es muy probable que no formen parte de la escena del mañana.
Pulsa aquí si deseas ver la conferencia completa de Elías Bethencourt
