Por Jesús Geraldo Martínez/Tomado de Acento
La semana pasada se celebró la VII Desayuno Conferencia del Club de Gestión Integral de Riesgos de la República Dominicana, en coordinación con el Buró Digital KALIFICA, donde un grupo de expertos internacionales conversaron sobre los modelos de machine learning y su impacto en la transformación de la gestión de riesgos bancarios. Este evento, que se ha consolidado como un referente en el sector financiero, es conducido por un grupo de jóvenes profesionales talentosos e innovadores, quienes buscan potenciar el desarrollo y la modernización del sistema bancario dominicano. En ese sentido, este artículo en nuestra columna La Banca Dominicana por Dentro busca profundizar cómo la inteligencia artificial y los modelos de machine learning están redefiniendo la gestión de riesgos, mejorando la inclusión financiera y maximizando la rentabilidad de las entidades bancarias.
Los modelos de Machine Learning son algoritmos y técnicas computacionales que permiten a los sistemas aprender patrones a partir de datos sin ser programados explícitamente para realizar una tarea específica. Estos modelos se utilizan para analizar grandes volúmenes de información, detectar tendencias, hacer predicciones y mejorar la toma de decisiones en distintos ámbitos, como la banca, la salud, la industria y la ciberseguridad
La inteligencia artificial (IA) y los modelos de Machine Learning están transformando radicalmente la manera en que los bancos gestionan riesgos, mejoran la inclusión financiera y maximizan su rentabilidad. Gracias a estas innovaciones, las entidades bancarias han logrado analizar grandes volúmenes de datos en tiempo real, anticipar riesgos crediticios con mayor precisión y ofrecer productos financieros personalizados a una población más amplia. En este artículo, exploramos cómo estas tecnologías están impactando el sistema bancario y cómo las instituciones pueden potenciar su uso para mejorar la seguridad y eficiencia del sector.
Gestión de riesgos con IA y Machine Learning
Machine-Learning.-Fuente-Kodigo.org_-728x495
Machine Learning. Fuente Kodigo.org
Uno de los mayores beneficios de la IA en la banca es su capacidad para transformar la gestión de riesgos. Tradicionalmente, los bancos evaluaban el riesgo crediticio basándose en modelos estadísticos convencionales que no siempre capturaban la complejidad del comportamiento financiero de los clientes. Sin embargo, con la aplicación de algoritmos de Machine Learning, ahora es posible analizar patrones complejos en datos financieros, transaccionales y comportamentales para predecir con mayor precisión la probabilidad de incumplimiento de un cliente.
Por ejemplo, bancos como JPMorgan Chase y HSBC han implementado modelos de aprendizaje automático para detectar transacciones fraudulentas en tiempo real, evitando pérdidas millonarias. De manera similar, en Latinoamérica, entidades como Banco de Crédito del Perú (BCP) han incorporado IA para mejorar su sistema de detección de fraude y riesgo crediticio, reduciendo significativamente la morosidad en sus carteras.
Otro caso notable es el uso de IA en la evaluación de riesgo para créditos empresariales. Tradicionalmente, las pequeñas y medianas empresas (PyMEs) tenían dificultades para acceder a financiamiento debido a la falta de historial crediticio. Hoy, con Machine Learning, los bancos pueden analizar otros factores, como comportamiento de pagos en servicios públicos, transacciones comerciales y redes de contactos financieros, para construir perfiles de riesgo más precisos y justos.
Inclusión financiera impulsada por la IA
La inclusión financiera es un reto global, especialmente en regiones con grandes poblaciones no bancarizadas. La IA está ayudando a cerrar esta brecha mediante la creación de modelos alternativos de evaluación crediticia y la digitalización de los servicios bancarios.
Un ejemplo claro es el uso de IA en banca digital. En países como India y Kenia, bancos como ICICI Bank y plataformas como M-Pesa han utilizado IA para otorgar créditos a poblaciones sin acceso a bancos tradicionales. A través del análisis de datos alternativos, como el uso de teléfonos móviles y redes sociales, estas instituciones han logrado evaluar la solvencia de clientes sin historial bancario.
En América Latina, bancos como Nubank en Brasil han logrado una expansión rápida gracias a la aplicación de modelos de IA que permiten evaluar a clientes de manera automática y ofrecer productos financieros a segmentos tradicionalmente desatendidos. De esta manera, la IA no solo permite una mejor toma de decisiones para los bancos, sino que también fomenta la inclusión de millones de personas en el sistema financiero.
La aplicación de IA en la banca no solo mejora la seguridad y la inclusión financiera, sino que también aumenta la rentabilidad de las entidades financieras. A través del análisis avanzado de datos, los bancos pueden personalizar la oferta de productos según las necesidades y preferencias de cada cliente, incrementando la fidelización y el consumo de servicios financieros.
Por ejemplo, Bank of America ha desarrollado su asistente virtual "Erica", basado en IA, que ayuda a los clientes a gestionar sus finanzas personales, pagar cuentas y recibir recomendaciones de ahorro. Esto no solo mejora la experiencia del usuario, sino que también permite al banco optimizar la gestión de sus recursos y reducir costos operativos.
Otra aplicación destacada es el uso de chatbots y asistentes virtuales para mejorar la atención al cliente. Empresas como Santander han implementado chatbots impulsados por IA que resuelven consultas de clientes de manera eficiente, reduciendo la carga en los centros de atención y mejorando la satisfacción del usuario.
En la República Dominicana, diversas entidades bancarias han adoptado chatbots para optimizar la atención al cliente y agilizar sus servicios. Un ejemplo destacado es Banesco, que implementó a DANI, el primer chatbot inteligente del país capaz de realizar transacciones a través de WhatsApp. DANI permite a los clientes efectuar pagos de tarjetas de crédito, gestionar préstamos y obtener estados de cuenta de manera instantánea, mejorando significativamente la experiencia del usuario
El Banco Popular Dominicano ha incorporado chatbots en su estrategia de atención al cliente, automatizando respuestas y facilitando interacciones más eficientes con sus usuarios
Banreservas han adoptado inteligencia artificial en sus plataformas de redes sociales, utilizando chatbots y asistentes virtuales para proporcionar respuestas inmediatas a consultas comunes, mejorando la eficiencia y disponibilidad del servicio al cliente
Recomendaciones para potenciar el uso de IA en la banca
Para que la inteligencia artificial siga transformando la gestión de riesgos y los negocios bancarios, es fundamental que tanto los bancos como los reguladores y supervisores adopten estrategias adecuadas. Algunas recomendaciones incluyen:
Para los bancos: Invertir en infraestructuras tecnológicas robustas que permitan la integración de modelos de Machine Learning en todas sus operaciones. Además, fomentar la capacitación en IA de sus empleados y establecer alianzas con empresas tecnológicas para el desarrollo de soluciones innovadoras.
Para el regulador: Crear un marco normativo que fomente la adopción de IA sin comprometer la seguridad y privacidad de los clientes. Establecer lineamientos claros sobre el uso ético de la IA y promover la supervisión de los modelos algorítmicos para evitar sesgos y discriminación en la toma de decisiones crediticias.
Para el supervisor: Implementar herramientas de monitoreo basadas en IA para evaluar el desempeño de los bancos en la gestión de riesgos y cumplimiento normativo. Fomentar la transparencia en el uso de datos y garantizar que las entidades financieras adopten mejores prácticas en ciberseguridad.
La inteligencia artificial y los modelos de Machine Learning están revolucionando el sector bancario, permitiendo una gestión de riesgos más precisa, una mayor inclusión financiera y un incremento en la rentabilidad de las entidades. Sin embargo, para maximizar su impacto positivo, es esencial que tanto los bancos como las autoridades regulatorias trabajen de manera coordinada en la implementación de estas tecnologías, garantizando un ecosistema financiero más seguro y eficiente.
***
La columna “La Banca Dominicana por Dentro”, es desarrollada por Jesús Geraldo Martínez, en el interés de aportar al fortalecimiento del Sistema Financiero Dominicano desde una perspectiva analítica y práctica orientada a la formación de conocimientos y divulgación de informaciones exclusivas de dicho sector. Para contactar con el autor. Email jgmartinez20@icloud.com, o seguir a @Jesusgeraldomartinez en Instagram.
Jesús Geraldo Martínez
la banca dominicana por dentro
Machine Learning
Jesús Geraldo Martínez
Jesús Geraldo Martínez
Economista
Dominicano, consultor, con amplia experiencia profesional en regulación y supervisión del sector financiero, destacado por sus conocimientos en gerencia, finanzas bancarias, gestión de riesgos, administración y optimización de portafolios,