La inteligencia artificial (IA) está transformando el sector financiero. En este sentido, puede decirse que el 91 % de las instituciones financieras están utilizando la IA. La combinación de informática más económica, mejores herramientas y la presión competitiva ha llevado a la IA de ser experimental a necesaria en materia de fraude, crédito, pagos y cumplimiento de la normativa. Esto conlleva oportunidades y riesgos, en especial en un sector tan regulado como el de las finanzas.

A continuación, veremos cómo la IA en las finanzas está cambiando los pagos y las operaciones de riesgo, qué significa esto para la experiencia del cliente y parte del panorama normativo y de seguridad para las instituciones que implementan estos sistemas.

Aspectos destacados

• La IA ofrece retornos claros y cuantificables en la detección de fraudes y en la evaluación de riesgos de crédito.

• Los requisitos regulatorios de explicabilidad y de impacto dispar requieren atención.

• El siguiente paso para la mayoría de las instituciones es implementar estas herramientas impulsadas por la IA de manera responsable, lo cual es un desafío tanto organizativo y de gobernanza como técnico.

¿Por qué se está acelerando la adopción de la IA en el sector financiero?

Las finanzas siempre han sido un sector con muchos datos. Sin embargo, durante mucho tiempo, la capacidad del sector de actuar con base en esos datos quedó muy rezagada respecto de su capacidad de recopilarlos.

Ahora, convergen tres fuerzas para cambiar eso:

• Los costos informáticos se han reducido: ejecutar grandes modelos en cargas de trabajo de alto volumen habría sido prohibitivo para la mayoría de las empresas hace cinco años. Debido a la reducción de los costos, ahora es práctico, incluso para muchas instituciones medianas.

• Las herramientas de código abierto han madurado: desarrollar sobre una infraestructura existente suele ser más rápido y más económico que desarrollar desde cero. Esto ha reducido la barrera de entrada para las instituciones que no cuentan con grandes equipos internos de IA.

• La presión competitiva se ha intensificado: Las instituciones con señales más rápidas y precisas sobre el riesgo crediticio o el fraude tienen una ventaja significativa sobre las que aún usan sistemas heredados diseñados para menores volúmenes de datos.

¿Cuáles son las principales tendencias de la IA que están moldeando los servicios financieros?

La IA desempeña muchos roles en el sector financiero y está cambiando la forma en que se hacen las cosas en todas partes, incluidos los centros de ingeniería de tecnología financiera (fintech), departamentos legales y más.

La IA está mejorando estas áreas:

• Productividad interna: los bancos y las aseguradoras utilizan modelos de lenguaje grandes (LLM) para que los analistas puedan resumir llamadas sobre ganancias, redactar notas de crédito y buscar en las bases de conocimiento internas.

• Modelos predictivos: el puntaje de crédito tradicional se basa en un conjunto limitado de variables (p. ej., historial de pagos, utilización, antigüedad del historial crediticio). Los modelos de datos alternativos pueden incorporar cientos de variables con el objetivo de generar evaluaciones crediticias para clientes con expedientes escasos o inexistentes que, de otro modo, nunca se considerarían para la evaluación de riesgos convencional.

• Detección de fraude en tiempo real: el sector ha pasado casi por completo de los sistemas basados en reglas a los basados en modelos. Los modelos de machine learning pueden identificar anomalías en los patrones de gasto que ningún conjunto de reglas estático podría detectar y se actualizan de manera continua a medida que cambian los patrones de ataque.

• Flujos de trabajo financieros de los agentes: el sector está adoptando flujos de trabajo de los agentes que pueden realizar acciones de varios pasos (p. ej., conciliar cuentas, activar ejecuciones de pagos o derivar excepciones) con una participación humana mínima en cada paso.

Cómo está transformando la IA los pagos, los riesgos y las operaciones en el sector financiero

La IA maneja el reconocimiento de volumen y de patrones a una velocidad y a una escala que los procesos manuales no pueden igualar. Las herramientas de pagos con IA han tenido un impacto cuantificable en la experiencia del cliente y en las tasas de pérdida.

Esto es lo que pueden hacer:

• Puntuación de fraude en tiempo real: las redes de tarjeta y los proveedores de pagos modernos pueden analizar rápidamente muchos puntos de datos por transacción (p. ej., huella del dispositivo, velocidad de la transacción, patrón geográfico y hora del día) y utilizarlos para generar una puntuación de riesgo antes de autorizar el pago. Stripe Radar, por ejemplo, utiliza modelos de machine learning entrenados con datos de millones de empresas para detectar anomalías y asignar una puntuación de riesgo a cada transacción.

• Gestión proactiva de disputas: la IA puede señalar las transacciones que probablemente resulten en contracargos antes de que se presente una disputa. Esto les da a las empresas la oportunidad de hacer un reembolso o comunicarse con el cliente de manera proactiva, lo que puede reducir las tasas de disputa.

• Evaluación de riesgos de crédito: los modelos impulsados por la IA pueden enviar rápidamente una decisión de préstamo a un cliente. En los préstamos para pequeñas empresas, el análisis del flujo de caja puede sustituir o complementar la revisión tradicional de documentos, lo cual ha ralentizado las aprobaciones históricamente.

• Gestión de tesorería y liquidez: los equipos de finanzas pueden utilizar la IA para pronosticar las posiciones de caja con mayor precisión cuando se modelan patrones históricos junto con datos de entrada y salida en tiempo real.

• Monitoreo de cumplimiento de la normativa: el software de cumplimiento de la normativa de IA puede escanear grandes volúmenes de comunicación y de actividad de transacciones para buscar indicadores de infracciones de las políticas o riesgos normativos sin muchas de las inconsistencias de una revisión manual.

Cómo afecta el uso de la IA en el sector financiero a la experiencia y a la confianza del cliente

La IA tiene el potencial de hacer que los clientes se sientan más seguros y más vistos. Sin embargo, las mismas capacidades pueden hacer que las experiencias de los clientes sean más confusas u opacas.

Considera estas cuestiones:

• Personalización vs. privacidad: los motores de personalización pueden mostrar productos relevantes según el comportamiento de la cuenta en lugar de depender de segmentos demográficos amplios. Sin embargo, la personalización basada en la IA depende de datos de comportamiento detallados y algunos clientes se sienten incómodos con el uso de esos datos.

• Limitaciones del servicio de atención al cliente: los asistentes virtuales impulsados por IA pueden manejar consultas de saldo y solicitudes de rutina con precisión y rapidez, pero a menudo no pueden responder preguntas complejas o ambiguas. Cuando un cliente no puede comunicarse con un humano después de que el asistente falla, la relación se puede dañar.

• Opacidad en decisiones importantes: es probable que los clientes no sepan cuándo la IA participa en una decisión que los afecta, como una denegación de crédito, un indicador de fraude o una cuenta marcada. Cuando esas decisiones son incorrectas, la opacidad puede hacerlas más difíciles de impugnar y crear una sensación de arbitrariedad que podría socavar la confianza en la institución.

¿Cuáles son las consideraciones regulatorias, de seguridad y éticas en torno a la IA en las finanzas?

Los marcos regulatorios en torno a la IA en las finanzas están cambiando rápidamente, al igual que las preocupaciones éticas y de seguridad. Las instituciones que implementan IA deben tener en cuenta este dinamismo.

Esto es lo que debes tener en cuenta:

• Guía de EE. UU. sobre medidas adversas: la Oficina para la Protección Financiera del Consumidor (CFPB) ha dejado claro que usar un algoritmo no exime a un prestamista de brindar razones específicas y precisas de las medidas crediticias adversas en virtud de la Ley de Igualdad de Oportunidades de Crédito. En EE. UU., producir resultados explicables es un requisito de cumplimiento de la normativa.

• Ley de IA del EEE: la Ley de IA del EEE clasifica los sistemas de IA utilizados en la puntuación de crédito y en la evaluación de la solvencia crediticia como de alto riesgo, lo que impone requisitos de transparencia, supervisión humana y documentación que van más allá de los que tienen muchas instituciones financieras. Los plazos de cumplimiento de la normativa están vigentes para algunas disposiciones.

• Sesgo del modelo e impacto dispar: los datos de entrenamiento que reflejan los patrones históricos de préstamos pueden codificar la discriminación histórica. Los modelos entrenados en aprobaciones anteriores aprenderán a replicar esos patrones, a menos que el proceso de entrenamiento lo tenga en cuenta explícitamente. Esta es una preocupación ética y regulatoria porque los reguladores están tratando el impacto dispar como un problema de aplicación.

• La IA como superficie de ataque: los modelos de detección de fraude pueden ser investigados y manipulados por actores sofisticados que entienden cómo funcionan y prueban las entradas diseñadas para evadir la detección. Esta es un área de investigación de adversarios activa.

Cómo deberían prepararse las instituciones financieras para la adopción continua de la IA

Las instituciones que están a la vanguardia han creado la infraestructura y la capacidad organizativa para implementar la IA de manera responsable a gran escala.

A continuación, destallamos en qué pasos debes centrarte:

• Calidad de los datos: un modelo bien diseñado y entrenado con datos limpios y bien etiquetados superará a un modelo sofisticado entrenado con datos desordenados. Muchas instituciones invierten menos en infraestructura de datos en relación con el desarrollo del modelo, un problema que se agrava con el tiempo.

• Supervisión humana real: los marcos regulatorios exigen la revisión humana de las decisiones importantes de la IA. Eso significa diseñar flujos de trabajo en los que los revisores tengan el contexto, el tiempo y la autoridad para anular los resultados del modelo.

• Evaluación exhaustiva de los proveedores: cuando las instituciones financieras implementan un sistema de IA de un proveedor de servicios externo, son responsables de lo que haga ese sistema. Las evaluaciones de los proveedores deben incluir la capacidad de explicación, la metodología de prueba de sesgos, las prácticas de manejo de datos y la postura normativa del proveedor.

• Propiedad interfuncional: las implementaciones de IA que residen por completo dentro de los equipos de tecnología tienden a pasar por alto las implicaciones de cumplimiento de la normativa, legales y de la experiencia del cliente. Las instituciones que crean capacidades de IA duraderas las tratan como programas interfuncionales.

• Registros de auditoría para cada decisión importante: ya sea que se trate de una denegación de crédito, un indicador de fraude o una retención automatizada de un pago, las instituciones deben ser capaces de reconstruir por qué un modelo produjo un resultado determinado. Esto es importante para los reguladores, los clientes y los procesos de revisión de la institución.

Cómo puede ayudar Stripe Payments

Stripe Payments proporciona una solución de pagos unificada y global que ayuda a cualquier empresa, desde startups en expansión hasta empresas globales, a aceptar pagos en línea, en persona y en todo el mundo.

Con Stripe Payments, puedes hacer lo siguiente:

• Optimizar tu experiencia de confirmación de compra: crea una experiencia de cliente sin problemas y ahorra miles de horas de ingeniería con interfaces de usuario (IU) de pago prediseñadas, acceso a más de 125 métodos de pago y a Link, una cartera creada por Stripe.

• Llegar a nuevos mercados más rápido: conéctate con clientes de todo el mundo y reduce la complejidad y el costo de la gestión de múltiples monedas con opciones de pago transfronterizas, disponibles en 195 países en más de 135 monedas.

• Unificar los pagos en persona y en línea: crea una experiencia de comercio unificado en todos los canales, tanto en línea como en persona, para personalizar las interacciones, recompensar la lealtad y aumentar los ingresos.

• Mejorar el rendimiento de los pagos: aumenta los ingresos con una gama de herramientas de pago personalizables y fáciles de configurar, las cuales incluyen protección contra fraudes que no requiere programación y funcionalidades avanzadas para mejorar las tasas de autorización.

• Avanzar más rápido con una plataforma flexible y confiable para el crecimiento: desarrolla tu negocio a partir de una plataforma diseñada para crecer contigo, con un tiempo de actividad histórico del 99.999 % y una confiabilidad líder en el sector.

Obtén más información sobre cómo Stripe Payments puede impulsar tus pagos en línea y en persona, o empieza hoy mismo.