La inteligencia artificial (IA) está transformando el sector financiero, en el que el 91 % de las entidades financieras la utilizan. La combinación de una informática más barata, mejores herramientas y la presión competitiva ha hecho que la IA pase de ser algo experimental a ser una necesidad en materia de fraude, crédito, pagos y cumplimiento de la normativa. Esto conlleva oportunidades y riesgos, sobre todo en un sector tan regulado como el financiero.

A continuación, analizaremos cómo la IA en las finanzas está cambiando las operaciones de pagos y riesgos, lo que esto significa para la experiencia del cliente y parte del panorama normativo y de seguridad para las entidades que implementan estos sistemas.

Destacados

• La IA ofrece una rentabilidad clara y cuantificable en la detección del fraude y la evaluación de riesgos crediticios.

• Los requisitos normativos de explicabilidad e impacto dispar requieren atención.

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

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

Las finanzas siempre han sido un sector basado en un uso intensivo de los datos. Sin embargo, durante mucho tiempo, la capacidad del sector para actuar sobre esos datos quedó muy por detrás de su capacidad para recopilarlos.

Ahora, convergen tres fuerzas para cambiar esa situación:

• Los costes de la informática han disminuido: ejecutar grandes modelos en cargas de trabajo de gran volumen habría tenido un coste prohibitivo para la mayoría de las empresas hace cinco años. Gracias a la reducción de los costes, ahora resulta práctico incluso para muchas entidades medianas.

• Las herramientas de código abierto han madurado: el desarrollo a partir de la infraestructura existente suele ser más rápido y económico que empezar desde cero. Esto ha reducido la barrera de entrada para las entidades que no cuentan con grandes equipos internos de IA.

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

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

La IA desempeña múltiples funciones en el sector financiero y está cambiando la forma de hacer las cosas en todas partes, desde los departamentos de ingeniería de tecnología financiera (fintech) hasta los departamentos jurídicos, entre otros.

La IA está mejorando los siguientes ámbitos:

• Productividad interna: los bancos y las aseguradoras utilizan grandes modelos de lenguaje (LLM) para ayudar a los analistas a resumir las reuniones sobre los beneficios, redactar informes de crédito y realizar búsquedas en bases de conocimiento internas.

• Modelos predictivos: la calificación crediticia tradicional se basa en un conjunto reducido de variables (p. ej., historial de pagos, uso, duración del historial de crédito). Los modelos de datos alternativos pueden incorporar cientos de variables para generar evaluaciones crediticias para los clientes con un historial de crédito escaso o nulo que, de otro modo, nunca se tendrían en cuenta para la evaluación de riesgos convencional.

• Detección del 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 detectaría y se actualizan continuamente a medida que cambian los patrones de ataque.

• Flujos de trabajo financieros basados en agentes: el sector está adoptando flujos de trabajo basados en agentes que pueden llevar a cabo acciones de varios pasos (p. ej., conciliar cuentas, activar ciclos de pago o derivar excepciones) con una intervención humana mínima en cada paso.

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

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

Esto es lo que pueden hacer:

• Calificación del fraude en tiempo real: las redes de tarjetas y los proveedores de pagos modernos pueden analizar rápidamente numerosos puntos de datos por transacción (p. ej., la huella del dispositivo, la velocidad de la transacción, el patrón geográfico y la 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 las disputas: la IA puede marcar las transacciones que tienen probabilidades de dar lugar a contracargos antes de que se presente una disputa. Esto brinda a las empresas la oportunidad de reembolsar de forma proactiva o ponerse en contacto con el cliente, lo que puede reducir las tasas de disputas.

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

• Gestión de la tesorería y la liquidez: los equipos de finanzas pueden usar la IA para prever las posiciones de efectivo con mayor precisión mediante el modelado de los patrones históricos junto con los datos de entrada y salida en tiempo real.

• Supervisión del cumplimiento de la normativa: el software de cumplimiento de la normativa por IA puede analizar grandes volúmenes de comunicaciones y actividades de las transacciones en busca de indicadores de infracciones de las políticas o riesgos normativos sin muchas de las incoherencias de una revisión manual.

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

La IA tiene el potencial de hacer que los clientes se sientan más seguros y más valorados. Sin embargo, estas mismas capacidades pueden hacer que las experiencias del cliente sean más confusas o poco transparentes.

Ten en cuenta estas cuestiones:

• Personalización frente a privacidad: los motores de personalización pueden mostrar productos relevantes en función del comportamiento de la cuenta, en lugar de basarse en amplios segmentos demográficos. Sin embargo, la personalización impulsada por la IA depende de datos de comportamiento detallados, y algunos clientes se sienten incómodos con el uso que se hace de esos datos.

• Limitaciones del servicio de atención al cliente: los asistentes virtuales basados en IA pueden gestionar las consultas de saldo y las solicitudes rutinarias de forma precisa y rápida, pero a menudo no pueden responder a preguntas complejas o ambiguas. Cuando un cliente no puede comunicarse con un humano después de que el asistente falle, la relación puede verse perjudicada.

• Falta de transparencia en decisiones importantes: es probable que los clientes no sepan cuándo interviene la IA en una decisión que les afecta, como una denegación de crédito, un indicador de fraude o una cuenta marcada. Cuando esas decisiones son erróneas, la falta de transparencia puede dificultar su impugnación y crear una sensación de arbitrariedad que podría mermar la confianza en la entidad.

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

Los marcos normativos en torno a la IA en las finanzas están cambiando rápidamente, al igual que las preocupaciones sobre seguridad y ética. Las entidades que implementan la IA deben tener en cuenta este dinamismo.

Esto es lo que debes tener en cuenta:

• Orientación de EE. UU. sobre las medidas desfavorables: la Oficina para la Protección Financiera del Consumidor (CFPB) ha dejado claro que el uso de un algoritmo no exime al prestamista de proporcionar motivos específicos y precisos para tomar medidas crediticias desfavorables en virtud de la Ley de Igualdad de Oportunidades de Crédito. En EE. UU., generar resultados explicables es un requisito de cumplimiento de la normativa.

• Ley de IA de la UE: la Ley de IA de la UE clasifica como de alto riesgo los sistemas de IA utilizados en la calificación crediticia y en la evaluación de la solvencia, lo que impone requisitos de transparencia, supervisión humana y documentación que van más allá de lo que tienen muchas entidades financieras. Los plazos de cumplimiento de la normativa están activos para algunas de las disposiciones.

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

• La IA como superficie de ataque: los modelos de detección del fraude pueden ser analizados y manipulados por actores sofisticados que entienden cómo funcionan y prueban las entradas diseñadas para evadir la detección. Se trata de un área activa de investigación orientada al adversario.

¿Cómo deben prepararse las entidades financieras para la continua adopción de la IA?

Las entidades que llevan la delantera han desarrollado la infraestructura y la capacidad organizativa para implementar la IA de manera responsable a gran escala.

Debes centrarte en lo siguiente:

• 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 entidades invierten poco en infraestructura de datos en comparación con el desarrollo de modelos, un problema que se agrava con el tiempo.

• Supervisión humana real: los marcos normativos exigen la revisión humana de las decisiones importantes de la IA. Esto 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 proveedores: cuando las entidades financieras implementan un sistema de IA de un proveedor externo, son responsables de lo que hace dicho sistema. Las evaluaciones de los proveedores deben incluir la explicabilidad, la metodología de prueba de sesgos, las prácticas de tratamiento de datos y la postura normativa del proveedor.

• Propiedad multidisciplinar: las implementaciones de IA que residen íntegramente en los equipos tecnológicos tienden a pasar por alto las implicaciones en materia de cumplimiento de la normativa, en el ámbito jurídico y en la experiencia del cliente. Las entidades que crean capacidades de IA duraderas las tratan como programas multidisciplinares.

• 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 entidades 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 entidad.

Cómo Stripe Payments ayuda al éxito de tu negocio

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.

Stripe Payments puede ayudarte a:

• Optimizar la experiencia de tu proceso de compra: crea una experiencia de cliente sin fricciones y ahorra miles de horas de ingeniería con interfaces de usuario (IU) de pago preconstruidas, acceso a más de 125 métodos de pago y Link, un monedero creado por Stripe.

• Expandirte a nuevos mercados más rápido: llega a clientes de todo el mundo y simplifica la gestión de los tipos de intercambio gracias a las opciones de pago internacionales, que admiten 195 países y más de 135 divisas.

• Unificar los pagos en línea y en persona: crea una experiencia de comercio unificado entre tus canales en línea y presenciales para personalizar la relación con tus clientes, fomentar su fidelidad y aumentar tus ingresos.

• Mejorar el rendimiento de tus pagos: aumenta tu facturación con herramientas de pagos configurables y fáciles de implementar, que incluyen soluciones no-code de protección contra el fraude y funciones avanzadas para mejorar las tasas de autorización.

• Hacer crecer tu empresa con una plataforma fiable: desarrolla tu negocio sobre una infraestructura que está preparada para crecer contigo. Stripe ha logrado mantener un tiempo de actividad histórico del 99,999 % y garantiza una fiabilidad líder en el sector.

Conoce todos los detalles sobre cómoStripe Payments puede ayudarte a aceptar pagos desde cualquier lugar o crea una cuenta gratuita.