Cómo sacar el máximo partido a tu dinero bancario con la IA y el aprendizaje automático

La IA ya se ha implementado en tres cuartas partes del sector bancario. Y aunque Gartner pronosticó que la GenAI se convertiría en una de las tendencias bancarias esenciales solo después de varios años, últimamente se ha observado una evidente urgencia por implementar la GenAI en la mezcla ahora mismo. La tecnología contemporánea no consiste en encontrar la herramienta más idónea. Se trata de seleccionar una herramienta y colocarla en el lugar adecuado, buscar el caso empresarial apropiado y, a continuación, utilizar y abandonar la tecnología. La tecnología está evolucionando a tal ritmo que ya se ha convertido en un aspecto desechable, y es probable que tu próxima solución no te dure más de dos años.

Especialmente teniendo en cuenta las implicaciones comerciales. Por ejemplo, el objetivo principal de la IA en la banca es automatizar tareas y generar predicciones utilizando modelos de aprendizaje automático (ML) (incluido el aprendizaje profundo complejo). Esto requiere una enorme capacidad de cálculo y datos, así como una inversión considerable. Las instituciones financieras también se encuentran entre los grandes consumidores de IA. Dependen de servicios de aprendizaje automático basados en la nube (por ejemplo, AWS, Microsoft Azure, Google ML) y (principalmente) de entornos de nube híbrida privados o mainframe. Puede parecer que casi todos los días se produce un nuevo avance tecnológico y, naturalmente, todo el mundo quiere utilizarlo de inmediato. Sin embargo, se puede ganar mucho evaluando lo que hay que hacer en términos reales y qué soluciones pueden ayudarte a conseguirlo. Y asegurándote de que trabajas con lo que ya tienes al máximo, sacándole el máximo partido, es decir, aprovechando al máximo tu dinero, antes de empezar a gastar.

Tres cuartas partes de las instituciones financieras ya emplean la IA y los recientes avances suscitan optimismo en cuanto al creciente interés por introducir la GenAI en la combinación tecnológica lo antes posible. El software de bajo código/sin código desarrollado por GenAI puede suponer un gran ahorro de costes, como la reducción de los gastos operativos y el riesgo asociado a la falta de fiabilidad de la antigua infraestructura y los procesos que requieren mucho trabajo.

Las principales tendencias de la IA en el sector bancario, según Gartner:

• Visión artificial: mejora el rendimiento operativo en KYC, AML, verificación de identidad, detección de fraudes y suscripción.
• Inteligencia decisional y tecnologías gráficas: moderniza las aplicaciones de front-office y back-office.
• Funcionalidades de IA innovadoras: aumenta la precisión y la amplitud en la gestión de riesgos y el marketing mediante modelos básicos. Las redes generativas adversarias (GAN) se aplican bien en la creación de imágenes, vídeos y grabaciones de voz realistas que, en la mayoría de los casos, son indistinguibles de la información original.
• IA centrada en modelos: introduce avances prometedores, como la IA compuesta y la GenAI, para respaldar nuevas iniciativas.
• IA centrada en los datos: céntrate en el análisis de datos para garantizar la ética, la precisión y la explicabilidad.
• Aplicaciones y casos de uso basados en IA: desarrolla interfaces de usuario conversacionales, espacios inteligentes, robots, etc.
• IA responsable y centrada en las personas: redoblar los esfuerzos en el desarrollo ético de la IA, la gestión de riesgos y el impacto social beneficioso.

La toma de decisiones, la gestión de operaciones y la hiperpersonalización de productos para aumentar los beneficios de los clientes aportarían muchas mejoras a tus ingresos operativos y a la reducción de costes. S&P estima que una disminución del 10 % en el coste del personal bancario aumentaría la rentabilidad sobre el capital en aproximadamente 100 puntos básicos y la relación entre costes e ingresos en aproximadamente un 3 % (según S&P Global Ratings, los 200 bancos mejor valorados a nivel mundial).

Las estrategias de inteligencia artificial pueden ofrecer ventajas competitivas a los bancos que tengan la capacidad y la flexibilidad para utilizarlas de la mejor manera posible. Solo se requiere un poco de previsión y una implementación inteligente de la IA. A medida que se produce la mejora de la gestión de riesgos, la IA podría influir en la percepción de los perfiles de riesgo bancario asociados a ella. Cuando los bancos sean capaces de valorar adecuadamente el riesgo crediticio utilizando patrones latentes en la información para calcular la probabilidad de que los clientes paguen sus deudas, mejorarán sus modelos de renegociación, minimizarán los préstamos problemáticos y maximizarán la precisión. La gestión de riesgos podría mejorarse mediante el uso de la IA de varias maneras. No obstante, esto no evitará que una implementación deficiente genere riesgos operativos y para la reputación, así como una posición de riesgo negativa para el banco. Hazlo bien. Busca un proveedor de tecnología que entienda los entresijos de la banca.

La nueva Ley de IA en Europa ha creado un control global de los productos y servicios de IA en un entorno basado en el riesgo y los casos de uso. La ley comprende las responsabilidades del modelo básico en términos de sistemas de IA de uso general. Otros países como Canadá, Brasil, Chile y Filipinas no se quedan atrás en estas iniciativas. En Estados Unidos, el Instituto Nacional de Estándares y Tecnología (NIST) ha creado un Consorcio de Seguridad de la IA. Su objetivo es colaborar con la industria para elaborar nuevas normas, como directrices específicas para el sector, basadas en la gestión de riesgos. Además de la actividad reguladora del gobierno, cada vez se reconoce más el deber de la industria de proteger a la sociedad mediante la puesta en marcha o el refuerzo de la gobernanza de la IA.

La nueva aplicación de la normativa sobre IA se basa en el riesgo que pueden suponer los usuarios de riesgo y las actividades que deben controlarse. La UE ha tenido en cuenta cuatro tipos de riesgos:

Las palabras «riesgos mínimos» y «riesgos limitados» significan que la IA se emplea en funciones internas sencillas, como la automatización de rutinas. No implican la comunicación con usuarios y clientes reales (por ejemplo, bots o bots relacionados con la base de conocimientos). El riesgo mínimo no requiere mucha regulación, y la mayor parte de la regulación que se utilizará se refiere a informar a los clientes de que están tratando con bots. Entre los riesgos que se consideran elevados e inaceptables se incluyen los sistemas de IA que informan a los responsables de la toma de decisiones. Esto consiste en la puntuación de consultas, asuntos relacionados con los datos de los clientes y el trato con los clientes en su totalidad. Estas IA estarán muy controladas y habrá que tener en cuenta muchas normativas al utilizar este tipo de sistemas de IA. Se prohibirá el uso de sistemas y operaciones de IA que intervengan de forma voluntaria o involuntaria en los usuarios modificando su libre albedrío o sus comportamientos. De esta manera, se verán afectados los mayores y los menores, el funcionamiento de la sociedad, como la puntuación social y el cribado biométrico, y el análisis de los datos con la participación presunta de los clientes, incluyendo su origen, actividad, etc. Los planes que se implementen en 2024 y se apliquen antes de 2026 serán aplicables principalmente a los sistemas de alto riesgo.

Servicios financieros

El acceso se basará en la regulación de la IA en los servicios financieros. Servicios financieros En el ámbito financiero, los sistemas de IA analizan los datos de los clientes para evaluar su solvencia crediticia y detectar fraudes.

En lo que respecta al análisis, nos encontramos en un periodo de desarrollo exponencial en esta espectacular era tecnológica. Por lo tanto, todo lo que se construyó hace solo dos años ya está obsoleto. Y la cuestión es: ¿cómo puede una empresa utilizar la tecnología antigua de una manera manejable y no tóxica, teniendo en cuenta las repercusiones que puede tener el más mínimo error? Tomemos como ejemplo ChatGPT. Nadie conoce la fuente de información de la aplicación (ni su sesgo, derechos de autor o integridad). No obstante, cada vez son más los empleados a los que se incentiva para que utilicen la aplicación para crear blogs corporativos, artículos, libros blancos e incluso líneas de código. No es de extrañar que las instituciones financieras estén considerando la posibilidad de crear servicios de IA aislados (una extensión del debate actual en la empresa: «¿Nos pasamos a la nube o nos quedamos en las instalaciones?»). Esto se convierte en un problema grave, ya que, para tener una IA eficaz y análisis avanzados, debes estar seguro de que la integridad de tus datos está a la altura. Dicho esto, lo lógico es trabajar internamente, sin conexión. La empresa solo puede entrenar tu modelo de lenguaje grande (LLM) corporativo o tu software de revisión gramatical específicamente en la documentación interna (nunca saldrá del mainframe). En realidad, la respuesta más segura es contraria al pensamiento actual en TI, que transferiría todo a la nube.

Como procesador y sistema de registro, la plataforma bancaria central de Hogan se ha convertido en la fuerza motriz de algunos de los bancos más influyentes del mundo. Ahora, hemos mejorado la excepcional solución híbrida de nube para mainframe de Hogan tomando las mejores soluciones de IBM Z y proporcionando planos para que los bancos con núcleos obsoletos puedan «migrar a la plataforma». Hogan x puede incluso ayudarte a crear un banco digital completamente nuevo. La plataforma se basa en los principios de BIAN (red de arquitectura del sector bancario) como componente y componible. Aprovecha Z Linux y otras soluciones contenedorizadas y basadas en la nube. La plataforma también se puede ofrecer en modelos basados en el consumo, como servicio.

Encuentra lo que más te convenga

La arquitectura híbrida de nube mainframe te permite adoptar la estrategia más adecuada para la implementación de aplicaciones. A continuación se muestra un ejemplo de un ecosistema en el sector bancario (entre IBM Z y la nube). Las aplicaciones se clasifican en tres áreas distintas:

• Canales digitales de interacción con los clientes.
• Procesamiento operativo (por ejemplo, gestión de pedidos, marketing y ventas).
• Transacciones y datos básicos (banca básica y tarjetas de crédito).

Estas aplicaciones deben ser compatibles entre sí para que puedan compartir información en tiempo real y maximizar su rendimiento empresarial. La integración es fundamental para lograr la interoperabilidad total. Un modelo de nube híbrida mainframe con IBM zSystems ayuda a los clientes a optimizar los costes, el rendimiento y la agilidad en función de tu tipo de aplicación y la infraestructura más adecuada. Tomemos como ejemplo los canales digitales. El alto nivel de interacción omnicanal se basa en la integración de la información de los socios y los clientes para desarrollar una experiencia óptima para el cliente. Esto, junto con el cambio de variables y cargas de trabajo en las soluciones basadas en la nube, hace que las soluciones híbridas sean tu solución ideal.

Medioambiental, social y de gobernanza (ESG)

Una ventaja que a menudo se pasa por alto de la arquitectura híbrida de nube mainframe es la sostenibilidad medioambiental. El trabajo ágil en la nube y los mainframes energéticamente eficientes darán a los bancos la capacidad de maximizar la huella de sus centros de datos y el uso de energía de estos (los centros de datos consumen aproximadamente el 1 % de la energía mundial), lo que contribuirá a que el planeta sea más verde.

Sin embargo, la arquitectura híbrida de nube mainframe en la banca no es solo una elección técnica. Es una necesidad estratégica, ya que logra el equilibrio adecuado entre la protección, la fiabilidad y la escalabilidad, y la flexibilidad y la novedad que requiere el trabajo digital. Con la combinación de la resiliencia del mainframe y la IA, el ML y la flexibilidad de la computación en la nube, los bancos podrán seguir siendo competitivos, cumplir con la normativa y centrarse en el cliente. El éxito depende del máximo aprovechamiento de esto y de que los bancos no solo superen los problemas actuales, sino que también estén preparados y equipados para aprovechar las oportunidades del futuro. A medida que la tecnología evoluciona, las estrategias de nube híbrida de IA y mainframe desempeñarán un papel fundamental en la transformación digital de la banca, trazando un camino que combina la tradición con la innovación, la estabilidad con la agilidad y el rendimiento con la eficiencia. No es momento de indecisión.

Alguien de mi oficina acaba de asistir a una importante conferencia en la que uno de los ponentes mencionó este tema. Dijo: «Realmente no sabemos hacia dónde se dirige la tecnología, así que nos limitaremos a esperar a ver dónde surge. El problema es que nunca llegarán a ver el punto en el que se produce el cambio, ya que, con el crecimiento exponencial, la tecnología nunca se detendrá y, en ese momento, no se podrá racionalizar». La cuestión es que los bancos deben subirse al tren de la previsión y la mentalidad abierta para implementar la IA de la forma más rápida, segura y rentable posible.

Es necesario informar sobre la colaboración.

Por eso es tan valiosa la ayuda de proveedores con experiencia. Es ejemplar en el despliegue del reconocimiento óptico de caracteres (OCR). En el caso de uno de nuestros clientes, ofrecimos una opción de cuatro herramientas de lectura de documentos que decían: «En realidad, no importa qué herramienta elijas. En dos años, estará obsoleta». El departamento de compras también nos aconsejó que consideráramos otras opciones, lo que convirtió la búsqueda de la herramienta ideal en un ejercicio a gran escala. Sin embargo, la elección de la tecnología moderna no implica profundizar en la herramienta. Se trata de elegir y utilizar una herramienta de la manera adecuada, localizar el caso de negocio correcto y perder y ganar la tecnología. La tecnología ha evolucionado hasta el punto de ser desechable, con una obsolescencia programada, y la próxima actualización solo tardará un par de años en llegar antes de que quede obsoleta. De este modo, en lugar de invertir más de 5 en una solución z16, actualiza tu tecnología de IA cada dos años. Es decir, debes empezar a planificar su sustitución en el momento de firmar el contrato de adquisición.

Problema empresarial: la IA no siempre se utiliza dentro de la plataforma Z, donde los datos tienen que moverse a través de redes. Es costoso y poco seguro, y reduce tu capacidad de puntuación de transacciones en términos de riesgo. Impacto empresarial: el acelerador IBM Z AI on-chip permite a Hogan y a las cargas de trabajo zLinux relacionadas ejecutar capacidades de IA en tiempo real en el mainframe donde se encuentran actualmente los datos. Esto mejora el rendimiento de la IA, la seguridad y el coste. Además, procesos como la toma de decisiones crediticias automatizada y la modificación de préstamos pueden realizarse directamente en la plataforma Z, y los conocimientos de IA y las decisiones empresariales pueden absorberse de forma más rápida y sencilla. Celent prevé que, con un filtrado del 100 % de todas las transacciones, los bancos individuales ahorrarían alrededor de 100 millones de dólares.

Algunas de las posibles aplicaciones de la IA incluyen la calificación crediticia, el fraude y la lucha contra el blanqueo de capitales. Sin embargo, las plataformas mainframe ejecutan la mayoría de las transacciones bancarias y de pago, pero la detección mediante IA puede realizarse fuera de la plataforma (menos del 10 % de las transacciones se ejecutan a través de un modelo de inferencia de IA en tiempo real debido a problemas de latencia, coste y fricción con los clientes). Esa es la razón por la que hay tantas transacciones fraudulentas que no se rastrean y no se detectan. Umbrella.ai puede ahorrarte millones en detección de fraudes con inferencias en mainframe. En esto, Umbrella es el elemento principal. La arquitectura de la aplicación Umbrella es una plataforma técnica probada que se integrará en el entorno z/OS para convertirse en el entorno de desarrollo integrado (IDE) más rápido en 35 años. Umbrella cuenta con más de 40 instituciones financieras de primer nivel en diversas partes del mundo y se utiliza para ejecutar aproximadamente 100 aplicaciones por cada banco. Eso supone miles de aplicaciones en el desarrollo de mainframe.

Umbrella.ai previene el fraude.

Junto con IBM, se está minimizando la duración de la puntuación o el análisis de una transacción. Esto proporcionará a los clientes la oportunidad de realizar comprobaciones virtuales del 100 % de sus transacciones y reducirá la pérdida de tiempo y dinero. Los objetivos de Umbrella.ai incluyen:

• Cobertura del 100 % de las transacciones entrantes y los SLA actuales.
• Utilizar modelos de fraude existentes o implementar nuevos modelos.
• Reducción de la latencia de puntuación mediante el uso de la prevención de fraudes integrada en z/OS y el sistema de autorización de tarjetas.
• Aprovecha el servicio de puntuación MLz COBOL para simplificar en gran medida la llamada de puntuación y reducir la sobrecarga para invocar el servicio de puntuación.

El aumento significativo de la detección de fraudes es uno de los puntos fuertes del ML. Los antiguos sistemas basados en reglas no son lo suficientemente flexibles como para hacer frente a las nuevas tendencias de fraude. Por su parte, los algoritmos de ML pueden actualizarse continuamente con la ayuda de los datos transaccionales y detectar los casos de fraude con mayor rapidez y precisión.

Umbrella.ai y ML aceleran la detección y prevención del fraude.

La IA/ML en IBM Z aumenta la precisión de la predicción de fraudes, permite obtener información útil a gran escala y hace posible la detección en tiempo real de transacciones fraudulentas. La mayor precisión de los modelos de aprendizaje profundo les permite reducir significativamente los altos niveles de falsos positivos. Esto implica que los bancos tienen la capacidad de filtrar las transacciones en el proceso de detección del fraude y seguir manteniendo la experiencia del cliente sin perder dinero.

La asociación de Umbrella con la IA y el IBM z16 ofrece una impresionante visión empresarial (sin necesidad de conocimientos de ciencia de datos). Aproximadamente el 70 % de las operaciones financieras se ejecutan en IBM zSystems, lo que también es una gran noticia en términos de ESG, ya que la cantidad de energía utilizada para inferir en el mainframe es un 40 % menor que la utilizada en un tipo de granja de servidores.

Las capacidades clave incluyen:

• Potencia cualquier aplicación IBM z/OS con SQL mejorado con IA y Umbrella.ai.
• Descubre y comercializa la información oculta en tus datos.
• Determina similitudes, diferencias y correlaciones.
• Obtén interpretabilidad con el cuadro.
• Usa un único modelo para un conjunto de preguntas.
• Reducir la complejidad de la implementación de Al.
• Se pueden utilizar modelos de aprendizaje profundo para mejorar los falsos negativos.

IBM z16 es compatible con los algoritmos de aprendizaje automático más populares, lo que proporciona a los clientes una capa de inteligencia artificial que les ayuda a mejorar los procesos y a obtener un mayor valor empresarial de sus inversiones existentes.

¿Es posible que puedas permitirte el lujo de acobardarte y ver cómo tus rivales establecen una ventaja abrumadora y sostenible? Descubre cómo se pueden aprovechar al máximo la IA y el aprendizaje automático para lograr el mayor retorno de la inversión. Además, descubre cómo la habilitación de la nube híbrida para mainframes con tecnología Hogan puede ayudarte a detectar mejor los fraudes y a prepararte para futuras amenazas y oportunidades.