Por: Carlos Cordero Pérez.   1 abril
La
La "fintech" Impesa, fundada por Mario Hernández, cuenta con tres soluciones (Layla, Brainert y Monibyte) basadas en inteligencia artificial. (Foto: Alejandro Gamboa).

Cuando se estudia cómo una empresa desarrolla una solución de inteligencia artificial para digitalizar o automatizar alguna tarea, es posible descubrir que las organizaciones pueden contar con esta tecnología sin más esfuerzo que el usual.

La firma Impesa, la fintech que lanzó la solución Layla para aprobar en línea créditos y tarjetas, también ha desarrollado otras dos soluciones.

Una de ellas es Brainert, que permite hacer la mejor oferta de acuerdo con el ciclo de vida en que se encuentre el cliente; y la otra es Monibyte, para que las empresas monitoreen el uso de las tarjetas de débito y crédito que le dan a sus colaboradores.

“Para que la tecnología de inteligencia artificial sea escalable y pueda ser utilizada por el público”, advirtió Mario Hernández, CEO de Impesa.

¿Cuál fue el proceso para desarrollar Brainert? ¿Cuáles herramientas se necesitaron?

Hernández cuenta que antes de desarrollar Brainert empezó a reunirse con banqueros del país. La solución se utiliza en varias entidades financieras, aunque por confidencialidad no se pueden mencionar.

A través de estas conversaciones comprobó la necesidad de las entidades financieras para sacar provecho de la gran cantidad de información que tienen de los clientes, de las operaciones de captación y de crédito, y de sus sucursales.

La información disponible es clave para algunos productos como las tarjetas de crédito, donde el ciclo de vida es más claro y la relación más cotidiana, que –por ejemplo– en el caso de un préstamo hipotecario.

La utilización de herramientas basadas en inteligencia artificial se acelera tanto a nivel local como global.

El estudio de Deloitte para EF muestra que 7% de las empresas utilizan inteligencia artificial y machine learning en la actualidad y que en el 2020 lo hará el 12%.

En el sector financiero se pasará del 12% de entidades que actualmente la utilizan al 18% que la implementarán el próximo año.

A nivel global, la firma IDC estima que en el 2019 se invertirán $35.800 millones, lo que implica un crecimiento del 44% respecto del año anterior. Para el 2022, será el doble.

Otro reporte del Foro Económico Mundial y Deloitte estima que para el 2021 se invertirán hasta $58.000 millones en inteligencia artificial, de los cuales $10.000 millones serán en el sector financiero.

“La misión es dar la información correcta en los dispositivos correctos, en el momento correcto y en el formato correcto”, enfatizó Diego Bolaños,
“La misión es dar la información correcta en los dispositivos correctos, en el momento correcto y en el formato correcto”, enfatizó Diego Bolaños, "analytic manager" de Impesa. (Foto: Alejandro Gamboa).
Seis meses

A mediados del 2017, Impesa empezó a trabajar en el desarrollo de Brainert. Para enero del 2018, ya se tenía la solución a disposición de los clientes.

Por la experiencia previa en el sistema financiero, se sabía cuál es el tipo de información que más le urge a los gerentes bancarios: clientes, saldos y comisiones, entre otros indicadores.

Otra urgencia es identificar los escenarios posibles que se originan de un cambio de política, como el nivel de endeudamiento que puede admitirse de un tarjetahabiente.

Normalmente el impacto de una decisión de esas se ve hasta transcurridos doce meses.

La idea era precisamente desarrollar una plataforma que mejorara la administración eficiente los servicios de los medios de pago, como lo son las tarjetas de crédito.

La solución utiliza inteligencia artificial y aprendizaje automático o machine learning. Además, se basa en una infraestructura conocida como Data Factory, que procesa tanto la información estructurada como la no estructurada (que se obtiene en redes sociales).

En la tarea se utilizó una plataforma de business intelligence, MSQL de Microsoft para la administración de las bases de datos, Azure Machine Learning y la herramienta de estadística llamada R.

El desarrollo de soluciones basadas en inteligencia artificial también se orienta a facilitar diferentes tipos de servicios a empresas y de estas a sus clientes.

Kuiki, por ejemplo, facilita crédito a compradores en comercio al detalle.

Hound Software, fintech fundada por la desarrolladora Kínetos, también creó una solución que permite a las entidades financieras y de seguros, universidades y empresas retail comunicarse mediante diversos canales con sus clientes.

Coopeservidores estableció en 2017 el Centro de Inteligencia Analítica para implementar proyectos basados en inteligencia artificial, blockchain, Internet de las cosas (IoT), big data y analítica.

"Para que la tecnología de inteligencia artificial sea escalable y pueda ser utilizada por el público", advirtió Mario Hernández, CEO de Impesa. (Foto: Alejandro Gamboa).
Utilidades

Las empresas que utilizan la solución Brainert, de Impesa, reciben una herramienta web que incluye los visualizadores de datos. “La misión es dar la información correcta en los dispositivos correctos, en el momento correcto y en el formato correcto”, enfatizó Diego Bolaños, analytic manager de Impesa.

¿Qué se hace?

Los algoritmos de inteligencia artificial y de machine learning ayudan a identificar a los usuarios que cuenten con determinadas características y así se les pueda hacer llegar información promocional que realmente les interesa.

Por ejemplo, se identifican clientes o consumidores a los que les gusta viajar o que usan habitualmente ropa deportiva.

El sistema realiza una búsqueda, que incluye las redes sociales de los clientes, para detectarlos y dirigirles campañas promocionales.

Cuando hay eventos como los campeonatos de fútbol, a nivel local o mundial, se identifica a los consumidores que son fanáticos y a los que no. Así se envían ofertas diferenciadas de acuerdo con lo que a cada nicho le interesa.

La solución también se puede utilizar en la gestión interna de los servicios, pues se puede proyectar con mayor nivel de exactitud el crecimiento de la cartera, el incremento porcentual del negocio, la disponibilidad de fondos y el comportamiento de los clientes.

Por ejemplo, la plataforma identifica a los clientes cuyo desempeño empieza a ser similar al que normalmente muestran quienes presentan una situación de morosidad.

Con esa información una entidad puede ponerse en contacto con el cliente, diagnosticar la situación, brindar asesoría y ofrecer opciones preventivas como consolidación de deudas o extender el plazo.

La herramienta también puede ser utilizada en el sector de comercio retail para identificar la rotación de mercadería, los horarios de mayor demanda e incluso la ubicación óptima de los productos.