La Inteligencia Artificial en la transformación del sector bancario
Share
Por: Mateo Xavier Soliz, Científico de Datos y Belén Cabezas, Directora de Proyectos de Digital Mind.
La inteligencia artificial (IA) ha transformado significativamente el sector bancario global, permitiendo a las instituciones financieras automatizar procesos, mejorar la atención al cliente, personalizar experiencias y reforzar la ciberseguridad. Esta herramienta innovadora ha incrementado la eficiencia y precisión en el servicio, siendo adoptada por bancos en países como Estados Unidos, Reino Unido y Asia. Un ejemplo notable es el banco nórdico DNB, que implementó el asistente virtual Juno, manejando más de 2 millones de consultas anuales y reduciendo los costos operativos en más del 50% (DNB, 2023). Mejía (2019) señala que instituciones como J.P. Morgan y HSBC han integrado la IA para detectar fraudes, mejorar el servicio al cliente mediante chatbots y analizar grandes volúmenes de datos para otorgar créditos de forma más precisa.
La IA permite analizar grandes cantidades de datos transaccionales y de clientes, identificando patrones, prediciendo tendencias y personalizando ofertas para impulsar estrategias comerciales. Jindal (2020) resalta que los bancos han usado IA para simplificar auditorías internas y evaluar iniciativas estratégicas. Asimismo, las instituciones bancarias emplean algoritmos de IA para detectar actividades sospechosas y prevenir fraudes en tiempo real. Khandani et al. (2010) utilizaron técnicas de aprendizaje automático para predecir el riesgo crediticio, mientras que Mall (2018) aplicó redes neuronales para analizar el comportamiento de clientes morosos, ayudando a minimizar riesgos crediticios.
La IA también optimiza procesos internos y automatiza tareas repetitivas, mejorando la eficiencia operativa de los bancos. Por ejemplo, las instituciones pueden reducir tiempos de servicio mediante la programación de citas automatizada, como propone Soltani et al. (2019). Además, el uso de chatbots basados en procesamiento de lenguaje natural (PLN) ha permitido a los bancos responder rápidamente a consultas frecuentes, mejorar tiempos de respuesta y ofrecer soluciones inmediatas a problemas comunes en sus servicios.
Finalmente, el aprendizaje automático facilita la oferta de productos y servicios más personalizados, basados en las quejas y preferencias de los clientes (Xu et al., 2020). Esta personalización mejora la relación con los clientes y aumenta la demanda de servicios bancarios, permitiendo a las instituciones ofrecer servicios de valor añadido que fortalecen su competitividad en el mercado.
La experiencia de la cliente analizada con web scraping
En comparación con el panorama global, Ecuador aún se encuentra en una fase inicial de adopción de IA. Según la encuesta del “Estudio Estado de Tendencias y Prioridades TI Ecuador 2024” de realizado por revista IT ahora y la Consultora E&Y(2024), las áreas más relevantes para el uso de la IA y la IA generativa en el sector bancario son el análisis y la toma de decisiones potenciada por datos, la asistencia virtual y los chatbots inteligentes, el procesamiento de lenguaje natural, la simulación y modelado, así como la personalización de productos y servicios. Sin embargo, el 52.94% de los encuestados indicó que aún no han implementado estas soluciones, y solo un 23.53% está en proceso de hacerlo. Esto refleja la necesidad de acelerar la adopción de tecnologías avanzadas en el sector.
A pesar de algunos avances, como el uso de herramientas de automatización para mejorar la atención al cliente y la gestión de riesgos, la adopción de IA en los bancos locales en comparación con bancos internacionales sigue siendo limitada. Persisten desafíos relacionados con la infraestructura tecnológica y la implementación masiva en todas las áreas del sector bancario.
Con base en este contexto, se realizó un análisis de la percepción de clientes de los tres principales bancos con mayor cantidad de activos en Ecuador, basado en un estudio de la Revista Gestión (2023) con datos de Asobanca. Por lo tanto, el presente análisis se centró en el Banco Pichincha, Banco Guayaquil y Produbanco. Se recopilaron alrededor de 500 publicaciones de la red social X, emitidas entre el 5 de junio y el 13 de septiembre de 2024. Para ello, se utilizaron herramientas de web scraping como ScrapyFly y técnicas de procesamiento de lenguaje natural (PLN) para evaluar la experiencia del cliente.
En la fase de depuración de los datos, se realizó una limpieza de información, enfocada en mantener las publicaciones centradas exclusivamente en la experiencia del cliente. En la fase de procesamiento se analizaron en total 150 publicaciones de clientes, de las cuales se identificó que el 83% fueron publicaciones negativas sobre los servicios bancarios y que el 17% de los comentarios fueron comentarios neutros y positivos, como se observa a continuación:
Clasificación del análisis de sentimientos
Nota: la clasificación “No Negativo” engloba a los comentarios positivos y neutros.
En el siguiente gráfico se identificaron las temáticas de las quejas más recurrentes, aplicando un análisis de frecuencia de cuatrigramas el cual permite identificar patrones más específicos en las quejas sobre el servicio bancario, revelando las frases más recurrentes. Entre las principales quejas, los usuarios manifestaron su descontento por la alta comisión impuesta por los bancos en servicios bancarios, seguido por la ineficiencia en el servicio al cliente y dificultades para retirar dinero de los cajeros. Por otro lado, otras problemáticas recurrentes incluyeron la verificación de identidad, la asignación de turnos y los problemas con las transacciones interbancarias. Además, se identificaron quejas relacionadas con el uso de plataformas digitales, como la aplicación móvil y el sitio web de la banca en línea, que como se observa a continuación engloban varias de las quejas emitidas por los clientes.
Frecuencia de cuatrigramas de publicaciones
La IA ayuda a identificar y mejorar la experiencia del cliente
Según Tulcanaza-Prieto et al. (2023) las técnicas de IA involucradas en el sector financiero aumentan la valoración de la experiencia del cliente, de manera similar Wu y Olson (2020) en su estudio subrayan la importancia de que las instituciones bancarias sigan invirtiendo en tecnologías de IA para minimizar riesgos futuros y optimizar la integración entre sus canales online y presenciales
En este sentido, si el sector bancario del Ecuador integrara soluciones de inteligencia artificial y la IA generativa en sus operaciones, podría abordar de manera efectiva diversas problemáticas y mejorar su rentabilidad. Por ejemplo, las herramientas basadas en IA tienen la capacidad de reducir las altas comisiones mediante la optimización de costos operativos, mejorar el servicio al cliente a través de chatbots – asistentes virtuales, y agilizar procesos como la verificación de identidad y la asignación de turnos. Asimismo, la IA generativa permitiría la personalización de servicios financieros de acuerdo con las necesidades específicas de cada cliente, aumentando la satisfacción y lealtad. Adicionalmente, la automatización de procesos clave, como la gestión de transacciones interbancarias y la prevención de fraudes, contribuiría a la seguridad y eficiencia del sistema bancario, siguiendo las mejores prácticas observadas en otros mercados internacionales
En conclusión, la integración de la inteligencia artificial y la IA generativa en el sector bancario está marcando un hito en la forma en que se ofrecen los servicios financieros. Desde la atención al cliente hasta la detección de fraudes y la generación de préstamos, la IA está ayudando a los bancos a ser más eficientes, seguros y personalizados. Las instituciones que adopten estas tecnologías de manera proactiva estarán mejor posicionadas para competir en un entorno cada vez más digital y orientado a la experiencia del cliente. Por estas razones los bancos en Ecuador pueden aprender de las experiencias globales para mejorar su competitividad a través de la IA y creando una sólida infraestructura tecnológica acorde con la era digital.
En este contexto, empresas como Digital Mind son un aliado ideal para afrontar estos desafíos. A través de soluciones avanzadas en la implementación de modelos de Machine Learning y Deep Learning enfocados en transformar la experiencia del cliente, ofreciendo soluciones personalizadas que responden a las necesidades específicas de cada institución financiera, asegurando un servicio eficiente y adaptado a los cambios del entorno digital.
Referencias:
Asobanca. (2023). Plataformas de datos. Asociación de Bancos del Ecuador. https://asobanca.org.ec/plataformas-de-datos/
Ernst & Young, & IT Ahora. (2024). Estudio Estado de tendencias y prioridades TI Ecuador 2024.
Jindal, N. (2020). The Impact of Advertising and R&D on Bankruptcy Survival: A Double-Edged Sword. Journal of Marketing, 84(5), 22–40. https://doi.org/10.1177/0022242920936205
Khandani, A. E., Kim, A. J., & Lo, A. W. (2010). Consumer credit-risk models via machine-learning algorithms. Journal of Banking & Finance, 34(11), 2767–2787. https://doi.org/10.1016/j.jbankfin.2010.06.001
Mall, S. (2018). An empirical study on credit risk management: The case of nonbanking financial companies. The Journal of Credit Risk, 14(3), 49–66. https://doi.org/10.21314/jcr.2017.239
Mejia, N. (2019, octubre 16). Artificial Intelligence at JPMorgan—Current Initiatives. Emerj Artificial Intelligence Research. https://emerj.com/ai-sector-overviews/ai-at-jp-morgan/
Revista Gestión. (2023). Ranking financiero: ¿Qué bancos lideran el sistema? Revista Gestión. Recuperado de https://revistagestion.ec/analisis-economia-y-finanzas/ranking-financiero-que-bancos-lideran-el-sistema/
Soltani, M., Samorani, M., & Kolfal, B. (2019). Appointment scheduling with multiple providers and stochastic service times. European Journal of Operational Research, 277(2), 667–683. https://doi.org/10.1016/j.ejor.2019.02.051
Tulcanaza-Prieto, A. B., Cortez-Ordoñez, A., & Lee, C. W. (2023). Influence of Customer Perception Factors on AI-Enabled Customer Experience in the Ecuadorian Banking Environment. Sustainability, 15(16), Article 16. https://doi.org/10.3390/su151612441
Xu, Y., Shieh, C.-H., Van Esch, P., & Ling, I.-L. (2020). AI Customer Service: Task Complexity, Problem-Solving Ability, and Usage Intention. Australasian Marketing Journal, 28(4), 189–199. https://doi.org/10.1016/j.ausmj.2020.03.005