Hoy queremos abordar los cambios que la tecnología ha traído hacia la banca: mejores análisis de lo que quieren los clientes, manejo de datos por las instituciones y los cambios que no hubieran sido posibles sin la introducción de servicios y atención al cliente basados en la AI y Maching learning, entre otras tecnologías.

Esta información ha sido extraída de una entrevista realizada a Guillermo Güemez, Director general adjunto de Innovación en Grupo Financiero Banorte, uno de los bancos más importantes de México, con más de 120 años de antigüedad y 27 mil empleados.

Banorte durante los meses de pandemia

El grupo ha tomado múltiples medidas: para los clientes, para los empleados, en la sucursal y en la banca digital para poder fomentar el servicio.

Entre los cambios más obvios, uno de ellos es que ya no se habla con nadie si no es por Zoom o con otros diversos mecanismos de videoconferencia. En el banco claramente ha habido un brinco de emergencia al habilitar esta capacidad tecnológica. Curiosamente dependíamos mucho de la video conferencia ya desde antes, actualmente pasó a otro nivel de escala no obstante la cultura ya lo tenía desde antes, ya estábamos acostumbrados a tener 40 personas en una videoconferencia sin problema. En ese aspectos fue sencillo.

Claro, se ha complicado la vida de algunos clientes por el cierre de algunas sucursales, estos clientes tuvieron que empezar a utilizar la banca móvil porque no pueden salir, y eso ha cambiado la dinámica de los clientes hacia el banco; los clientes dieron un salto importante en el uso de canales digitales. Aunque cambia la pendiente del uso de efectivo, no es un cambio absoluto. Incluso hay muchos negocios que se digitalizaron por la pandemia, que ofrecen entregar a domicilio, después de recibir una orden por WhastApp, pero siguen cobrando en efectivo. Dicho esto, Guillermo sostiene que sí va a cambiar un poco la pendiente en la que nos acercamos a una economía más digital y menos basada en efectivo.

La digitalización y trabajo remoto

No todo está digitalizado, los planes más complejos no son digitales, sin embargo la mayor parte de los trámites del día a día de la banca ya se pueden hacer de forma digital. Se tuvo que afinar algunos procesos que dado su volumen, se encontraron ciertos incidentes.

En cuanto al cambio de la infraestructura después de la pandemia, va a ser un proceso paulatino, de vuelta a una normalidad, pero no se sabe bien donde se detendrá. Habrá que ver los diferentes puntos, la productividad no necesariamente es lineal, es claro que la productividad de la gente aumentó en este modelo en casa, pero también aumentó porque no tiene nada más que hacer. Hay de todo, gente que está encantada por el modelo porque se ahorran horas de tráfico, gente que cuyo trabajo es más productivo estando en casa, y hay gente que extraña la interacción en la oficina. El banco está buscando cómo llegar a un modelo mixto donde se pueda tener ambos lados de la moneda, es decir, que se encuentre un Equilibrio de Nash, donde el empleado puede trabajar donde él quiere y la empresa pueda encontrar mayor productividad con esto.

La inteligencia artificial en estos nuevos escenarios

La AI ayuda en múltiples roles, uno de ellos es brindar una atención más homogénea a los clientes. La pandemia ha llevado a que más gente consulte el canal destinado para cierto tipo de operaciones, no es un tema que se haya transformado por la pandemia, el canal ya existía. Por otra parte están los procesos de analítica, los colaboradores tienen una red grande de acceso a los sistemas centrales del banco. Entonces se está trabajando en los sistemas de AI como antes, el principal tema es que hay más clientes que están probando estas nuevas tecnologías en las que antes no veían necesidad ni interés. En especial, el uso del asistente virtual ha aumentado sustancialmente.

En cuanto a Machine Learning, Guillermo sostiene que más que de los clientes, aprenden de sus equipos de trabajo y áreas internas. Para explicar muy bien el modelo de Machine Learning, tienes que entender muy bien tu operación. Y muchas de las veces se ha descubierto las cosas que se estaban haciendo bien y mal operativamente conversando con el personal que realiza los modelos de analítica para el Machine Learning. Aprenden más de los fracasos que de los éxitos, porque se creía que se iba a automatizar un aspecto y al momento de desarrollar la automatización, fue totalmente diferente o no se pudo hacer; pero se aprendió de la información que se tuvo que recopilar para ese desarrollo.

Equipo de implementación de AI

El equipo está conformado por más de 100 personas entre todas las áreas involucradas, sin lugar a duda. También están involucradas áreas que resultan usuarios. Por ejemplo con el área de legal se tiene un piloto para lectura de contratos y de poderes, con el área de contraloría un piloto para el análisis de la regulación; donde con elementos de machine learning se está consiguiendo resultados como –este cambio en la regulación te impacta en estos puntos- para que sepan rápidamente cual es el impacto de una decisión. Lo que buscamos es más que ayudar sólo a los clientes, buscamos ayudar a los procesos internos del banco que a su vez ayudan a los clientes.

Fuente: Fintech Américas.