De repente un cliente deja de utilizar su tarjeta de débito con la frecuencia con que solía, o saca dinero de forma más espaciada del cajero. O puede que ya no entre en la aplicación móvil de la entidad o que, si lo hace, consulte apartados como las condiciones de contratación de la cuenta u otros que no son los habituales de una operativa normal. Son pequeñas señales que para un gestor financiero con cientos o miles de clientes a su cargo pasarán desapercibidas, pero que un potente ordenador dotado de Inteligencia Artificial detectará rápidamente y, gracias a los cruces de datos y a la búsqueda de patrones, podrá determinar si es que el usuario simplemente gasta menos dinero porque ha cambiado de hábitos, con lo que no hay que preocuparse, o si está pensando en marcharse a otra entidad, lo que debería activar las alarmas del banco para intentar retenerlo.
Es sólo un ejemplo de lo que esta nueva tecnología, unida a otras como el Big Data, puede suponer para el sector financiero, uno de los que más claramente está apostando por exprimir al máximo las posibilidades de la digitalización, ya sea por la competencia que les viene de las grandes tecnológicas o por la propia necesidad de mejorar sus ratios de rentabilidad. Todos los grandes bancos españoles tienen ya divisiones enteras dedicadas a desarrollar este tipo de instrumentos, cuando no han creado filiales específicas para centrarse en esta tarea, ante lo mucho que se juegan.
«Si eres capaz de predecir que un cliente quiere abandonar el banco, puedes anticiparte y actuar antes de que se produzca la pérdida, lo que siempre resulta más barato que recuperarlo cuando ya ha tomado la decisión de marcharse», explica el director de Márketing y Analytics Avanzado de Clientes en Banco Sabadell, Pier Paolo Rossi. Y lo mismo sirve a la hora de detectar cuándo un cliente puede tener problemas para pagar un préstamo, o si las empresas de determinado sector van a tener menos ingresos de los previstos en los próximos meses, lo que puede aconsejar a los gestores de créditos que vayan con más precaución.
Miles de variables
La clave de esta revolución está, por un lado, en la cantidad de información que pueden procesar estas nuevas tecnologías, y, por otro, en su capacidad para buscar coincidencias y patrones que a la mente humana se le escapan. «Si antes para hacer el scoring de un cliente podías manejar 10, 15 ó 20 variables, como su nivel de ingresos, su endeudamiento o sus bienes, ahora puedes añadir cientos y hasta miles de variables de todo tipo que pueden ayudar a afinar mucho más cuál es su capacidad de pago o las probabilidades de que se convierta en moroso», apunta el economista y director comercial de AIS Group, José Manuel Aguirre.
Datos que pueden proceder de las fuentes más variadas, desde la información contenida en bases públicas, como el catastro o en el Instituto Nacional de Estadística, sobre el nivel de renta o las características demográficas de la zona de residencia del cliente, hasta otras mucho más privadas. De todas ellas, las más importantes son las propias cuentas del usuario, donde queda registrado como en ninguna otra parte todo el historial económico de cualquier persona o negocio. «Al banco ya no le interesa que una empresa le lleve los balances anuales, que suelen tener información de hace varios meses; ahora quieren que les des acceso a todas tus cuentas porque ahí es donde ven todo el dinero que ha entrado y ha salido, el cash flow, que muestra mucho más claramente la situación real de la compañía», explica el experto.
Desde el pasado 14 de septiembre, con la entrada en vigor de la nueva normativa europea de pagos PSD2, las entidades están obligadas a facilitar esta información a la competencia, siempre que el cliente lo autorice, lo que ya está dando lugar a nuevas estrategias comerciales. Por ejemplo, el BBVA ya ofrece la posibilidad de tramitar créditos rápidos online para no clientes, sin necesidad de enviar ningún tipo de documentación y sin tener que abrir una cuenta en la entidad. Le basta con que el solicitante le dé acceso al resto de sus posiciones bancarias y asegura que puede responder a la petición en tan sólo ocho horas.
Ése es también el motivo de que muchas entidades estén incorporando a sus aplicaciones y a su banca móvil los llamados agregadores, que permiten a los clientes operar desde un único sitio con todas sus entidades. Una forma de conseguir estos mismos datos, aunque hay algunos operadores, como CaixaBank, que aseguran que sólo dan esta posibilidad como un servicio añadido pero que no explotan estos datos.
En cualquier caso, cabe destacar que los bancos no son los únicos que pueden tener acceso a estos historiales. Los ciudadanos pueden autorizar que solicite esta información cualquier empresa con la que trabajen, lo que abre la puerta a que gigantes como Amazon o Facebook entren con fuerza en el segmento financiero.
Huella digital
Más allá del historial financiero, la Inteligencia Artificial ofrece la posibilidad de cruzar cualquier tipo de variable, hasta el punto de que, por ejemplo, en algunos países las entidades prometen agilizar la tramitación de los créditos si se da también permiso para incluir la información contenida en las redes sociales del solicitante, según el ejecutivo de AIS Group. En Estados Unidos ha sido el propio Fondo de Garantía de Depósitos (Fedic) el que ha promovido investigaciones sobre la eficacia de incorporar al cálculo de riesgo de los clientes la denominada huella digital. Es decir, de tener en cuenta variables como el modelo de teléfono desde el que opera el cliente, si utiliza una compañía low cost o una tradicional, o si lo hace desde una wifi pública. También si su correo electrónico incluye sus apellidos o si realizó muchas correcciones a la hora de rellenar la solicitud.
Unas cuestiones que pueden parecer menores, pero que, según estudios como el publicado por este organismo en julio de 2018, donde investigadores americanos y alemanes analizaron más de 250.000 casos, pasados por el tamiz de la Inteligencia Artificial pueden calcular el riesgo de crédito de un cliente con la misma o mayor fiabilidad que los métodos tradicionales. «Esto puede ser especialmente valioso para las empresas de créditos rápidos, que deben decidir en pocos minutos si conceden un préstamo o no con muy poca información real del solicitante», explica José Manuel Aguirre.
Futurible
Eso sí, de momento, en España todo esto es más un futurible que una realidad por las limitaciones legales que existen. Y es que, como señala el director de Marketing y Analytics Avanzado del Sabadell, el supervisor del sector financiero exige que el cálculo de riesgo de los créditos se realice mediante modelos matemáticos que puedan explicarse, lo que es incompatible con el black box, es decir, las interconexiones que realiza la Inteligencia Artificial de los datos y que escapan a la comprensión o la lógica humana, aunque sus resultados sean correctos.
Con independencia de la cuestión crediticia, las entidades están encontrando otras muchas aplicaciones a estas nuevas tecnologías, principalmente en dos ámbitos: el de aligerar a sus trabajadores de tareas burocráticas para que se centren en otras labores de mayor valor añadido -básicamente, la venta y el asesoramiento-, y el denominado business intelligence, o programas capaces de detectar qué clientes son más propicios a comprar determinados tipo productos. Así, por ejemplo, desde Bankia destacan que han logrado reducir más de un 50% el tiempo medio de respuesta en las solicitudes de préstamos, gracias a la aplicación de estas técnicas al tratamiento de la documentación que aportan los clientes, que se incorporan automáticamente a los expedientes.
