Acelerar la adopción del aprendizaje automático en los servicios financieros

La adopción del aprendizaje automático (machine learning) en las empresas de servicios financieros se está acelerando y cambiando su modo de operar y atender a sus clientes. El 67% de las empresas de servicios financieros del Reino Unido que respondieron a una reciente encuesta del Banco de Inglaterra (BoE) indicaron que utilizan el aprendizaje automático de algún modo en diversas áreas de negocio. El reto al que se enfrentan las compañías de servicios financieros hoy en día es el siguiente: ¿cómo aprovechar estas piezas de aprendizaje automático y desplegarlas de un modo más amplio para conseguir un efecto significativo en sus negocios, mejorando su respuesta competitiva ante las ágiles y disruptoras fintechs que están surgiendo en sus mercados?

A través de mis conversaciones con clientes del sector finanzas de Amazon Web Services, he visto cómo los CIO y los CTO identifican los siguientes catalizadores para ampliar los programas de machine learning a toda la organización: 

1. El cambio en el mercado a manos de las ágiles fintechs. Una encuesta realizada a 7.900 clientes de banca minorista en 20 países reveló que el 60% de los encuestados utiliza productos de grandes empresas tecnológicas/empresas que retan a los bancos o es probable que lo hagan en los próximos tres años. Las experiencias tradicionales ya no son suficientes para los clientes que desean interacciones instantáneas y personalizadas a través de múltiples canales. (Capgemini, World Retail Banking Report 2019). 

2. La nueva legislación que impulsa el cambio estructural en los mercados tradicionales. La legislación y normas como PSD2 y Open Banking en el Reino Unido permiten compartir información financiera de manera electrónica con terceros de forma segura y exclusivamente en condiciones que los clientes aprueben. En efecto, se elimina el monopolio de los bancos sobre los datos de sus clientes para que estos puedan elegir mejor los productos. 

3. La rápida evolución de las ciberamenazas y los intentos de fraude. Los enfoques tradicionales a la ciberseguridad a menudo se quedan cortos, ya que tienen dificultades para actuar a la velocidad de las nuevas amenazas y aprovechan el volumen cada vez mayor de datos para generar una defensa. El aprendizaje automático puede contribuir a abordar esta disrupción. 

El CIO, ya sea en banca, mercados de capitales o seguros, tiene que equilibrar un complejo conjunto de objetivos en el entorno disruptivo actual. Ha de impulsar la innovación y acelerar la agenda de transformación digital, al tiempo que mantiene la infraestructura existente, garantizando la seguridad y manteniendo los costes en niveles reducidos.

Las empresas de servicios financieros pueden beneficiarse de las tecnologías de aprendizaje automático para diversos casos de uso con el objetivo de hacer frente a los retos descritos anteriormente. Siempre que haya complejidad y grandes volúmenes de datos, pueden ofrecer una solución más potente que los modelos tradicionales.

Las empresas de servicios financieros poseen cantidades ingentes de datos que han acumulado durante décadas. Hoy en día, estos datos pueden complementarse con nuevas fuentes de datos como los geoespaciales, los de redes sociales y los que vienen de otras actividades online. Las tecnologías de aprendizaje automático permiten analizar conjuntos de datos enormes e identificar relaciones que, de otro modo, permanecerían en la sombra, lo que ayudará a los bancos tradicionales a fidelizar a sus clientes.

Con todo, las empresas de servicios financieros se enfrentan a una serie de retos a la hora de ampliar la adopción del aprendizaje automático:

1. Gobierno corporativo 

Los servicios financieros son un sector altamente regulado con estrictos requisitos de seguridad. Es necesario que instauren las medidas de buen gobierno corporativo, los procesos y las capacidades necesarias para que el aprendizaje automático se pueda utilizar y crear valor de forma eficiente a partir de los datos. Igualmente, una solución de aprendizaje automático ha de desarrollarse en consonancia con los procesos de seguridad y TI de la organización.

Además, los organismos reguladores exigen a las compañías de servicios financieros que desarrollen dispositivos para demostrar que sus sistemas de aprendizaje automático han sido diseñados, entrenados y actualizados de acuerdo con sus objetivos de diseño para obtener resultados justos e imparciales. 

2. Innovación

Las tecnologías de aprendizaje automático ofrecen numerosas oportunidades de innovación, pero, a menudo, a las empresas les resulta difícil identificar la mejor tecnología para un caso de uso específico. El panorama del aprendizaje automático se caracteriza por la rápida evolución de los marcos y modelos. Los equipos de ciencia de datos tendrán que probar con nuevos marcos en diferentes ámbitos de la organización tecnológica, y estas nuevas tecnologías tendrán que ser validadas de conformidad con las normas de seguridad de la compañía.

Una vez validadas, el equipo de TI tendrá que adquirir las capacidades para instalar y mantener el nuevo marco. El aprendizaje automático requiere mucha potencia de cálculo. No es viable contar con infraestructura exclusivamente destinada a experimentar, sobre todo, cuando esta infraestructura debe tener la escala adecuada para abordar los requisitos computacionales de las modernas tecnologías de aprendizaje automático.

3. Lanzamiento

Desplegar y mantener el aprendizaje automático de manera efectiva es un reto y esto trae consigo un nuevo nivel de complejidad a la organización de TI. El modelo de aprendizaje automático debe pasar por procesos de gestión de cambios y lanzamientos, e integrarse con las herramientas existentes. Una vez desplegados, los sistemas deben monitorizarse, dimensionarse para su carga y contar con los parches necesarios. Los equipos de infraestructuras de TI deben recibir formación para realizar eficazmente estas tareas.

Es necesario vigilar las aplicaciones de aprendizaje automático en la producción para asegurarse de que funcionan como se pretende. Si el modelo de aprendizaje automático se ha desviado, habrá que adaptarlo y redesplegarlo. Esto debe realizarse de modo que permita a la organización responder rápidamente a las cambiantes circunstancias sin que ello suponga gastos adicionales para los equipos de infraestructuras de TI.

Las herramientas de aprendizaje automático en la nube pueden contribuir a superar estos desafíos

Afortunadamente, las soluciones de aprendizaje automático basadas en la nube ayudan a las empresas de servicios financieros a superar los desafíos descritos anteriormente y a gestionar este nivel de complejidad. La nube de AWS proporciona una sólida oferta de soluciones de aprendizaje automático que abarcan todo el ciclo de vida de esta tecnología, desde la exploración inicial hasta la gestión de la producción, como Amazon Sagemaker. Estos servicios se integran perfectamente con otros productos de AWS y funcionalidades de seguridad. Las organizaciones pueden utilizar este conjunto de herramientas para alinear sus procesos de desarrollo de aprendizaje automático con un complejo marco interno de gobierno corporativo y satisfacer la mayor parte de sus requisitos de seguridad.

Los CIO deben transformar sus organizaciones para hacer frente a la disrupción en los servicios financieros, y precisan integrar las modernas tecnologías de aprendizaje automático en sus procesos. Permitir la experimentación con nuevas tecnologías y acelerar el ciclo de vida del desarrollo de proyectos de aprendizaje automático ayudará a las organizaciones a obtener eficazmente conocimientos y una ventaja competitiva. AWS es un instrumento muy potente para que las empresas de servicios financieros accedan a estas ventajas y adopten el aprendizaje automático a escala.