La banca se apunta al machine learning y la inteligencia artificial

La aplicación de tecnología avanzada está aumentando la eficiencia en todos los sectores de actividad. Y en este proceso de transformación digital, las entidades financieras quizá estén siendo las más dinámicas en la adopción de todo tipo de avances.

El machine learning es una de las tecnologías que más puede contribuir a un mejor desarrollo de negocio bancario. “Las técnicas de machine learning aportan un mayor poder de predicción en los modelos de riesgo de crédito de la banca”, comentaba Sergio Lloret, gerente de cuentas de la consultora AIS Group, en el último Congreso Nacional de Crédito de España.

Explicó que los resultados obtenidos en proyectos recientes muestran que el nivel de acierto en los modelos de concesión y seguimiento del riesgo de crédito mejoran entre un 25% y un 50% al usar algoritmos de machine learning en lugar de técnicas tradicionales. Lloret precisó que dichos resultados se reflejan en el denominado Índice Gini, “que pasa del 50% ó 60% a situarse en rangos superiores al 90%, lo que es un porcentaje de acierto altísimo”.

De este modo, la aplicación conjunta de algoritmos y técnicas de inteligencia artificial (IA) y de machine learning a los modelos de riesgo permite multiplicar su acierto. Y esto es fundamental para el sector financiero porque ayuda a las entidades a ajustarse a su nivel de apetito al riesgo.

Además, dichas técnicas permiten realizar un seguimiento de las carteras y detectar con mayor antelación las señales de un posible impago, pudiendo actuar antes de que ocurra. Ramón Trías, presidente de AIS Group, explicó que esta capacidad de anticipación  “es especialmente útil en el nuevo marco que impone la normativa IFRS 9 (NIIC 9, según sus siglas en español), pues un cambio en el estado de las operaciones puede impactar negativamente en la cuenta de resultados, al provocar la obligación de aumentar el nivel de reservas”.

Por otro lado, incidió en el papel de la IA en la ciberseguridad. “Cada vez el malware es más avanzado e incluso utiliza técnicas de IA. Ya no se limita a tumbar los sistemas de las compañías a las que afecta. Ahora hay otro tipo de ataques más elaborados y organizados: robos de información progresivos, ataques masivos y automatizados con bots, encriptaciones de información, suplantaciones de identidad de usuarios, etc. Es preciso recurrir a sistemas muy avanzados para poder detectar y frenar estas prácticas de malware inteligente antes de que sea demasiado tarde”, declaró.

Asimismo, Trías incidió en que vivimos un momento de “explosión” de estas tecnologías, en las que se viene trabajando desde hace décadas. Sin embargo, ahora se conjugan varios factores que están impulsando su desarrollo. En primer lugar, destacó los avances en hardware y software, que han permitido multiplicar la velocidad de computación. “Un cómputo que antes tardaba 4 meses, ahora está listo en apenas 20 segundos, que es un tiempo industrial”, precisaba. Y este aumento de capacidad, combinado con la eclosión del big data, permite trabajar con más variables, mejorando el poder de predicción. “Disponer de más información no quiere decir usarla toda. Hay que saber dirimir qué variables son las más relevantes y realmente aportan valor al algoritmo. La IA es una gran ayuda, pero el papel del experto sigue siendo clave para dirigir el trabajo y constante aprendizaje de estos avanzados sistemas”, señaló.