El machine learning está cambiando la toma de decisiones en los sectores de servicios financieros y telecomunicaciones en once países de EMEA y Asia-Pacífico, según un estudio de Forrester Consulting para Experian, en el que han participado más de 100 directivos de España encargados de la toma de decisiones relacionadas con el desarrollo e implementación de IA y machine learning en el área de riesgo crediticio.
Los resultados del estudio muestran cómo está el machine learning ayudando a las empresas a mejorar el acceso a los servicios financieros, rebajar el riesgo y acelerar la automatización. Todo mientras pone de manifiesto las barreras que todavía dificultan su adopción.
El estudio muestra cómo permite el machine learning a las empresas ampliar el acceso a los servicios financieros para los segmentos desatendidos. En particular para consumidores con historiales crediticios limitados y para las personas subbancarizadas. A través de la incorporación de fuentes de datos alternativas más ricas, los modelos de machine learning permiten realizar evaluaciones de elegibilidad más precisas, lo que ayuda a los proveedores en la toma de decisiones.
El 75% de quienes han adoptado el machine learning en las empresas españolas destaca que esta tecnología les permite ampliar el acceso a los servicios financieros y atender de forma responsable a nuevos segmentos de clientes que, a menudo, son excluidos por los modelos tradicionales de puntuación crediticia.
Además, el 86% de los encuestados españoles declara que el machine learning mejora la rentabilidad al optimizar la predicción del riesgo, y que reduce la morosidad. Este doble impacto, que amplía el acceso al mismo tiempo que mejora los resultados financieros, posiciona a esta tecnología como un activo estratégico para las organizaciones que buscan crecer de manera sostenible.
Un 74% de los usuarios de machine learning destaca la mejora de la precisión y la eficiencia operacional como beneficios principales. Estas capacidades permiten a las entidades financieras aumentar la automatización con confianza, con más de dos tercios coincidiendo en que esta tecnología les permite automatizar un mayor número de decisiones crediticias.
Como consecuencia, consiguen reducir la carga de trabajo manual y acelerar el tiempo de respuesta. De cara al futuro, el 66% de los directivos españoles creen que, en un plazo de cinco años, la gran mayoría de las decisiones de financiación estarán totalmente automatizadas.
La IA Generativa está emergiendo como herramienta de productividad, en particular en las áreas que consumen más tiempo. Como la documentación de modelos y la inteligencia de negocio. Un 73% de los entrevistados cree que la GenAI puede reducir notablemente el tiempo y el esfuerzo necesario para desarrollar e implementar nuevos modelos de toma de decisiones sobre riesgo crediticio.
Asimismo, un 59% está de acuerdo en que la mayor ventaja de la IA generativa es la simplificación de la documentación regulatoria, lo que permite ciclos de validación más rápidos y mejora la colaboración entre los equipos de riesgo y cumplimiento.
A pesar de estos beneficios, algunas empresas tienen todavía sus dudas. El informe demuestra que el coste, la incertidumbre regulatoria y la falta de conocimiento interno son las barreras principales para la adopción del machine learning. Un 65% de los no usuarios cree que el coste de la implementación no supera los beneficios percibidos, mientras que el 59% admite que no comprende completamente el valor que el aprendizaje automático puede aportar.
Las preocupaciones sobre la explicabilidad y el cumplimiento normativo también persisten, y un 69% de quienes no han adoptado la tecnología en nuestro país está preocupado por la transparencia de los modelos. Un 62% teme no alinearse con las regulaciones.
Estos desafíos se ven agravados por las infraestructuras de TI y de datos heredadas, que el 67% considera que no están preparadas para soportar la implementación de machine learning. Sin embargo, el informe también señala que muchas de estas preocupaciones vienen de conceptos erróneos, ya que los modelos modernos de machine learning pueden ser explicables y cumplir con las normativas, y las plataformas de terceros pueden ayudar a cerrar las brechas de habilidades e infraestructura.
Jorge Hernández, General Manager Experian en España, destaca del informe que «subraya que mejorar la rentabilidad es una prioridad clave para los directivos, y que la capacidad de mejorar la precisión en la toma de decisiones y reducir el riesgo financiero es clave para lograrlo. Y el aprendizaje automático lo permite al aprovechar conjuntos de datos más ricos que antes no eran posibles. Esto ofrece a las entidades financieras crecer de manera responsable, volverse más inclusivas y apoyar el progreso social«.
Mariana Pinheiro, CEO de Experian EMEA & APAC, destaca que «el machine learning está abriendo el acceso a los servicios financieros para millones de personas que han estado históricamente excluidas del sistema financiero. Al aprovechar datos alternativos y modelos de riesgo más avanzados, el aprendizaje automático permite a las entidades financieras tomar decisiones más justas y precisas, especialmente para los consumidores con historiales financieros limitados. Esta tecnología se está convirtiendo en un elemento central para construir sistemas financieros más inclusivos y sostenibles«.