Finance Processes18-minute read

Cómo la Inteligencia Artificial está Afectando el Mundo de las Finanzas

Como consumidores, estamos acostumbrados a la IA: nos beneficiamos de carros que se estacionan de manera paralela por si solos, dispositivos que responden cuando se les hace preguntas y plataformas de transmisión que sugieren programas que nos puedan gustar. Sin embargo, profesionalmente, la pregunta más importante es cómo las industrias emplearán el poder de la IA. En las finanzas, IA ofrece oportunidades para eficiencias operacionales en cualquier área, desde administración de riesgo y comercio hasta suscripción de seguro.


Toptalauthors are vetted experts in their fields and write on topics in which they have demonstrated experience. All of our content is peer reviewed and validated by Toptal experts in the same field.

Como consumidores, estamos acostumbrados a la IA: nos beneficiamos de carros que se estacionan de manera paralela por si solos, dispositivos que responden cuando se les hace preguntas y plataformas de transmisión que sugieren programas que nos puedan gustar. Sin embargo, profesionalmente, la pregunta más importante es cómo las industrias emplearán el poder de la IA. En las finanzas, IA ofrece oportunidades para eficiencias operacionales en cualquier área, desde administración de riesgo y comercio hasta suscripción de seguro.


Toptalauthors are vetted experts in their fields and write on topics in which they have demonstrated experience. All of our content is peer reviewed and validated by Toptal experts in the same field.
Melissa Lin

Melissa Lin

Finance Editor

Melissa has worked in ECM, tech startups, and management consulting, advising Fortune 500 companies across multiple sectors.

Share

Puntos Importantes

La Inteligencia Artificial (IA) Está Despegando
  • La adopción general de la IA en todas las industriaspredijo el impulso de ingresos globales de 12.5 billones de dólares en 2017 y 47 billones en 2020 con un valor CAGR de 55.1% de 2016 a 2020.
  • Las industrias que más invertirán en estas tecnologías serán la banca y el comercio al por menor, seguidas por industria de la salud y la manufactura.
  • Los economistas designan las tecnologías de propósito general (*GPT*) como aquellas lo suficientemente importantes para estimular el crecimiento económico prolongado y los avances de la sociedad. Por ejemplo, la electricidad es una *GPT*. Un artículo reciente en la Reseña de Negocios de la Universidad de Harvard designa la IA como la *GPT* más importante de nuestra era.
Gestión de Riesgo
  • PayPal ha podido aumentar la seguridad aprovechando la tecnología de aprendizaje profundo. El fraude de PayPal es relativamente bajo con 0.32% de ganancias, una cifra mucho mejor que el promedio de 1,32% que pueden ver los comerciantes.
  • Mientras que un modelo lineal puede consumir de 20-30 variables, la tecnología de aprendizaje profundo puede mandar miles de puntos de data.
Comercio IA
  • Durante años, las empresas de gestión de inversiones han confiado en las computadoras para el comercio. Alrededor de 9% de todos los fondos, que gestionan 197 billones de dólares, dependen de grandes modelos estadísticos construidos por científicos de data.
  • Sin embargo, estos modelos son , a menudo, estáticos, requieren de intervención humana, y no tienen la misma productividad cuando el mercado cambia. Por esto, los fundos están migrando, cada vez más, hacia modelos verdaderos de inteligencia artificial que analizan grandes volúmenes de data and y continúan mejorando por si solos.
  • En el año 2000, el banco de operaciones Goldman Sachs de Estados Unidos en su sede de Nueva York dio empleo a a 600 negociantes. Hoy en día, tiene dos negociantes de equidad con máquinas que se encargan del resto.
Robo-advisory
  • Para los inversionistas, *robo-advice* puede ofrecer hasta 70% en ahorros de costos en ciertos servicios.
  • Algunas empresas de inversión ya establecidas están comprando a los *robo-advisors* existentes, como la adquisición de Jemstep por parte de Invesco y la compra de FutureAdvisor por parte de Blackrock. Otros están creando sus propios *robo-advisors*, como FidelityGo y Schwab Intelligent Advisory.
  • El 77% de los clientes de gestión de riqueza (Wealth Managment) confían en sus asesores financieros y el 81% indica que la interacción cara a cara es importante.
Suscripción de Seguros y Reclamos
  • Un informe de PWC predice que la IA habrá automatizado una cantidad considerable de suscripción de seguros antes de 2020, especialmente en mercados maduros donde hay data disponible.
  • En un estudio de 2013 en Oxford la IA analiza más de 700 profesiones para determinar cuáles eran más susceptibles a la computarización, los suscriptores de seguros se incluyeron entre los cinco primeros más susceptibles.
  • La suscripción de seguros puede aprovechar no sólo el aprendizaje de la máquina sino también la tecnología de uso general, al igual que la tecnología de análisis facial en aprendizaje profundo.

La tecnología de uso general es un término que los economistas guardan para las tecnologías que estimulan el crecimiento económico prolongado y los avances sociales, revolucionando así las operaciones de hogares y corporaciones de la misma manera. Una muestra de tecnología de propósito general es la electricidad. La electricidad generó una multitud de productos y sectores, incluyendo refrigeradores, lavadoras, trenes y, por supuesto, computadoras. La llegada de la electricidad transformó radicalmente el mundo.

Un artículo reciente en la Reseña de Negocios de la Universidad de Harvard designó a la inteligencia artificial (IA) como la tecnología de propósito general más importante de nuestra era. Estamos familiarizados con el poder de la IA. Ésta se manifiesta en la forma de un robot derrotando a un jugador de ajedrez de renombre mundial. Un carro que puede estacionarse en paralelo por sí mismo. Dispositivos que responden con el clima de mañana cuando lo preguntamos. Pero gran parte de nuestro contacto con—y la comprensión de—la IA gira en torno a productos que afectan nuestra vida cotidiana como consumidores. A nivel organizativo, hay una pregunta más amplia sobre cómo la IA afectará las industrias y específicamente cómo los servicios financieros aprovecharán la IA.

El siguiente artículo definirá la inteligencia artificial, la esfera de sus tecnologías relacionadas, el tamaño de la industria global de la IA y las aplicaciones de la inteligencia artificial en las finanzas. Esta pieza no pretende proporcionar un juicio normativo sobre el desarrollo de la IA; más bien, se centrará en cómo la IA está afectando las finanzas.

Inteligencia Artificial: ¿Qué es la IA?

La inteligencia artificial es [un área de la informática] (https://www.techopedia.com/definition/190/artificial-intelligence-ai) centrada en la creación de máquinas inteligentes que funcionan como seres humanos. Las computadoras de IA están diseñadas para realizar funciones humanas incluyendo aprendizaje, toma de decisiones, planificación y reconocimiento de voz.

La inteligencia artificial permite a las máquinas mejorar continuamente su rendimiento sin que los seres humanos proporcionen instrucciones prescriptivas sobre cómo hacerlo. Esto es significativo por un par de razones. Primero, los humanos saben más de lo que somos capaces de entender. Es decir, los seres humanos son capaces de reconocer una cara o ejecutar una estrategia inteligente en un juego de ajedrez. Sin embargo, antes de la avanzada tecnología de la inteligencia artificial, la incapacidad de los humanos para articular nuestro propio conocimiento significaba que no podíamos automatizar muchas tareas. En segundo lugar, la tecnología de la IA es sobrehumana en su ejecución, operando con mayor rapidez y con más frecuencia que los humanos.

Tecnologías de la Inteligencia Artificial

La inteligencia artificial abarca una multitud de capacidades y tecnologías. La empresa de consultoría PWC refuerza el hecho de que la IA no es “un área monolítica”. Abarca una serie de cosas que todos agregan a nuestra noción de lo que significa ser “inteligente”. A continuación se presentan algunas de las áreas más populares de la IA:

Por supuesto, esta lista no es exhaustiva. Ve a continuación una gama más amplia de temas y tecnologías de inteligencia artificial.

Figura 1: Áreas Temáticas dentro de la Inteligencia Artificial (No exhaustiva)

Tamaño del Mercado de la Inteligencia Artificial

El ya mencionado [artículo en la Reseña de Negocios de la Universidad de Harvard predice que “los efectos de la IA serán magnificados en la próxima década, ya que la manufactura, el comercio minorista, el transporte, las finanzas, la salud, la ley, la publicidad, los seguros, el entretenimiento, la educación y virtualmente cualquier otra industria, transforman sus procesos básicos y modelos de negocio para aprovechar el aprendizaje de máquina. El embotellamiento está en la gestión, la aplicación y la imaginación de los negocios.”

Con la adopción generalizada de la IA en todas las industrias se [predice] (http://www.idc.com/getdoc.jsp?containerId=prUS41878616) que maneje ganancias globales de 12.5 billones de dólares en 2017 y 47 billones en 2020, con una tasa de crecimiento anual compuesto (CAGR) de 55.1% a partir de 2016 a 2020. Específicamente, las industrias que más invertirán en la tecnología son la banca y el comercio minorista, seguidos por la industria de la salud y la manufactura. En conjunto, estas cuatro industrias comprenden más de la mitad de los ingresos mundiales de la IA en 2016, y los sectores: bancario y minorista entregarán casi 1.5 billones.

En todas las industrias, las mayores inversiones de IA en 2017 serán en áreas tales como agentes automatizados de servicio de atención al cliente, inteligencia automatizada de amenaza y análisis de fraude (ver carta abajo). Según Jessica Goepfert, directora de programas en IDC, empresa de investigación de mercado, “Las oportunidades a corto plazo para los sistemas cognitivos están en industrias como la banca, los valores e inversiones y la manufactura. En estos segmentos, encontramos una gran cantidad de datos no estructurados, un deseo de aprovechar las ideas de esta información, y una apertura a las tecnologías innovadoras”. La siguiente sección de este artículo profundiza en los diversos casos de uso de inteligencia artificial en la industria de servicios financieros.

Gráfica 1: Casos Principales de Uso de IA Basados en la Participación en el Mercado de 2017

Aplicaciones Presentes y Futuras de la Inteligencia Artificial en Finanzas

La inteligencia artificial podría generar eficiencias operativas en áreas que van desde la gestión de riesgos y el comercio, hasta la suscripción de seguros y los reclamos. Si bien algunas aplicaciones son más relevantes para sectores específicos dentro de los servicios financieros, otras pueden ser aprovechadas de forma general.

Gestión de Riesgo

La inteligencia artificial ha demostrado ser muy valiosa cuando se trata de seguridad y detección de fraudes. Los métodos tradicionales de detección de fraude incluyen computadoras que analizan data estructurada contra un conjunto de reglas. Por ejemplo, una compañía de pagos determinada podría establecer un umbral para las transferencias electrónicas a 15,000 dólares, de modo que cualquier transacción que supere ese monto se marcaría para una investigación adicional. Sin embargo, este tipo de análisis produce muchos falsos positivos y requiere mucho esfuerzo adicional. Tal vez, e incluso más significativamente, los estafadores de ciber-crimen cambian con frecuencia sus tácticas. Por esto, los sistemas más efectivos deben pasar a ser más inteligentes de manera continua.

Con algoritmos de aprendizaje avanzados como los de aprendizaje profundo, se pueden agregar nuevas características al sistema para un ajuste dinámico. Según Samir Hans, director de consultoría de Deloitte Transactions y Business Analytics LLP, “Con el análisis cognitivo, los modelos de detección de fraude pueden ser más sólidos y precisos. Si un sistema cognitivo elimina algo que determina como un posible fraude, y un ser humano determina que no es fraude debido a X, Y, y Z, la computadora aprende de esas percepciones humanas, y la próxima vez no te enviará una detección similar. El equipo se está haciendo cada vez más inteligente.”

El Éxito de PayPal con la Inteligencia Artificial y Detección de Fraude

Toma a PayPal, gigante del pago, y sus protocolos avanzados de fraude, por ejemplo. Debido a su escala y visibilidad, PayPal “tiene un gran blanco en su espalda.” Procesó 235 billones de dólares en 2015 de cuatro millones de transacciones por sus 170 millones de clientes. Sin embargo, PayPal ha podido aumentar la seguridad aprovechando la tecnología de aprendizaje profundo. De hecho, el fraude de PayPal es relativamente bajo con un 0,32% de los ingresos, una cantidad mucho mejor que el 1.32% que normalmente ven los comerciantes.

Anteriormente, PayPal usaba modelos simples y lineales. Hoy en día, sus algoritmos extraen data del historial de compras de un cliente y revisan patrones de probable fraude almacenados en sus crecientes bases de datos. Mientras que un modelo lineal puede consumir 20-30 variables, la tecnología de aprendizaje profundo puede ordenar miles de puntos de data. Estas capacidades mejoradas ayudan a PayPal a distinguir transacciones inocentes de las sospechosas. Según Hui Wang, director sénior de Global Risk Sciences de PayPal, “Lo que nos gusta de un aprendizaje más moderno y avanzado de la máquina es su capacidad para consumir más data, manejar capas y capas de abstracción y ser capaz de ‘ver’ cosas […] que incluso los seres humanos no son capaces de ver”

Figura 2: Algunas de las Opciones de Gestión de Fraudes de PayPal para Desarrolladores

Comercio de Inteligencia Artificial

Transición de los Modelos Construidos por el Hombre a la Verdadera IA

Durante años, las empresas de gestión de inversiones han confiado en las computadoras para encargarse del comercio. Alrededor de 1.360 fondos de cobertura, que representan el 9% de todos los fondos, dependen de grandes modelos estadísticos construidos por científicos de data que suelen tener doctorados en matemáticas (también conocidos como “cuánticos”). Sin embargo, estos modelos sólo utilizan data histórica, son a menudo estáticos, requieren intervención humana, y no funcionan tan bien cuando el mercado cambia. En consecuencia, los fondos están migrando hacia modelos verdaderos de inteligencia artificial cada vez más, los cuales no sólo pueden analizar grandes volúmenes de data, sino que también continúan mejorándose a sí mismos.

Estas nuevas tecnologías utilizan técnicas complejas, incluyendo el aprendizaje profundo, una forma de aprendizaje de máquina llamada Bayesian networks, y Computación evolutiva, que se inspira en la genética. El software de comercio de IA puede absorber enormes volúmenes de data para aprender sobre el mundo y hacer predicciones sobre el mercado financiero. Para entender las tendencias mundiales, estos pueden consumir todo, desde libros, tweets, informes de noticias, data financiera, números de ganancias y política monetaria internacional hasta escenas de Saturday Night Live.

Para aclarar, lo anterior es distinto al comercio de alta frecuencia (HFT), el cual permite a los comerciantes ejecutar millones de órdenes y escanear múltiples mercados en cuestión de segundos, respondiendo a las oportunidades en formas en las que los humanos simplemente no pueden. Las plataformas impulsadas por la IA discutidas anteriormente buscan los mejores planes de comercio a largo plazo y las máquinas—no los humanos— están dictando la estrategia.

Algunos de estos sistemas de comercio de IA son desarrollados por nuevas empresas. Por ejemplo, en Hong Kong Aidiya es un fondo de cobertura totalmente autónomo que realiza todas sus operaciones bursátiles utilizando inteligencia artificial (IA). “Si todos morimos”, dice el cofundador Ben Goertzel, “seguiría operando”. Las instituciones tradicionales también están interesadas en la tecnología de comercio de IA. En 2014, Goldman Sachs lideró la ronda de financiamiento de la Serie A y comenzó a instalar una plataforma de comercio de IA llamada Kensho. Para la serie B de Kensho, además de S&P Global, también participaron los seis bancos más grandes de Wall Street (Goldman Sachs, JPMorgan Chase, Banco de América, Merrill Lynch, Morgan Stanley, Citigroup y Wells Fargo).

Comparación del Rendimiento Comercial

Un estudio reciente realizado por la empresa de investigación de inversión Eurekahedge rastrearon el desempeño de 23 fondos de cobertura utilizando IA desde 2010-2016, donde pudieron ver que superaron a aquellos manejados por analistas cuánticos más tradicionales y fondos de cobertura generales.

Gráfica 2: Índice de Fondos de Cobertura de IA/Aprendizaje de Máquina vs. Analistas Cuánticos y los Fondos de Cobertura Tradicional

Implicaciones para los Comerciantes y Analistas Cuánticos

Será interesante observar cómo la IA afectará el mercado de trabajo comercial. Sus efectos ya son evidentes en algunas de las principales instituciones bancarias. En el año 2000, la oficina de operaciones de renta fija estadounidense de Goldman Sach en su sede de Nueva York empleó a 600 comerciantes comprando y vendiendo acciones. Hoy en día tiene dos operadores de acciones con máquinas que hacen el resto del trabajo. Daniel Nadler, CEO de Kensho, declara, “En 10 años, Goldman Sachs será significativamente más pequeño en cuanto a la nómina de lo que es hoy.” Y en cuanto a los analistas cuánticos, pueden notar que sus habilidades están en menos demanda en las compañías de gestión de inversión.

Actualmente, alrededor de un tercio de los graduados de los principales programas empresariales se alimentan de las finanzas. ¿A dónde irá a parar el mejor talento de la nación? Mark Minevich, asesor principal del Consejo de Competitividad de los Estados Unidos, cree que “Algunas de estas personas inteligentes pasarán a las nuevas empresas de tecnología, o ayudarán a desarrollar más plataformas de Inteligencia Artificial, o automóviles autónomos, o tecnología energética […] Nueva York podría competir con Silicon Valley en tecnología”.

Robo-Advisory

¿Qué es un Robo-Advisor y Cómo Funciona?

Robo-advisors son plataformas digitales que proporcionan servicios de planificación financiera automatizada basadas ​​en algoritmos con supervisión mínima por parte de los seres humanos. Mientras que los gerentes financieros humanos han estado utilizando la asignación automatizada del portafolio desde el inicio de los años 2000, los inversionistas tuvieron que emplear a asesores para beneficiarse de la tecnología. Hoy en día, los robo-advisors permiten a los clientes acceder directamente al servicio. A diferencia de sus homólogos humanos, los robo-advisors monitorean los mercados sin parar y están disponibles 24/7. Robo-advisors le pueden ofrecer a los inversionistas hasta un 70% en ahorros de costos y, normalmente, no requieren un mínimos para participar.

Hoy en día, los robo-advisors pueden ayudar con las tareas más repetitivas tales como la apertura de cuentas y la transferencia de activos. El proceso suele implicar a clientes que responden cuestionarios simples sobre el apetito de riesgo o factores de liquidez, que los robo-advisors luego traducen en lógica de inversión. La mayoría de los robo-advisors actuales tienen como objetivo asignar a sus clientes a portafolios de ETF administrados basados en función de sus preferencias. Se espera que las capacidades en el futuro se transformen en ofertas más avanzadas tales como cambios automáticos de activos y cobertura ampliada a través de clases de activos alternativos como bienes raíces.

Robo-advisory puede tener un impacto importante en los sectores de finanzas personales y gestión de riqueza. Mientras que los activos totales bajo gestión (AUM) actuales del robo-advisor sólo representan 10 billones de dólares de los 4 trillones de la industria de gestión de riqueza (menos del 1% de todos los activos de cuentas administradas), un [estudio de Business Insider] (http://www.businessinsider.com/the-robo-advising-report-market-forecasts-key-growth-drivers-and-how-automated-asset-management-will-change-the-advisory-industry-2016-6) estima que esta cifra aumentará al 10% en 2020. Esto equivale a alrededor de 8 trillones de dólares en activos bajo gestión (AUM).

Gráfica 3: Capacidades Actuales y Futuras de *Robo-advice*

Adopción de la Industria Robo-Advice

Los actores de la industria han adoptado enfoques variados para el robo-advice. Las pequeñas empresas de gestión de riqueza están agregando componentes algorítmicos para automatizar su gestión de inversiones, reducir costos/honorarios y competir con los robo-advisors. Por otro lado, las firmas de inversión establecidas están comprando a los robo-advisors existentes, como la adquisición de Jemstep por parte de Invesco o la creación de sus propias soluciones robo-advisor, como FidelityGo y Schwab Intelligent Advisory.

Figura 3: Acercamientos a las Capacidades de *Robo-advice*

Robo-Advisors vs. Asesores Financieros: ¿Los Humanos Serán Reemplazados?

El consenso general entre los expertos es que los seres humanos seguirán siendo indispensables. El toque humano seguirá siendo crítico ya que los asesores todavía tendrán que tranquilizar a los clientes durante los tiempos financieros difíciles y persuadirlos con soluciones útiles. Un estudio realizado por la consultora Accenture reveló que el 77% de los clientes de gestión de riqueza confían en sus asesores financieros, mientras que el 81% indica que la interacción cara a cara es importante. Para los clientes con decisiones de inversión complejas, el modelo de asesoramiento híbrido, que acopla servicios computarizados con asesores humanos, está ganando terreno.

Mientras que los asesores financieros seguirán siendo centrales, los robo-advisors podrían causar cambios en sus responsabilidades laborales. Al administrar tareas repetitivas, los gerentes de inversiones pueden asumir las responsabilidades de un científico o ingeniero de data, como el mantenimiento del sistema. Los seres humanos también pueden centrarse más en la construcción de relaciones con los clientes y explicar las decisiones que la máquina ha tomado.

Inteligencia Artificial en Suscripción de Seguros y Reclamos

El seguro depende del equilibrio de riesgo entre grupos de personas; los aseguradores agrupan personas similares, y algunas personas necesitarán pagos, mientras que otras no. La industria se basa en la evaluación de riesgos; las compañías de seguros no son ajenas al análisis de data. Sin embargo, la IA puede expandir la cantidad de data analizada, así como las formas en que puede ser utilizada, lo cual resulta en precios más precisos y otras eficiencias operacionales.

Las nuevas empresas están a la vanguardia en lo referente a impulsar la industria hacia adelante. Según Henrik Naujoks, un socio de Bain & Co, “Las nuevas empresas están mostrando lo que es posible y lo que se puede hacer. Muchos ejecutivos titulares lo están viendo—no lo entienden pero quieren involucrarse”. Los inversionistas también se han apegado a esta tendencia (ver más adelante). En 2016, la IA fue uno de los temas más populares para la inversión en tecnología de seguros.

Gráfica 4: El Interés de los Inversionistas en Tecnología de Seguros está Aumentando

Inteligencia Artificial y Suscripción de Seguros

Un informe de PWC predice que la IA automatizará una cantidad considerable de suscripción de seguros antes de 2020, especialmente en mercados maduros donde se dispone de data. Actualmente, un asegurador con la ayuda de software informático y modelos actuariales, evalúa el riesgo y las exposiciones de los clientes potenciales, la cantidad de cobertura que deben recibir, y cuánto se les debe cobrar. A corto plazo, la IA puede ayudar a automatizar grandes volúmenes de suscripción de seguros automotores, residenciales, comerciales, de vida y de grupo. En el futuro, la IA mejorará el modelado, resaltando las consideraciones clave para los humanos a cargo de la toma de decisiones, quienes de otra manera podrían haber pasado desapercibidos. Es también predicho que la IA avanzada permitirá la suscripción de seguros personalizada por empresa o individuo, teniendo en cuenta comportamientos y circunstancias únicas.

La suscripción de seguros mejorada puede aprovechar no sólo el aprendizaje automático para la minería de data, sino también la tecnología portátil y los analizadores faciales de aprendizaje profundo. Por ejemplo, Lapetus, una nueva empresa, quiere utilizar selfies para predecir con exactitud la expectativa de vida. En su modelo propuesto, los clientes enviarán por correo electrónico sus autorretratos, los cuales explorarán y analizarán las computadoras—analizando millares de regiones de la cara. El análisis consideraría todo, desde la demografía básica hasta la rapidez con que la persona envejecerá, su índice de masa corporal y si fuman. Además, la tecnología en general podría hacer que el proceso de suscripción de seguro sea de más colaboración. En lugar de depender de largas revisiones médicas y complicados procesos contractuales, las tecnologías generales pueden proporcionar información en tiempo real en la salud y el comportamiento de los asegurados.

Estos tipos de análisis de riesgos matizados y en tiempo real permitirán no sólo un cálculo más preciso de los precios de los clientes, sino también la detección temprana de los riesgos para la salud y una oportunidad para las compañías de seguros de invertir en prevención. En lugar de pagar eventualmente por tratamientos costosos para el paciente, las compañías de seguros pueden tratar, proactivamente, de reducir la probabilidad de daños y costos asociados. En un estudio de Oxford en 2013 analizando más de 700 profesiones para determinar cuáles eran más susceptibles a la computarización, los aseguradores se incluyeron entre los cinco primeros más susceptibles. Incluso cuando la IA no reemplaza completamente a un suscriptor, la automatización de IA puede alterar las responsabilidades de un asegurador. La IA puede liberar el tiempo de un suscriptor para un mayor valor agregado, como evaluar y fijar los precios en los mercados emergentes menos ricos en data, proporcionando más información sobre la gestión de riesgos y el desarrollo de productos.

Inteligencia Artificial y Reclamos de Seguros

Los Reclamos de Seguros son las solicitudes formales de pago enviadas a las compañías de seguros. Las compañías de seguros luego revisan la demanda de validez y pagan al asegurado, una vez aprobado. Así es como la inteligencia artificial puede mejorar el proceso:

Mejora de la exactitud de los datos de los clientes. El proceso de reclamos es bastante manual: los agentes humanos registran manualmente la información del cliente y los detalles del incidente. De acuerdo con un informe Experian, la calidad de la data puede sufrir: data incompleta representa el 55% de los errores de data, mientras que los errores tipográficos comprenden el 32%. La IA puede mejorar la precisión al reducir la entrada manual. Además, los procesos de reclamos a menudo requieren que los agentes de seguros hagan coincidir la información del cliente con numerosas bases de datos. La IA se puede utilizar para hacer esto de manera más eficiente.

Recomendaciones de pago más rápido. De acuerdo a un estudio de satisfacción de reclamos de propiedades, de J.D. Power & Associates, el momento del ciclo de las demandas lentas es uno de los contribuidores más grandes de la insatisfacción del cliente. La IA puede ayudar a reducir los tiempos de respuesta al validar primero la póliza, luego hacer determinaciones sobre los reclamos y si automatizar o no el pago. Esto se debe a que la IA tiene la capacidad de analizar no sólo datos estructurados, sino también datos no estructurados como formularios escritos a mano y certificados.

Últimas Reflexiones

Algunos futuristas han argumentado que el mundo se está acercando rápidamente a un punto de inflexión, acuñado “singularidad,” donde la inteligencia de la máquina superará la inteligencia humana. Famosos tecnólogos y científicos, entre ellos Bill Gates y Stephen Hawking, han advertido sobre este punto. Elon Musk también ha expuesto popularmente, “La IA es un riesgo existencial fundamental para la civilización humana, y no creo que la gente lo entienda plenamente.”

A medida que la IA continúa proliferando nuestra vida personal y profesional, muchos problemas seguirán surgiendo. Estos incluyen el potencial de errores, un sentimiento general de desconfianza hacia las máquinas y las preocupaciones sobre el reemplazo del trabajo. Sería un error ignorar estos temores. Sin embargo, la sociedad ya está en un camino acelerado hacia un mundo impulsado por la IA. En este nuevo mundo, podría ser más productivo centrarse en cómo las máquinas y los seres humanos pueden coexistir mejor. Será importante que los responsables de la formulación de políticas se mantengan cautelosos, permitiendo que las nuevas tecnologías se desarrollen mientras se vigilan y minimizan sus consecuencias negativas. Los desarrolladores y diseñadores también deberían aumentar la capacidad de los seres humanos para comprender los sistemas de IA, para así crear confianza y aumentar la satisfacción con las aplicaciones de la IA. Todos tendrán un papel que jugar.

Como mencionó Haruhiko Kuroda, Gobernador del Banco de Japón en una conferencia de IA y Servicios Financieros de 2017, “Es esencial que consideremos constructivamente las maneras deseables en las que los seres humanos y la IA se complementan, en lugar de confrontarse entre sí. Por ejemplo, el juicio humano no está completamente libre de los paradigmas existentes y, es a veces, negligente a los cambios, la IA podría ajustar nuestro sesgo mediante el análisis neutral y encontrar, de igual manera, nuevas correlaciones entre una miríada de datos, mientras que los humanos podrían compensar la debilidad de la IA con su intuición, sentido común e imaginación.”

Hire a Toptal expert on this topic.
Hire Now

World-class articles, delivered weekly.

By entering your email, you are agreeing to our privacy policy.

World-class articles, delivered weekly.

By entering your email, you are agreeing to our privacy policy.

Join the Toptal® community.