Autor: Guillermo Grimaldo – Socio Líder de Transformación Digital de BDO Panamá.
Las entidades financieras y seguros cada vez viven en un entorno regulatorio y normativo muy complejo; las mismas deben ser capaces de adaptarse rápidamente a nuevas normativas que les permitan evitar sanciones y por supuesto garantizar la transparencia operativa.
Tradicionalmente, este cumplimiento normativo en muchos casos depende de procesos manuales, evaluaciones o auditorías periódicas que consumen tiempo y recursos; y es aquí en donde las nuevas tecnologías como la inteligencia artificial juegan un papel importante para optimizar procesos, automatizarlos, detectar riesgos y poder tomar decisiones basadas en datos.
La rápida evolución de la Inteligencia Artificial y el avance en las técnicas de análisis de datos han permitido desarrollar soluciones que ayudan al sector a dar cumplimiento normativo a entidades que tradicionalmente están reguladas; a ser más eficientes en el cumplimiento de estas. La capacidad de poder contar con modelos analíticos que permitan procesar información en tiempo real ha permitido poder crear soluciones como la Detección de Fraudes y Anomalías que en las entidades financieras pueden alertar sobre movimientos sospechosos o inusuales; generando alertas que ayudan al cumplimiento de normativas como las de AML (Anti-money Lundering). Así mismo las capacidades de Automatización de Reportes Regulatorios en donde la inteligencia artificial genera informes de manera automática, asegurando que los mismos cumplan los estándares y normas de las regulaciones requeridas sin errores; o la Evaluación y Gestión de Riesgos en donde las soluciones analíticas recopilan y analizan grandes volúmenes de datos de información de clientes, colaboradores o proveedores para determinar riesgos potenciales, prevenir conflictos de intereses y poder garantizar que todas las partes cumplan con las regulaciones establecidas.
Si bien, todo esto puede interpretarse como soluciones costosas o que sólo las grandes corporaciones pueden hacerlo; se trata de modelos matemáticos y data; y en donde hoy encontramos soluciones robustas que permiten que podamos crear modelos adaptados a cada necesidad sin contar con grandes presupuestos. Por otro lado, está el hecho de que para poder contar con modelos analíticos bastantes precisos, necesitamos contar con data de calidad y una buena infraestructura de almacenamiento diseñada para las necesidades analíticas que se tengan. Aquí es importante mencionar que podemos encontrar en el mercado soluciones con fines específicos y altamente eficientes; pero que probablemente no se adapten a los presupuestos con los que contamos; por lo que generalmente es importante entender y trazar la ruta del modelo que se desea construir con especialistas que ayuden a identificar las necesidades y variantes de los modelos adecuados a cada necesidad y no caer en la compra de algo muy grande para necesidades medianas o viceversa.
Tener clara una estrategia de datos ayudará a definir el camino a las implementaciones que se requieran hacer con relación a data e inteligencia artificial. Esto también impacta a la hora de planificar un proyecto como estos; ya que, si la estrategia de datos no está alineada a la estrategia corporativa, es muy probable que estos modelos encuentren otro destino que no impactan a la organización. La relación entre una estrategia de datos bien definida y alineada impactará en el retorno máximo de una inversión en estos tipos de modelos; que si bien todos buscan agilizar los procesos, cumplir con normativas o incluso reducir costos; será clave para asegurar el crecimiento de la organización y el cumplimiento, ya sea de metas comerciales, normas gubernamentales o escalabilidad empresarial.