Hoy en día, muchas organizaciones están comenzando a confiar en la combinación de Business Process Management (BPM), automatización robótica (RPA) e inteligencia artificial (IA) como facilitadores de procesos inteligentes. Esta transformación requerirá la implementación de nuevas tecnologías y, sobre todo, la inclusión de expertos en datos para crear Data Products. ¿Por qué es esto tan importante?

Mientras el RPA y BMP se centran en estandarizar y automatizar procesos, en ninguno de ellos hay aprendizaje de la repetición de actividades. Un robot puede realizar las mismas acciones correspondientes a su marco de trabajo eternamente y no aprender de ello. Lo mismo ocurre con los flujos de trabajo automatizados. La optimización la realiza un ser humano que configura y ajusta la configuración de una manera mejor. El lema aquí es: “hazlo y repite”. 

En contraste con un proceso tradicional de automatización, la IA se basa en el aprendizaje. El aspecto del aprendizaje es posible porque los algoritmos de inteligencia artificial son capaces de aprender de los datos históricos y actuales. Automáticamente generan nuevas formas de hacer las cosas, más rápidas y más eficaces. El resultado es, en el mejor de los casos, la automatización de principio a fin.

Para aprovechar todo el potencial de la IA, las organizaciones deben crear productos de datos que hagan sus procesos más inteligentes. Un producto de datos resuelve un caso de uso de negocio, combinando la tecnología de la nube (pública), la lógica empresarial desarrollada a medida y los datos. La relevancia de los datos en el negocio va más allá de tendencias de moda y manifiesta su potencial con modelos de negocio superiores que encontramos en nuestra vida diaria. Por ejemplo, Netflix, Uber, Facebook o Amazon, obtienen una ventaja competitiva significativa introduciendo modelos de negocio que les permiten convertirse en empresas guiadas por los datos (data-driven).

Nuevos modelos de negocio impulsados por los datos emergen en los neobanks (neobancos). Supongamos que se es cliente de N26, RevoluT or Openbank. En ese caso, podemos ver cómo datos financieros como nuestro saldo en cuenta o transacciones se actualizan en tiempo real y se puede obtener una respuesta rápida a las preguntas a través de un chat. 

Procesos inteligentes en un Neobank

Para ilustrar el valor de la IA, aplicaremos los principios de un Business Model Canvas (Osterwalder, AlexanderPigneur, Yves 2010) a un neobanco ficticio.

 

Socios clave

Los neobanco necesitan asociarse para acceder a recursos esenciales que no están disponibles dentro de la organización. Los primeros son los inversores, dispuestos a proporcionar recursos financieros para algo relativamente nuevo con un cierto nivel de riesgo. Los inversores pueden ser bancos, angel investors, aceleradoras… Además, es necesaria la asociación con organizaciones tecnológicas capaces de crear aplicaciones (de IA) que satisfagan las necesidades únicas de dicha empresa.  

Recursos clave

En el camino de ser un neobanco data-driven, se necesita la velocidad y flexibilidad de la nube para sobrevivir en el mundo de la regulación bancaria. Por ejemplo, N26 utiliza AWS como plataforma. Cuando un modelo de negocio está basado en procesos inteligentes, la consecuencia es que debe haber un equipo experto en datos. Esos expertos podrán, en la mayoría de las situaciones, obtener experiencia en DevOps, MLops y prácticas ágiles de expertos externos a la organización (Key Partenrs).

Propuesta de valor 

Una diferencia entre banca tradicional y neobancos es que los clientes hacen sus transacciones de forma gratuita en la plataforma. La propuesta de valor de los bancos digitales se basa, esencialmente, en las nuevas tecnologías y están libres de sistemas legacy que frenan la innovación. Esta transformación da lugar a servicios bancarios innovadores como el intercambio de criptomonedas, la gestión financiera personal, pagos entre particulares, mejora de créditos personales… 

Relación con clientes

El impacto de la IA puede ser enorme en la construcción de relaciones con clientes. Los bots están disponibles 24×7 utilizando la voz e interactuando con clientes, o a través de Alexa, Google Home o similares. En contraste con un chat tradicional basado en reglas, el cliente es capaz de tener interacciones significativas con una IA, que tiene además un dominio más amplio de temas. 

Otro campo interesantes es el de Natural Language Understanding (NLP). Mediante técnicas avanzadas es posible detectar sentimientos, entidades e intenciones en las llamadas a call centers. Los datos de voz se analizan, se realizan cambios y la calidad del servicio mejora con cada nueva interacción. A medida que avanza la interacción, el cliente se siente mejor comprendido. 

Canales

En un banco moderno, las redes sociales juegan un papel muy importante para llegar al público joven, por ejemplo que pueda estar interesado en abrir una nueva cuenta. Monitorizar las redes sociales e integrarlas con otros canales es de gran relevancia para garantizar la coherencia y la comunicación en tiempo real con los clientes: en cualquier momento y en cualquier lugar.

La IA lleva la comunicación omnicanal al siguiente nivel. Los flujos de noticias, las actualizaciones, la información apropiada o inapropiada en un momento concreto, se puede clasificar mediante aprendizaje automático. Los puntos de contacto relevantes con clientes, como Facebook, Twitter o Instagram, pueden unificarse en un panel de control y organizarse por prioridad. Por ejemplo, si un cliente tiene una queja online, un algoritmo ML (ver Launching workflows) puede supervisar y dirigir el caso al empleado de soporte disponible y con las mejores habilidades para manejar esa situación. 

Segmentos de usuarios

Hay segmentos obvios, como puedan ser jóvenes, nómadas digitales o early adopters. Sin embargo, mediante el uso de la IA se pueden encontrar segmentaciones ocultas más allá de la comprensión del marco tradicional de reglas, que muy a menudo puede parecer más comprensible para el ser humano pero también puede ser limitante.

Estructura de costes y flujos de ingresos

La inteligencia artificial puede ayudar a reducir costes automatizando la lectura de imágenes. No siempre se requiere el ojo humano para verificar correos electrónicos entrantes con imágenes, por ejemplo para verificar las fotos del móvil hechas por un cliente para una reclamación de seguros de viaje (un servicio adicional muy común en los neobanks). 

Por otro lado, la IA puede ayudar a ajustar el precio correcto de forma dinámica para un determinado cliente que podría pagar más por un servicio de seguro ampliable o un paquete premium personalizado. 

En definitiva, los neobanks están transformando la forma de hacer banca. Independientemente del sector, los productos de datos darán lugar a nuevas formas de crear experiencias para los clientes. Quizás la pregunta más adecuada no es si los productos de datos son importantes, sino cómo van a influir pronto en el negocio.

Imagen: Rawpixel

Author

  • Business Development Manager at Keepler. "I am a data enthusiast with business background. My lemma is business first, technology second."