Para hablar sobre esto tenemos que pensar en los tipos y aplicaciones de los algoritmos de machine learning, clasificar, predecir, agrupar, visión, etc.
El principal uso en el que pienso es en usar algoritmos de clasificación para clasificar al cliente que pide un préstamo, para saber si es conveniente hacer un préstamo y el riesgo que puede conllevar. Pero nace otra duda ¿Cómo armo el modelo? Es necesario elegir las variables indicadas y sus pesos probabilísticos, ¿La antigüedad laboral, la renta, la edad son variables que debemos considerar? A nuestro favor contamos con algoritmos como PCA, Rasso o Ridge para llevar a cabo esta tarea y de este modo armar modelos eficientes.
.
.
Perfecto, ahora saben que variables se utilizaran, pero ¿En qué grupos clasificaran a los clientes? Esta es una tarea que se la pueden delegar a la inteligencia artificial y apoyarse en algoritmos como k-mean o mean-shift para detectar patrones que, nosotros como humanos, no somos capaces de percibir. Hacer uso de estos algoritmos tiene una gran ventaja ya que, pertenecen a los algoritmos de machine learning no supervisados esto quiere decir que, no necesitan datos etiquetados lo que se traduce en una ventaja para cualquier ente financiero.
.
¿Qué hay para aquellos prestamos que son para un proyecto? ¿Pueden usar la inteligencia artificial para determinar el éxito de un proyecto? Claro que sí, pueden usar algoritmos de regresión o arboles de decisión, en base a data histórica de otros proyectos, para obtener una probabilidad de éxito de un royecto, saber si es rentable o no, si cuenta con un equipo directivo consolidado. (agregar valuación de empresa)
.
.
Las raíces de la predicción pueden ir mas profundo aun, pueden usar su base de datos de clientes categorizados para predecir cual es el mejor momento para ofrecer un préstamo, cuando un cliente cambiará de servicio financiero, cuales es la probabilidad de que se declare en quiebra e incluso en qué periodo el cliente perderá su fuente laboral.
En efecto hay muchas circunstancias en las cuales se puede aplicar la IA en tales procesos. Como punto de partida debemos tomar la definición misma de inteligencia artificial, pues hoy en día es un concepto tan transversal como confuso. John McCarty, desarrollador del lenguaje Lisp y merecedor al premio Turing acuño el termino y se reduce a: “software que puede resolver problemas por sí mismo”.
.
.
En esa medida, las instituciones financieras deberían aplicar IA en cada paso del proceso de asignación de préstamos. Una de las principales herramientas dentro del campo de la IA es el machine learning, que hace referencia a algoritmos que aprenden de los datos. Con tales algoritmos se puede clasificar grupos de usuarios y predecir comportamientos futuros.
.
.
Desde el proceso de incorporación a la institución financiera se pueden aplicar dichos algoritmos como por ejemplo en la interpretación de lenguaje natural para determinar perfiles de personalidad y predecir patrones de uso del préstamo. Después de aprobar el cliente, se pueden realizar análisis de sentimientos y con base en ellos enviar promociones o definir extensiones de plazos… o predecir impagos.
La IA ha llegado al mundo corporativo para quedarse y comienza a ser un factor decisivo en la supervivencia y crecimiento de las instituciones que la emplean, ya que, será una ventaja competitiva frente al resto de instituciones, la inteligencia artificial tiene alcances que van más allá de la automatización de procesos, con el desarrollo del Deep learning y algoritmos no supervisados la posibilidades son ilimitadas, seria interesante plantear como podríamos usar redes neuronales para descubrir nuevos usos aplicados a todo el mundo financiero. Es un área en desarrollo que promete muchísimo más.
