Las estafas relacionadas con transacciones financieras están a la orden del día. Sin embargo, muchas entidades no se han dado cuenta aún de que no se trata de un problema del área de riesgos o de fraude, sino del de experiencia de cliente.
Los consumidores están acostumbrados a las técnicas de marketing hiperpersonalizadas que les ofrecen apps de ocio o incluso de compras online, y esperan lo mismo de su banco. O, al menos, no entienden por qué su banco sigue anclado en comunicaciones del pasado.
Es fundamental entender qué hace cada cliente en cada momento y responder según el contexto en el que se encuentra, algo fácil de conseguir si somos capaces de analizar el comportamiento histórico y predecir lo que está pensando en hacer después. Y esto se puede conseguir en tiempo real y a escala, a partir del análisis de la inteligencia de los miles de datos e interacciones que recibe el banco por parte de sus clientes cada día.
Por tanto, las estafas representan una oportunidad de oro para las entidades que sepan aplicar un nivel adecuado de comprensión contextualizada con el objetivo de bloquear de forma proactiva o, si es preciso, advertir frente a transacciones sospechosas sin interrumpir la experiencia sin fisuras de una transacción legítima. El resultado es claro: mayor satisfacción del cliente, fidelidad a largo plazo y mayor valor para la entidad.
La inversión en tecnología necesaria para poder adoptar esta estrategia se puede, además, aprovechar también en otros ámbitos. Al fin y al cabo, se trata de analizar millones de datos y tomar decisiones basadas en el contexto y en tiempo real, por lo que puede aportar mucho valor en el negocio. Por ejemplo, colaborando y compartiendo análisis dentro de un sistema unificado de toma de decisiones inteligentes, se pueden resolver necesidades múltiples de los clientes que pueden impactar en el volumen del negocio. Pero las interacciones contextuales no ocurren por sí solas.
Forrester señala en su estudio “AI Decisioning Platforms Wave” que las “empresas necesitan una plataforma que les permita aprovechar, al mismo tiempo, el poder de la IA y la experiencia empresarial humana, bien probada y confiable”. En el mismo sentido, Gartner, en su “Market Guide for Decision Intelligence Platforms”, explica que "las plataformas de inteligencia de decisiones [denominadas en la guía como DIP] combinan modelos explícitos de decisiones, IA, analítica y capacidades relacionadas para respaldar, ampliar o automatizar la toma de decisiones, impulsando así los resultados empresariales".
Por todo ello, vemos cómo ya es una realidad que los bancos están apoyándose en la toma de decisiones basadas en IA para resolver problemas que van desde la detección o la intervención de estafas hasta los procesos solicitud online o la gestión de cobros. Pero, para conseguir sacar el mayor partido posible de esta inversión, es necesario contar con una plataforma que integre analítica avanzada, IA Responsable y capacidades para crear modelos que automaticen y optimicen los procesos de toma de decisiones.
Por tanto, es exigible a la hora de desplegar una plataforma de este tipo que cuente con capacidad de integración con otros sistemas ya existentes, como CRM o propios, que se puedan agregar o intercambiar de forma dinámica fuentes de datos o modelos desarrollados fuera de la plataforma y que se puedan crear y modificar activos como reglas y capacidades de simulación y optimización.
No en vano, según el estudio Total Economic Impact (TEI) de Forrester, las entidades que utilizan la plataforma FICO consiguieron una reducción del 20 % en transacciones fraudulentas, evitando más de 9.300 fraudes anuales, lo que significa una reducción de 6,3 millones de dólares en pérdidas por fraude en un período de tres años. Además, al mejorar la lógica de toma de decisiones y aumentar la frecuencia de iteraciones, los clientes de FICO lograron un aumento del 6 % en la aprobación de préstamos sin incrementar el riesgo, lo que generó 7,5 millones de dólares en ganancias anuales.
Estos aspectos son fundamentales no sólo para los analistas del negocio, sino también para usuarios no técnicos de la entidad, de forma que puedan crear, probar, simular y desplegar activos de decisión, desde flujos de datos y orquestación de procesos hasta modelos analíticos, conjuntos de reglas y estrategias de comunicación, sin necesidad de intervención por parte del equipo de tecnología.
Esto empodera a los equipos más cercanos a los clientes y a las condiciones del mercado para tomar el control de las decisiones, con visibilidad directa sobre los KPI y los resultados empresariales. Además, de esta forma se aumenta la agilidad, la capacidad de respuesta y la rapidez de comercialización con un enfoque centrado en el cliente y orientado a resultados.
Con una visibilidad integral del cliente y una visión holística de la experiencia y los resultados del negocio, las entidades pueden predecir con mayor precisión los comportamientos y tomar las mejores decisiones en cada momento.
El sueño de ofrecer tratamientos hiperpersonalizados se convierte en una realidad cuando se utilizan las mismas capacidades sobre una única plataforma para detectar fraudes, gestionar relaciones con clientes y captar nuevos clientes, entre otros casos de uso.