Nuestros sitios
Ver edición digital Título de la edición actual
Compartir

Ponerse al día impulsando el valor de la IA

Thomas H. Davenport, Randy Bean 12 Ene 2022
Ponerse al día impulsando el valor de la IA

Algunas organizaciones pueden sentir que adquirir capacidades de IA es una carrera, y si una empresa comienza tarde, nunca podrá […]


Algunas organizaciones pueden sentir que adquirir capacidades de IA es una carrera, y si una empresa comienza tarde, nunca podrá ponerse al día.

Scotiabank (oficialmente el Banco de Nueva Escocia) desmiente esa noción, que ha seguido un enfoque de la inteligencia artificial orientado a los resultados durante los últimos dos años. Si bien algunos de sus recursos están dedicados a explorar cómo las nuevas tecnologías, incluidas la cadena de bloques y la computación cuántica, podrían impulsar nuevos modelos y productos comerciales, la gran mayoría de su trabajo de datos e IA se centra en mejorar las operaciones hoy en lugar de incubar para el futuro.

Como resultado, Scotiabank, uno de los Cinco Grandes bancos con sede en Canadá, ha alcanzado a los competidores en algunas áreas cruciales. Lo ha hecho integrando más estrechamente su trabajo de datos y análisis; adoptar un enfoque pragmático de la IA; y centrarse en conjuntos de datos reutilizables, que ayudan tanto con la velocidad como con el retorno de la inversión.

Primer paso: una nueva estructura organizativa

Si bien algunos de los competidores de Scotiabank hicieron movimientos tempranos para desarrollar o adquirir capacidades de inteligencia artificial, Scotiabank, según admitió, tuvo un comienzo lento en comparación. Estuvo involucrado en una transformación digital a gran escala y tuvo algunos comienzos en falso en el camino. A mediados de 2019, Brian Porter, director ejecutivo del banco, sintió que era importante realizar correctamente los análisis.

Una nueva estructura de equipo centrada en los conocimientos, datos y análisis de los clientes (CID&A) sería fundamental para la tarea. Porter nombró a Phil Thomas como vicepresidente ejecutivo de CID&A, y el director de análisis y el director de datos del banco le reportaron a él. Se agregó un CIO dedicado para respaldar la función.

Según todos los informes, esta estructura integrada de informes es lo que permitió a Scotiabank moverse rápidamente para recopilar y administrar los datos necesarios y poner en práctica las capacidades de inteligencia artificial y análisis. Como nos dijo un ejecutivo, “Nuestros incentivos, liderazgo y personalidades están todos alineados, no hay fricción ni bloqueo”.

Por ejemplo, mientras que la mayoría de los científicos de datos están integrados en diferentes partes del negocio, la función de análisis e inteligencia artificial está centralizada. Como resultado, los líderes empresariales impulsan la agenda para la cual se desarrollan casos de uso de análisis e inteligencia artificial dentro de sus negocios, trabajando a través de una unidad que es el núcleo del negocio. “La digitalización ha hecho que todo el banco sea visible en datos y análisis, y la gente de IA ahora es parte de las nuevas líneas de frente”, dijo Grace Lee, quien fue directora de análisis hasta octubre de 2021. (Lee asumió el liderazgo de CID&A en octubre, con Thomas ascendiendo a director de riesgos, un rol que incluye la supervisión de CID&A).

Un enfoque altamente pragmático de la IA

En 2019, Porter y Thomas decidieron que el enfoque principal de la actividad de inteligencia artificial y análisis del banco deberían ser los clientes, de ahí la etiqueta “perspectivas, datos y análisis del cliente”. Thomas, Lee y sus colegas sintieron que mejorar los procesos y tomar mejores decisiones dentro del banco era la mejor manera de alcanzar y superar a los competidores.

Thomas sintió que, dado el comienzo relativamente tardío del banco, era necesario un enfoque de la IA orientado a los resultados. Es por eso que no hay proyectos de “gran explosión”, y hay poca experimentación o investigación pura. En cambio, los casos de uso clave del banco se centran en la mejora continua de sus operaciones y relaciones con los clientes. Lee nos dijo que, como resultado, la mayoría de los proyectos de IA se implementan en producción, con aproximadamente el 80 % de los modelos analíticos y de IA de Scotiabank ya implementados y el otro 20 % pendiente.

Si bien muchos bancos se enfocan en sus clientes más ricos, Scotiabank decidió que durante la pandemia de COVID-19, intentaría encontrar a los clientes (primero consumidores individuales y luego pequeñas empresas) que más necesitaban su ayuda. La aplicación de análisis utiliza un modelo de aprendizaje automático, llamado Índice de vulnerabilidad del cliente, para identificar a los consumidores que probablemente tengan problemas de flujo de efectivo a corto plazo, utilizando datos transaccionales como depósitos y niveles de gasto. Los gerentes de relaciones se acercan de manera proactiva a aquellos que se encuentran más vulnerables, quienes pueden discutir opciones como aplazamientos de pago de hipotecas o préstamos a corto plazo.

También en el frente del cliente, Scotiabank introdujo recientemente una herramienta de marketing y participación impulsada por IA que analiza tanto los eventos de la vida del cliente que el banco conoce (como una nueva hipoteca, un nuevo hijo o un hijo en la universidad) como las preferencias del cliente para canales particulares. (ya sea en sucursales, móvil, online, call center o email) para ofrecer un asesoramiento bancario personalizado y en el canal que el cliente prefiera.

Aunque el enfoque principal de IA del banco está en los clientes, también tiene casos de uso en otras áreas. Ha obtenido beneficios sustanciales de la automatización de tareas en el back office de su división de marketing bancario global y de la mejora de la seguridad en primera línea. También ha mejorado las respuestas del centro de llamadas al reducir el tiempo de búsqueda de información en más de un minuto por llamada.

Cambios ‘RAD-ical’ en la provisión de datos

La función de gestión de datos en Scotiabank, encabezada por Peter Serenita como director de datos, también realizó cambios. El objetivo era proporcionar datos más rápidamente para análisis y casos de uso de IA, y sin los datos, los modelos no serían posibles. Antes de la reestructuración de CID&A de 2019, la estrategia de datos del banco se había centrado principalmente en la defensa, un enfoque de “proteger al banco” que enfatizaba el cumplimiento normativo, la información financiera y la gestión de riesgos.

Con el enfoque adicional en los conocimientos del cliente y la rápida realización de valor, la función de datos desarrolló un nuevo enfoque para la entrega de datos que denominó RAD, abreviatura de conjunto de datos autorizados reutilizables. Identificó conjuntos de datos reutilizables para datos de clientes, datos transaccionales, datos de saldos, etc. Cada RAD se clasificó como que requería un nivel diferente de controles según los casos de uso que admitía. El Nivel 1, el nivel más alto de controles, era para casos de uso que involucraban informes externos regulatorios; Modelos involucrados de nivel 2 para clientes; y el Nivel 3 era para modelos internos.

Hubo un fuerte enfoque en la reutilización de conjuntos de datos, nos dijo Serenita, por lo que esperaba que todos los RAD eventualmente estuvieran en el Nivel 1. Pero el enfoque por niveles significaba que los conjuntos de datos que inicialmente no necesitaban el nivel más alto de controles podrían ser aprovisionados. más rápido. Serenita dijo que siempre le había resultado difícil producir un alto ROI en proyectos de datos, pero ahora son comunes en Scotiabank.

La experiencia de Scotiabank proporciona evidencia de que las organizaciones que comienzan tarde con la IA pueden alcanzar y quizás superar a los competidores que comenzaron antes con la tecnología. La estrategia de IA de la empresa garantiza que las iniciativas de IA proporcionen valor al negocio y que la gran mayoría de ellas se implementen en producción. Esta estrategia también hace hincapié en mejorar las operaciones existentes y facilitar relaciones más cercanas con los clientes. La claridad de los objetivos de Scotiabank, por supuesto, hace que sea mucho más probable que se logren.

Te puede interesar: https://mitsloanreview.mx/data-ia-machine-learning/inteligencia-artificial-la-diferencia-entre-lo-que-debe-y-puede-hacer/

Fecha original de publicación: 29 Dec. 2021

Descarga GRATIS nuestro especial
descargable
Descarga AQUÍ el artículo completo El negocio de hacer el bien ¡Descárgalo GRATIS!