Ya no es novedad decir que la pandemia aceleró transformaciones digitales en las compañías. Incluso ahora el mercado financiero incorporó herramientas como la inteligencia artificial para sus operaciones.

Los beneficios de la automatización son la disminución de los errores humanos, más eficiencia y, a largo plazo, el ahorro de costos.

A pesar de que el negocio es pequeño en la Argentina, se encuentra en desarrollo, y cada vez son más los brókers y jugadores del sistema que apuestan a sumar machine learning, inteligencia artificial y bots para la relación con los clientes y para el día a día puertas adentro de las compañías.

En un mercado volátil, el análisis más preciso que pueden realizar estas tecnologías facilita el trabajo y genera una mayor fidelización frente a la cartera de clientes.

Casos de implementación

Las tecnologías como la inteligencia artificial y el machine learning se utiliza cada vez más en las empresas, sobre todo en el segmento del mercado de capitales.

Uno de los casos de implementación exitosa es la fintech Quiena. Esta compañía cuenta con su propio robot que asesora a los inversores sobre cuál es el producto indicado para cada perfil, de acuerdo con el rendimiento que posea. Según afirma la empresa fundada por Nicolás Galarza: “Este sistema robótico, que está ganando adeptos en todo el mundo, arma una cartera bien diversificada donde el nivel de riesgo asumido dependerá de cada inversor”.

Según Galarza, todavía existe mucho potencial de automatización en la Argentina, incluso a pesar de que se trata de un mercado financiero muy pequeño y poco desarrollado.

También existen inversiones que agilizan los procesos pero que son más simples y menos costosas. Un ejemplo de ello son los bots, que ya están desarrollados en los bancos tradicionales y que las fintechs están utilizando hace mucho para brindar una respuesta rápida a sus usuarios. Les evita a los clientes tener que llamar o acudir personalmente a una sucursal para resolver un problema.

De esta manera, la atención vía WhatsApp, con un bot detrás de cada chat, se convirtió en una herramienta relevante para las empresas financieras con un gran volumen de clientes. “Esto nos hace bajar los costos muchísimo”, explicó Galarza sobre un resultado que se observa casi de inmediato.

Utilidad para tomar decisiones

Paul Detry, CTO de Balanz, reconoció que el mercado pequeño es una traba en la búsqueda de esos grandes volúmenes de datos que requieren las tecnologías de IA. “La Argentina tiene la limitación de que estadísticamente hablando nos falta escala, pero hay que trabajar más”, sostuvo sobre esta cuestión.

En Balanz sirvió para encontrar tendencias en cuanto al comportamiento de los clientes. “Entendimos cuánto tardan en fondear la cuenta, cuánto tardan en hacer la primera operación, cuál es el punto de contacto, cómo se correlaciona con la edad, entre otras cosas que probamos”, enumeró Detry sobre el uso que se le da. De esta manera, el área de tecnología dentro de la empresa creció notablemente, y hoy el 10% de la dotación se dedica a este segmento.

Otra de las fintechs que aplican herramientas de IA y machine learning es Banza. Con estas herramientas lanzó hace seis meses el módulo de ahorro, que automatiza las inversiones de las personas en una cartera recomendada en función del objetivo de ahorro que el cliente pone, ya sea con una fecha o con un monto específico al que busca llegar. Así, la cartera se distribuye y rebalancea de manera automática según el rendimiento a través de machine learning.

Este tipo de herramientas comienzan a verse cada vez más y no pasará mucho tiempo para que nos acostumbremos a pensar cómo pudimos trabajar sin ellas.

Leer nota completa aquí