Aditi Subbarao, Global Financial Services Lead en INSTABASE, en AI for Financial Services NYC - Adopción de GenAI en la originación de préstamos

Aditi Subara, responsable de servicios financieros en Instabase, recurre a un pequeño cuestionario para comparar las contribuciones científicas de Michael Faraday con la influyente aplicación tecnológica de Elon Musk. Esto pone de relieve el objetivo de convertir el potencial AIen un valor empresarial tangible para los servicios financieros, de forma similar al impacto que ha tenido Musk con Tesla.

Instabase ayuda a las organizaciones a convertir data no estructurados data información útil, resolviendo así el problema de la dispersión de data. AI, al igual que un motor eléctrico, depende de data. La mayor parte de data empresariales data datos no estructurados. Los primeros pasos AI los servicios financieros se centraron en la optimización de procesos, automatizando tareas que antes realizaban personas. Inicialmente, AI data documentos, pero AI generativa AI integra y analiza data múltiples documentos. Esto se ejemplifica en la concesión de préstamos, donde AI data nóminas, extractos bancarios y cartas de empleo para determinar los ingresos del solicitante.

El potencial AIva más allá del procesamiento de documentos y abarca la creación de visiones globales mediante la integración data tanto internos como externos. Esta nueva fase tiene como objetivo la toma de decisiones automatizada con medidas de seguridad. Las organizaciones disponen de amplias data y numerosas AI potenciales AI , centrándose en áreas de gran impacto en las que se dedica la mayor parte del tiempo al data . Se esboza un marco basado en tres pilares: data operativos, data específicos y la búsqueda de conocimientos, lo que ayuda a identificar de forma sistemática AI en todas las funciones de la organización.

La automatización data y estructuración data a partir de diversos documentos mejora la eficiencia en procesos como la concesión de préstamos. AI crear chatbots para consultar conjuntos de datos estáticos, como directrices de suscripción o políticas de gastos, lo que demuestra su flexibilidad. Avances como ChatGPT permiten AI con data, responder a consultas complejas y ofrecer información más detallada, mejorando así data . AI eficaces requieren la integración de modelos lingüísticos con capacidad de interpretación visual y de maquetación para gestionar data empresariales complejos.

Estos aspectos son fundamentales para garantizar AI y la fiabilidad AI . AI deben someterse a un proceso de verificación y estar dotados de índices de confianza y mecanismos de revisión humana. No todas las tareas requieren AI sofisticadas AI , por lo que las organizaciones deben decidir dónde aplicar AI en los beneficios y los riesgos, evitando una dependencia excesiva de los grandes modelos de lenguaje. La aplicación AI identificar los casos de uso adecuados, aplicar sistemáticamente AI las funciones operativas, de consulta y de gestión del conocimiento, y garantizar unas pruebas exhaustivas y una gobernanza adecuada.

Las capacidades AIen la tramitación de préstamos incluyen data automatizada data de documentos complejos, transformándolos en data estructurados data sistemas posteriores, como los sistemas de tramitación de préstamos, los motores de fijación de precios o los sistemas de gestión de riesgos. Un ejemplo de Instabase durante la pandemia de COVID-19 ilustra esto: un banco estadounidense se enfrentó a un aumento repentino de solicitudes de préstamos a través del programa de préstamos PPP y utilizó Instabase para crear una solución en seis días, aumentando la capacidad de procesamiento de 10 000 préstamos al día a 10 000 préstamos por hora, lo que demuestra el potencial AIpara aumentar significativamente la productividad en los procesos operativos.

Creación de chatbots específicos para funciones concretas dentro de una organización, como la consulta de directrices de suscripción. Los chatbots gestionan data fijos y ofrecen respuestas precisas. Con AI conversacional, AI pueden interactuar con data, formular preguntas sobre documentos o conjuntos de datos concretos y recibir respuestas detalladas y contextualizadas.

Para validar AI , es imprescindible contar con un marco de gobernanza sólido, políticas data y protocolos de prueba rigurosos. Las organizaciones deben garantizar que AI sean precisos, transparentes y responsables, y que sean capaces de explicar su funcionamiento y de rastrear data y los cálculos.

La aplicación estratégica de AI una selección cuidadosa de los casos de uso, AI diferentes funciones de la organización y la garantía de unas pruebas exhaustivas y una gobernanza adecuada. Al centrarse en las áreas con mayor impacto empresarial, aprovechar AI mejorar la eficiencia operativa y data específicas, e integrar marcos de gobernanza sólidos, las organizaciones pueden aprovechar todo el potencial AI.