A nivel global, las grandes empresas están rediseñando sus modelos operativos con Inteligencia Artificial, industrias tradicionales como la banca, salud, logística y manufactura, la están adoptando para automatizar procesos, predecir comportamientos de consumo y optimizar recursos.
En tanto, en Latinoamérica, Brasil, México, Colombia y Argentina lideran la adopción con iniciativas tanto privadas como públicas, enfocadas en la regulación y el desarrollo de talento. Y, en el caso de Chile, los sectores financiero, retail y minería han sido pioneros en la adopción de IA para el análisis predictivo, mantenimiento automatizado y personalización de servicios.
Es así como la llegada de la Inteligencia Artificial está transformando muchas industrias, y la Fintech, no es la excepción. Su uso en este sector permite crear productos altamente personalizados, que ofrecen la mejor experiencia al cliente, con los menores costos posibles, entre otros beneficios.
Así lo relató Tomás Bercovich, CEO de Global66, una de las fintech latinoamericana más grandes de transferencias internacionales y de origen chileno, en el último ChileDay realizado en Nueva York, instancia donde -entre otros temas- expuso algunos casos de uso que podrían mejorar la experiencia usuario en fintech y otros emprendimientos. Aquí algunas de las principales bajadas:
- Agente IA para consultas de clientes vía WhatsApp: Agente tipo chatbot que permite gestionar consultas de clientes por WhatsApp. Gracias a esto, logran identificar el tipo de usuario, saber cuándo derivar a contacto humano, interpretar imágenes y audio, además de sintetizar el contenido de la conversación para el equipo de Customer Experience (CX). “Esto nos ha permitido gestionar exitosamente un 85% de las consultas por WhatsApp y disminuir el backlog del equipo, para enfocar el trabajo humano en tareas de mayor valor como hacer gestión de venta”, sostuvo Bercovich.
- Agente IA para casos de “contact”: Gestión del sistema de correos recibidos en la casilla de “contact”, que permite clasificar, priorizar y asignar mensajes basándose en ciertas directrices, con el objetivo de optimizar la atención al cliente y el flujo de trabajo del equipo. “Ahora podemos gestionar más de 700 correos diarios, filtrarlos de SPAM, que son entre el 5-10% de todos los email, y asignarlos de forma automática a casos legales”, admite el CEO.
- Modelos de ML para prevención de fraude: La Fintech se encuentra en proceso de aplicar un modelo propietario de detección de fraude llamado Global Fraud Sentinel. Es un modelo reforzado de Machine Learning Supervisado que permite detectar cuentas fraudulentas, perfiles secuestrados, transacciones fraudulentas y automatizar casos de monitoreo externo. “Hoy, nuestra principal lucha está centrada en prevenir el fraude. Este modelo, permitirá bloquear cuentas comprometidas y rechazar transacciones fraudulentas en tiempo real, con un mínimo impacto en experiencia para el cliente, algunas bloqueadas incluso antes de que note que su cuenta está comprometida, y minimizando la pérdida económica”, concluye Bercovich.
Sobre el Autor(a)
