Procesamiento del lenguaje natural en el mundo Fintech

La tecnología en el espacio bancario y financiero nos ha proporcionado algunos de los ejemplos optimistas de tecnologías en evolución que se están adoptando en la industria financiera y siempre ha sido una de las primeras en adoptar tecnologías emergentes y disruptivas.

Recientemente, las mejoras en la Inteligencia Artificial nos acercan a la época en la que no haremos una distinción entre la forma en que las personas hablan y la forma en que las máquinas la interpretan y entienden.

Si está buscando integrar el procesamiento de aprendizaje natural (PNL) en su servicio, aquí hay algunas ideas sobre cómo usar el software de programación de lenguaje natural convencional con ahorros anticipados comprobados hoy, qué puede hacer mañana y cómo aprovechar herramientas de próxima generación. antes que sus competidores.

Una descripción general: impacto del procesamiento del lenguaje natural en Finance World

¿Qué quieren los clientes hoy de sus instituciones financieras como bancos, compañías de seguros o cooperativas de crédito? Transacciones en tiempo real, administración supervisada de sus activos y la oportunidad de resolver cualquier problema en línea y rápidamente.

Para que esto suceda, los servicios financieros deben contar con tecnologías de punta que demuestren velocidad, inteligencia y autonomía.

La inteligencia artificial, que convierte las máquinas en entidades similares a los humanos, las hace realizar las mismas tareas que las personas, mejor y más rápido. Esto se logra a través de un complejo de herramientas y soluciones tecnológicas que están principalmente dotadas de sus principales subdominios: el aprendizaje automático y el procesamiento del lenguaje natural.

El aprendizaje automático permite que los sistemas aprendan de la “experiencia”, es decir, los datos entrantes, y tomen decisiones basadas en datos. El procesamiento del lenguaje natural se entrena de la misma manera que otros sistemas, pero tiene un objetivo específico: debe entrenar máquinas para interpretar el habla humana tanto como es hablada (habla automatizada) como escrita (escritura automatizada de texto).

El procesamiento del lenguaje natural en Fintech (como en cualquier otro sector), tiene 2 casos de uso principales:

• Comprender el habla humana y extraer su significado. Reconozca la intención y dé una respuesta relevante (solicitud de ayuda, aprobación de un reclamo, etc.).
• Convierta datos no estructurados en bases de datos y documentos en datos estructurados y extraiga información procesable a través del reconocimiento de patrones (minería de texto).

Procesamiento del lenguaje natural en fintech: casos de uso de hoy y del mañana

Podemos destacar algunos casos de uso en los que la IA y la PNL están influyendo en el mundo FinTech:

• Convirtiendo chatbots en asistentes y asesores virtuales
• Enriqueciéndolos con análisis de datos avanzados
• Haciendo que la comunicación con ellos sea indistinguible de la comunicación humana.
• Uso de NLP para la detección de fraudes
• Segmente a los clientes en grupos y mejore las ofertas de productos relevantes
• Reduzca el trabajo administrativo y automatice tareas separadas y dominios completos

Áreas donde se puede aplicar:

Servicio al Cliente

La “banca conversacional” es un fenómeno nuevo y representa un cambio radical de simples bots de chat a asistentes digitales completos. Las empresas de PNL les brindan una funcionalidad que ayuda a traducir las consultas de los usuarios en información que se puede utilizar para obtener respuestas adecuadas.

Lo que usan sus competidores hoy: el bot de chat 24/7 que simplifica la comunicación entre un banco y su cliente, brinda soporte basado en scripts para problemas triviales y resuelve rápidamente quejas simples.

Cómo diferenciar tu negocio de ellos: Invierte en asistentes virtuales con capacidades avanzadas, capaces de procesar el contexto, analizar la opinión del texto y realizar análisis predictivos.

• Asesoramiento a los consumidores sobre la gestión de cuentas bancarias
• Active una alerta cuando se acerque al límite de gasto
• Marcar pagos en caso de detección de anomalías

Estas características son características del bot “Erica”, y su éxito ha sido increíble: el asistente virtual impulsado por IA ayudó a Bank of America a atraer a más de 1 millón de nuevos usuarios en menos de 2 meses después del lanzamiento del bot en 2017.

Otra tendencia emergente a tener en cuenta es la investigación de huellas dactilares de voz y la biometría de voz, que se utilizan para autenticar a un usuario, ayudar a completar una transacción y prevenir actividades fraudulentas.

Qué sigue: La evolución de los algoritmos de aprendizaje automático y las redes neuronales profundas en particular pronto permitirá la creación de asistentes virtuales capaces de:

• Mantener una comunicación semánticamente coherente
• Construyendo un modelo de conversación neuronal basado en personas
• Varias reacciones en diálogo con un cliente.

InsurTech

Los agentes digitales avanzados y el servicio al cliente basado en el procesamiento del lenguaje natural es la próxima gran novedad en el mercado global de seguros.

Lo que usan sus competidores hoy: un bot de chat basado en reglas predefinidas para seleccionar un perfil de riesgo, capaz de:

• Selección automática de productos de seguros
• Automatización de suscripción: un usuario envía una solicitud en línea para un reclamo de seguro, recibe una decisión y se adjunta una tasa de interés.
• Presentación de reclamaciones, respondiendo preguntas estándar de seguimiento.

Cómo diferenciar su negocio de ellos: una vez que decida integrar un bot de chat y recurrir a una empresa de desarrollo de software FinTech, piense en agregar funciones avanzadas como:

• Aprobación de reclamo simple. Un chatbot de IA, desarrollado por una compañía de seguros con sede en Nueva York llamada Lemonade, tardó 3 segundos en resolver un simple reclamo de seguro. Como menciona Daniel Schreiber, CEO de la startup, estos chatbots permiten reducir drásticamente los costos, de lo contrario, “11-13% de las primas son consumidas por la burocracia de manejo de siniestros”.
• Algoritmos antifraude. En este caso, un chatbot pasa los detalles del reclamo a través de un algoritmo de detección de fraude antes de pagar la liquidación del reclamo. Por ejemplo, puede detectar vínculos personales entre personas involucradas en un reclamo y marcarlo para un examen más detallado si es necesario.

Qué sigue: similar al servicio al cliente, un chatbot en InsurTech se está convirtiendo en un asistente virtual, que puede realizar:

• Puntaje y perfil de riesgo personalizado
• Procesamiento en tiempo real de reclamaciones y cálculos complejos.
• Recuperación segura de información personal.

RegTech

RegTech es un segmento emergente de FinTech, donde se utilizan nuevas tecnologías para facilitar el cumplimiento de los requisitos reglamentarios.

La industria de servicios financieros es una de las más reguladas y las instituciones financieras necesitan miles de horas de trabajo mundano para garantizar el cumplimiento de los estándares cambiantes y en evolución. Si falta algo, una empresa pagará multas increíbles, sin mencionar el daño a la reputación.

No es de extrañar que la demanda de nuevas tecnologías en este sector esté creciendo, y la PNL encabeza la lista: el 11% de las instituciones que trabajan en Riesgo Financiero, FCRM y GRC, utilizan procesamiento de lenguaje natural. como componente central de sus aplicaciones.

Ya existen algunos ejemplos positivos en el mercado. Por ejemplo, Rabobank, un banco holandés, y su equipo de Cumplimiento implementaron una plataforma de ingesta y búsqueda, donde los datos estructurados y no estructurados se indexan y se pueden buscar automáticamente. El resultado es una reducción en las verificaciones de cumplimiento de 15 a casi 3 minutos.

Lo que sus competidores están usando hoy: soluciones de inteligencia artificial y procesamiento de lenguaje natural, agilizar la revisión de nuevos documentos regulatorios, resaltar las obligaciones requeridas, validar las decisiones de la oficina central en tiempo real, garantizar BSA / cumplimiento AML y un número creciente de estándares de la industria. , como MiFID II / MiFIR / EMIR.

Cómo diferenciar a su empresa de ellos: La próxima generación de instrumentos de inteligencia artificial con funciones integradas de PNL ofrece:

• Revisión del contrato. El programa COIN (Contrato + Investigación) de JP Morgan tardó unos segundos en realizar una revisión de documentos a gran escala, lo que requirió 360.000 horas de trabajo de rutina; suena bastante atractivo, ¿no?
• Investigaciones regulatorias. La detección de posibles violaciones contra el lavado de dinero (AML) y el financiamiento del terrorismo (CFT) requiere herramientas avanzadas de análisis de datos con tecnología de inteligencia artificial (NLP / ML) para detectar redes de transacciones relacionadas e identificar comportamientos anormales.

RegTech se está desarrollando a una velocidad increíble, sin signos de desaceleración (los especialistas incluso lo llaman el Año 2020 de RegTech). ¿Qué significa para los profesionales de TI?

• Trabajando en análisis interinstitucional y jurisdiccional. Pronto veremos a RegTech crecer desde un segmento menor del mercado de servicios financieros a un dominio separado. Parecerá un marco de información, con obligaciones contextualizadas, definiciones precisas y requisitos de datos claros. La inteligencia artificial, y la PNL en particular, serán la fuerza impulsora detrás de este proceso; por eso es fundamental prepararse para el futuro de RegTech ahora, con sus soluciones de diligencia debida, funcionalidad sólida de gestión de casos, informes regulatorios automatizados y la capacidad de compartir información a través de múltiples canales.

Para concluir, no es la lista completa de casos de uso de procesamiento del lenguaje natural aplicados al mundo FinTech. Comercio, financiación colectiva, financiación P2P: estas son solo algunas de las áreas que pueden beneficiarse del procesamiento del lenguaje natural.