A medida que la IA se adentra más en la banca, las instituciones miran más allá de su novedad para asegurarse de que su inversión genere valor.
La integración de la inteligencia artificial en el sector financiero está superando la fase experimental a medida que la nueva tecnología se convierte en una piedra angular de las operaciones bancarias modernas. Tomemos como ejemplo el DBS Bank, cuyo antiguo CEO Piyush Gupta proclama que la IA es un «factor de cambio absoluto».
DBS ha desplegado más de 800 modelos de IA en 350 use cases, con una previsión de generar un impacto económico de más de 1.000 millones de dólares de Singapur (unos 778 millones de dólares) en 2025, lo que refleja una tendencia más amplia del sector. Los bancos están revolucionando todo, desde la tesorería y la gestión de efectivo hasta la detección de fraudes y los servicios de atención al cliente, impulsados por la promesa de la IA de aportar valor a la institución y a sus clientes.
Para dar respuesta a este enfoque estratégico surge Smartstream Air, una plataforma de software como servicio impulsada por IA lanzada en 2019, cuyo objetivo es ayudar a las instituciones financieras a obtener mejores conocimientos a partir de los datos y hacerlos procesables. La última versión de Air, la versión 9.0, presentada el año pasado, incluye los módulos Air Data y Air Cash. Estos ofrecen un procesamiento y una conciliación de datos escalables y potenciados por IA, fundamentales para gestionar volúmenes de datos crecientes, especialmente en transacciones de pago de bajo valor y alto volumen.
«Esto permite el análisis de diversos conjuntos de datos, mejorando la calidad de los datos y el matching», afirma el CEO de Smartstream, Akbar Jaffer. «Las aplicaciones abarcan desde dominios tradicionales como el efectivo y los valores hasta las necesidades empresariales generales».
La IA se está convirtiendo en una herramienta fundamental de procesamiento de datos, observa: «Cuando se ingieren los datos, nuestro motor de IA recomienda formas de mejorar y enriquecer su calidad. También ayuda a definir los criterios de matching. El motor de IA aprende de la actividad del usuario, identifica problemas recurrentes y ofrece sugerencias mientras supervisa las discrepancias».
