La inteligencia artificial ha sido parte del panorama de crédito durante algún tiempo, pero se espera que la IA generada cambie por completo el juego. Desde chatbots ubicuos hasta puntajes de crédito mejorados hasta programas de lealtad personalizados, AI ha recibido capacitación en todos los aspectos de la industria crediticia.
existir De la exageración al impacto: cómo la IA cambia el créditoUn nuevo informe de Javelin Strategy & Research Ben Danner, analista senior, crédito y negocios, estudia qué cambios están sucediendo en la tienda del emisor. “La IA generada está cambiando la forma en que las instituciones financieras analizan los datos y están simplificando las operaciones de servicio al cliente”, dijo Dana. “Pero también conlleva muchos riesgos”.
Casos de uso existentes
El ejemplo más obvio de IA es los chatbots ahora, y a medida que se expanden las capacidades de IA, podemos esperar que se vuelva más inteligente. En lugar del chatbot básico que se le envió a través de una lista de enlaces o una lista de casilla de verificación jerárquica, el BOT mejorado utiliza el procesamiento del lenguaje natural para tener una respuesta más inteligente y humana. La inteligencia mejorada presenta algunos desafíos, que muestra un chatbot sin restricciones y les dice a los clientes todo tipo de cosas raras.
En el puntaje de crédito y el espacio de decisión, la IA se ha utilizado durante algún tiempo para trabajar a través de datos no estructurados. La generación de IA puede generar nuevos patrones de información basados en el contenido aprendido. Sin embargo, existen barreras regulatorias potenciales que limitan cómo se utilizan estos datos para la puntuación y la toma de decisiones. Los puntajes de crédito están estrictamente regulados, se han utilizado varias leyes en los libros durante años y no han alcanzado algunos avances en la tecnología de IA.
Empresas como FICO dicen que ahora no usan IA en sus puntajes de crédito. Pero otras compañías que proporcionan datos a FICO están aprovechando la tecnología de IA. Lo están utilizando para analizar datos no estructurados, como las redes sociales, los correos electrónicos e incluso las declaraciones de impuestos y los contratos de arrendamiento.
“Por ejemplo, puede aparecer un contrato de arrendamiento o una factura en un PDF”, dijo Danner. “Pero si necesita dárselo a su agencia de crédito, una persona tendrá que sentarse allí y navegar por el archivo, buscar lo que debe y pagar a tiempo, y todo eso. La IA puede mirar esas facturas no estructuradas, armar todos los datos y desarrollar ese perfil para usted”.
Los datos no estructurados tienen muchos usos prometedores para evaluar el crédito. Sin embargo, los problemas regulatorios limitan su uso cuando se trata de construir puntajes de crédito.
Problemas a resolver
Como tecnología cambiante, la IA todavía tiene varios enredos para resolver. Hasta ahora, todos están familiarizados con los problemas de la IA en términos de alucinaciones.
“Usé ChatGPT esta mañana cuando intentaba analizar un cierto cuadro”, dijo Danner. “Le pedí que volviera a escupir tres oraciones para ilustrar el contenido de este gráfico, lo que me dio un número de retorno incorrecto. Creo que explicó 8 en uno de los cuadros para 8 de 6 y envió datos completamente equivocados, pero lo defendió como la pregunta correcta. Fue un problema lo que molestó los datos”.
Otro problema es la transparencia del modelo. La inteligencia artificial tiende a ser cajas negras, lo que explica cómo algunos algoritmos hacen que sus decisiones sean difíciles de lograr. Los reguladores de crédito deben saber cómo el modelo propone sus decisiones.
“Si no puede explicarme el resultado, no podremos usarlo”, dijo Danner. “Eso es lo que todas las compañías de IA están tratando de descubrir. Es por eso que toda la verticalización de la IA y usa sus propios datos internamente para que puedan interpretar completamente sus propios modelos. No solo salen y obtienen datos de todas partes”.
Finalmente, hay un sesgo algorítmico. El entrenamiento del algoritmo de los datos recopilados por humanos introducirá sesgos que se reflejarán en la producción del algoritmo. Un estudio de la Universidad de Lehigh examinó las disparidades raciales en modelos de idiomas grandes y descubrió que estas disparidades persisten en la suscripción hipotecaria.
“Esto hace que estas desigualdad social existan”, dijo Danner. “La industria bancaria ha estado tratando de corregir estos errores, especialmente en crédito. Estos son los problemas que deben abordarse antes de una aplicación más amplia”.
Lealtad y recompensas personalizadas
Las compañías de tarjetas de crédito también están comenzando a incluir IA en sus programas de recompensas. Gran parte de los datos que usan provienen de transacciones. Cada vez que un comprador desliza una tarjeta de crédito, el emisor recopila esos datos y luego los usa para proporcionar diferentes recompensas comerciales.
Por ejemplo, Chase tiene una plataforma que proporciona Chase integrada en su aplicación móvil. Cada deslizamiento crea otro gran historial de transacciones. La IA tiene grandes conjuntos de datos como este, miles de transacciones, y los personaliza como una sola persona.
“Supongamos que sé que a Ben le gusta comprar café por la mañana a las 8 a.m.”, dijo Danner. “¿Le daríamos algún tipo de oferta a las 7:45? Si tuviera que hacer eso, tendría que contratar a un grupo de personas para sentarse allí y resolverla. Ahora, podemos analizar todos los datos de transacciones. Esta es la oportunidad para los emisores. Hay millones de puntos de datos en la historia, pero no hay una buena manera de analizar o aprovechar esa información”.
Siguiente paso
Los nuevos modelos de carritos de compras proxy AI harán que el mundo sea más complejo. Pronto tendremos un agente de IA que pague en nombre de nuestros clientes. Por ejemplo, los consumidores eventualmente descubrirán cómo usar el sistema para encontrar el mejor trato para los hoteles, pero los emisores también lo usarán para obtener más uso de sus titulares de tarjetas.
“Visa nos dio algunas pistas sobre cómo funcionan su análisis de IA”, dijo Danner. “Mostraron una foto de un teléfono con alguien que le preguntó a un hotel y me dijo ‘¿Me pueden encontrar el mejor hotel de la zona?’ Regresó y dijo ‘Por supuesto, ¿quieres agregar la tarjeta a esto?’ ”
