En su libro, AI Superpowers, Kai-Fu Lee habla sobre cómo China y los EE. UU. están luchando por la supremacía global utilizando la IA (Inteligencia Artificial) como arma principal. Lee sabe mucho sobre tecnología e IA, es científico de la computación, trabajó en Apple, Microsoft y fue presidente de Google China y fundó Sinovation Ventures, un VC enfocado en la IA.
Según Lee, la IA se basa en tres pilares: conocimiento, potencia de cómputo y datos.
El conocimiento solía ser el componente clave que históricamente le dió ventaja a los EE. UU. Tener los mejores ingenieros y científicos de datos de todo el mundo trabajando para empresas estadounidenses les daba la ventaja. Pero a medida que el conocimiento crece, tiende a convertirse en un commodity.
La potencia de cómputo se basa en chips y servidores, que se han vuelto accesibles para cualquier empresa o gobierno en el mundo. La valoración de casi mil millones de dólares que ha alcanzado Nvidia valida esto.
Finalmente, los datos. Estamos entrando en una era de ejecución, donde cualquier científico de datos o ingeniero mínimamente calificado con software de código abierto y acceso a AWS o cualquier otro servicio en la nube con funcionalidades de IA puede construir increíbles productos de IA, desde chats, editores de imágenes, constructores de planes de negocios o incluso asesores de finanzas personales.
Aquí es donde China está ganando. Mientras que las empresas tecnológicas estadounidenses como Google, Meta y Netflix se centran en generar más datos a través de sus productos para aumentar el uso del producto y, en última instancia, los ingresos (para aumentar el precio de las acciones), que es un objetivo a corto plazo con un pensamiento extremadamente limitado. Al mismo tiempo, las empresas chinas como Tencent, Alibaba y Baidu se centran en aumentar su presencia digital y física en China, creando productos para formar parte de la vida diaria de sus usuarios, incluyendo super aplicaciones que ofrecen entretenimiento, transporte, préstamos y pagos, entre muchas otras cosas.
Imagínese a una persona usando su aplicación para programar una visita al médico, luego llamar a un taxi para ir allí, luego pagar al médico, encontrar la farmacia más cercana a través de su aplicación y pagar por esas drogas usando la misma aplicación.
Claramente, esa persona está enferma, y tal vez ofrecerle un seguro de salud no sea una locura. Ahora, imagina que mil millones de personas hacen eso todos los días.
Aquí es donde China está ganando la guerra de la IA. Creando enormes cantidades de datos de alta calidad sobre todos los aspectos de las actividades diarias de una persona (¡hola, Gran Hermano!).
En mi opinión, los bancos son los más cercanos a estas empresas chinas en América Latina. Casi todo lo que hacemos está conectado a un pago y esto crea una huella increíble que muy pocas empresas de la región pueden igualar. Quizás por eso todas las empresas se están convirtiendo en empresas fintech.
Una vez al mes pagas Netflix y Spotify, tal vez haces tus compras una vez a la semana, y todos los días compras el almuerzo en el trabajo o vas al gimnasio (que normalmente se paga una vez al mes). Tan pronto como recibes tu salario, pagas el préstamo por el auto que compraste hace un año y ahorras un porcentaje de tu salario para la casa que quieres comprar el próximo año. Todos los viernes por la noche, coges un taxi para salir a cenar con amigos y los sábados, vas a ver una película con tu familia.
¿Se entiende la idea, no? Los bancos y las fintech tienen las transacciones de sus clientes y con eso pueden construir la huella del estilo de vida de sus clientes y podrían saber exactamente qué tipo de persona, estilo de vida o etapa de la vida tiene cada uno. Digo que podrían porque muy pocas de ellas están utilizando realmente estos datos. El principal problema no es la cantidad, sino la calidad.
Las transacciones digitales son sucias y llenas de códigos y nombres comerciales legales que no coinciden con el nombre comercial que los clientes reconocen. No importa si el procesador de pagos es uno antiguo con tecnología heredada o uno nuevo con tecnología moderna, las transacciones de pago sucias en América Latina están entre las mayores barreras para la IA en la banca. Haz el ejercicio, ingresa a la app de tu banco y revisa tus diez últimas compras. ¿Cuántas de ellas logras reconocer de inmediato?
Trabajar con datos sucios y no estructurados es la mayor barrera para la IA en la banca. Entiendo que hay otros tipos de datos que los bancos pueden usar para entrenar sus modelos de IA, pero las transacciones son en nuestra opinión la mejor manera de entender quiénes son sus clientes e identificar la próxima mejor acción que puede impulsar la participación del usuario y las relaciones a largo plazo.
El estudio de Global Retail Banking de 2022 lo valida, 95% de los ejecutivos de la banca indican que las tecnologías legado y sistemas core bancarios que están en silos inhiben los esfuerzos de sus iniciativas personalizadas en base a la data para ofrecer mejores experiencias a sus clientes.
Ahí es donde entra el enriquecimiento transaccional. El enriquecimiento es el proceso de agregar valor a algo que está sin procesar; en este caso, transacciones, que son solo una cadena de información irreconocible que los analistas de datos en los bancos tardan días o semanas en hacer útil un conjunto de datos para el análisis. Donde transformas CGF15884STARB1 4063556 en Starbucks con el nombre del comerciante, el logotipo, la categoría y etiquetas adicionales como URL, ubicación y método de pago.
Entonces, la pregunta de seguimiento para cerrar esta publicación es "¿Cómo está utilizando su banco o fintech las transacciones de sus clientes para conocerlos mejor y ofrecerles experiencias personalizadas?".
Si quieres ser el Wechat de la banca en América Latina, ¿qué tan sólido es tu juego de datos?
Este post fue publicado originalmente en inglés en Mexico Business News. Puedes leerlo aquí.
