ChatGPT y otras herramientas digitales que vienen impactando en el mercado, tienen el potencial de transformar la industria financiera, automatizando tareas, mejorando el servicio al cliente y tomando decisiones más informadas. Sin embargo, también presentan desafíos que las instituciones financieras deben abordar para garantizar la seguridad y el cumplimiento y mitigar los riesgos.
Según expertos en Riesgos y Ciberseguridad de WTW, se prevé que las pérdidas globales por ciberataques alcancen hasta US$24 trillones para 2027. A nivel local, en Perú, se registraron 15 mil millones de intentos de ciberataques en 2022, representando un aumento del 35% en comparación con 2021, según el informe semestral de FortiGuard Labs sobre amenazas globales.
En este sentido, Jaime Mourão, gerente general Stefanini Perú, destaca que las instituciones financieras pueden confiar en estas herramientas como ChatGPT para áreas como servicio al cliente, marketing y recursos humanos, donde estos modelos han demostrado éxito. Sin embargo, advierte que las capacidades numéricas y estadísticas de estas nuevas herramientas aún no están lo suficientemente desarrolladas para su uso en detección de fraude o previsión financiera.
“En los últimos 12 años, a través de Woopi Stefanini, hemos liderado en Inteligencia Artificial con Sophie, nuestra asistente virtual. A pesar de la llegada de modelos como Chat GPT, nuestra experiencia en IA nos permitió adaptarnos y aplicar la tecnología en diversas áreas. Vemos un gran potencial en industria, ciberseguridad y marketing, por ello puedo decir que El ChatGPT es valioso en finanzas, pero enfrenta desafíos regulatorios y de seguridad, que abordamos cuidadosamente», afirmó Mourão.
Para ello, el experto en ciberseguridad, brinda nueve casos de uso en finanzas y banca y los desafíos asociados al uso de ChatGPT a fin de escalar de manera segura:
| Casos de uso en finanzas y banca | Desafíos del uso de ChatGPT en finanzas |
| Resumir conocimientos complejos: Utilizar herramientas digitales para resumir análisis críticos en un lenguaje sencillo. | Obligación de cuidar: Necesidad de cumplir con las regulaciones financieras y de asesoramiento. |
| Agilizar los procesos de suscripción: Incorporar datos específicos para facilitar la suscripción de hipotecas y préstamos. | Información falsa: Garantizar la precisión en los resultados generados por LLM. |
| Mejorar el servicio al cliente: Complementar chatbots con procesamiento semántico y conversaciones naturales. | Seguridad y privacidad de datos: Proteger la información confidencial del cliente. |
| Automatizar el cumplimiento: Reducir costos en la verificación de regulaciones. | Comprensión contextual: Mejorar la comprensión del contexto financiero. |
| Evaluación y gestión de riesgos: Identificar patrones y tendencias para decisiones crediticias. | Nuevos modelos de costes: Inversión en hardware y servicios especializados. |
| Mejorar la personalización: Ajustar el contenido de interacciones digitales a las necesidades del cliente. | Inclinación: Evitar sesgos en los datos de entrenamiento. |
| Automatizar el procesamiento de documentos: Acelerar el procesamiento de documentos financieros. | Transparencia y explicabilidad: Necesidad de explicar el razonamiento de los modelos. |
| Traducir la jerga legal a lenguaje sencillo: Ayudar a comprender documentos legales. | |
| Generar informes ejecutivos: Facilitar la creación de informes financieros. |
