Los bancos e instituciones financieras (BFSI) siguen invirtiendo fuertemente en tecnologías de automatización inteligente para satisfacer la demanda cada vez mayor de rapidez y servicio personalizado de los clientes de la banca corporativa con conocimientos tecnológicos, a la vez que cumplen con el aluvión de restricciones de cumplimiento y normativas que los rigen. Las tecnologías de automatización inteligente combinan la potencia de la automatización de procesos robóticos (RPA) con tecnologías de inteligencia artificial (IA) como el reconocimiento óptico/inteligente de caracteres (OCR/ICR), el aprendizaje automático (ML), el procesamiento del lenguaje natural (NLP) y las plataformas conversacionales para resolver operaciones e interacciones humanas repetitivas y relativamente complejas con rapidez y coherencia en el servicio.
Hemos ayudado a nuestros clientes de BFSI a beneficiarse de la automatización inteligente de sus operaciones. He aquí una instantánea de la eficiencia que hemos proporcionado:
- Operaciones de préstamo comercial:
- El ciclo de vida de los préstamos comerciales suele comenzar con la incorporación de un cliente corporativo. Se utilizaron ML, OCR y RPA para extraer datos de documentos de préstamo estructurados y no estructurados y automatizar la entrada de datos de los clientes en los sistemas de apertura de cuentas y procesamiento de préstamos y el cálculo del riesgo y la elegibilidad de los préstamos. El ciclo de vida global de la tramitación de préstamos se aceleró en más de un 30%.
- Operaciones de financiación comercial: El ciclo de vida consume un importante ancho de banda de las operaciones debido a los múltiples y dispares sistemas y a los altos niveles de documentación.
- Cartas de crédito (LC) y garantías: Se logró una eficiencia de más del 20% en el proceso de tramitación y asesoramiento de las LC mediante la formación de motores de ML para extraer datos de las solicitudes de LC y el uso de RPA para introducir los datos del solicitante y el beneficiario, el importe y otros detalles; calcular los gastos; y trabajar con el sistema SWIFT para crear un mensaje MT700 que se enviaba al banco asesor.
- Descuento de facturas y financiación: Las solicitudes de financiación y descuento se procesaron automáticamente a través de un motor de ML entrenado en múltiples formatos y redujeron las intervenciones manuales en más de un 15%. También se automatizaron múltiples pasos en la cadena de suministro y el proceso de capital circulante.
- Pagos de importación y exportación: La combinación de OCR, ML y RPA se utilizó para procesar múltiples documentos como cartas de presentación, conocimientos de embarque, guías aéreas, certificados y facturas, e introducir los datos en los sistemas de financiación del comercio para procesar los pagos a los importadores. También se utilizó la automatización inteligente para agilizar las operaciones de pago de exportaciones en más de un 20% y reducir las intervenciones manuales para conciliar los pagos entrantes a los exportadores con los sistemas de financiación comercial y contabilidad.
- Operaciones de regulación y cumplimiento: En la banca corporativa existen múltiples requisitos de regulación y cumplimiento que conllevan un elevado esfuerzo operativo.
- Conozca a su cliente (KYC), lucha contra el blanqueo de dinero (AML) y detección de sanciones: Los nombres de personas, empresas y otras entidades encontradas en los documentos de los clientes se extrajeron de forma inteligente y fueron alimentados por RPA a los sistemas de selección de sanciones con ML utilizado para identificar los falsos positivos en los resultados de la selección de nombres; este proceso redujo significativamente el coste de la operación de cumplimiento. La RPA se utilizó para recoger los candidatos a KYC y automatizar la entrada de datos en aplicaciones AML como LexisNexis y procesar los resultados. Más del 25% del esfuerzo en las operaciones de incorporación de clientes se redujo con la automatización de la selección de KYC y de las sanciones.
- Control de las transacciones: Los bancos cuentan con grandes equipos operativos que trabajan en la gestión de los resultados de las sanciones con múltiples niveles de aprobación antes de eliminar un falso positivo, pero más del 95% de los resultados de las sanciones son falsos positivos. Hemos entrenado un motor de inteligencia artificial en los patrones más comunes de falsos positivos para eliminarlos automáticamente, dejar un rastro de auditoría de cada decisión del bot para las revisiones de cumplimiento y reducir significativamente el esfuerzo operativo.
- Operaciones de pago: Se aplicó la automatización inteligente para automatizar el procesamiento de los pagos entrantes y salientes, reducir el esfuerzo manual para investigar los problemas de pago, aumentar las tasas de procesamiento directo de los pagos en más del 40% y reducir la dependencia de los operadores.
- Pagos entrantes/salientes: La automatización inteligente se utilizó para automatizar múltiples escenarios de procesamiento de pagos para extraer los datos pertinentes de los campos de referencia de los pagos en los mensajes SWIFT MT202 y acelerar las transferencias NOSTRO, extraer los detalles de los formularios de transferencia de fondos para los pagos entrantes, gestionar automáticamente el procesamiento de las nóminas y los pagos a proveedores, e iniciar las transferencias de fondos salientes.
- Investigación y reparación de pagos: Se utilizó el ML para identificar patrones comunes de reparaciones de pagos y arreglar automáticamente los mensajes de pago que no se procesaron automáticamente debido a números de cuenta incorrectos o faltantes, códigos BIC o detalles del banco corresponsal. La investigación de problemas frecuentes de procesamiento de pagos, como la reclamación por parte de un beneficiario de la no recepción de fondos o de datos de cuenta incorrectos, se automatizó con ML y RPA para procesar el contenido no estructurado de los mensajes MT199, enviar respuestas y leer e introducir datos en los sistemas de pago. El RPA se aprovechó además para gestionar problemas como la retirada de pagos y las discrepancias en los tipos de cambio mediante la aplicación de un conjunto de reglas.
- Operación de gestión de efectivo:
- Se necesita mucho trabajo para procesar las facturas y las órdenes de compra y conciliarlas con los sistemas contables del banco. Debido al gran volumen de facturas, los verificadores del banco tomaban muestras y verificaban sólo un 10% de las facturas antes de aprobarlas. Entrenamos al motor de ML para que identificara las estructuras de múltiples formatos de facturas y extrajera los datos pertinentes. Las facturas que no se reconocían se enviaban a un operador para que las procesara con el motor de ML aprendiendo en segundo plano con RPA para introducir los datos en los sistemas contables. Esto redujo los costes operativos en más de un 30% y permitió al banco muestrear el 100% de las facturas de forma consistente.
Hay muchos, muchos más casos de automatización inteligente que ayudan a los bancos e instituciones financieras a seguir siendo competitivos en este mercado de expectativas cambiantes de los clientes y creciente cumplimiento de la normativa.
