Implementació d’anàlisi predictiva i IA explicable per a la innovació bancària

Desafiament:

Una important institució bancària va identificar la necessitat de millorar l’efectivitat del seu màrqueting comercial. Els enfocaments tradicionals, tot i estar recolzats per l’experiència, sovint mancaven de dinamisme i agilitat, cosa que dificultava l’adaptació ràpida a entorns empresarials canviants. El repte consistia a aprofitar tecnologies avançades per desenvolupar estratègies de màrqueting més personalitzades, oportunes i basades en dades.

La solució:

El banc va iniciar un projecte estratègic anomenat *Marketing Propensity Intelligence* (MPI), en col·laboració amb la seva divisió de DS&AI i l’equip de Banca d’Inversió Corporativa, amb el suport del nostre equip. L’objectiu principal era implementar un model predictiu capaç de millorar l’efectivitat de la força de vendes, recomanant el producte adequat al client adequat en el moment oportú.

El motor impulsat per IA va incorporar els requisits del negoci i les tendències del mercat per optimitzar les campanyes de màrqueting i donar suport als gestors de clients amb suggeriments de productes personalitzats. A més, el sistema proporcionava elements clau que ajudaven els gestors en les seves converses amb els clients, potenciant l’impacte comercial de les recomanacions.

El paper de l’analítica predictiva:

A diferència dels enfocaments tradicionals, que habitualment es basen en estàndards predefinits i directrius internes, l’enfocament predictiu utilitza el poder de l’aprenentatge automàtic i la intel·ligència artificial per processar grans volums de dades. Això permet descobrir patrons i informació que d’altra manera romandrien ocults, oferint més fiabilitat i la capacitat d’escalar solucions ràpidament.

El model predictiu permet al banc no només millorar les estratègies comercials, sinó també adaptar-se de manera dinàmica, assegurant així la seva evolució i creixement a llarg termini.

IA explicable:

Un aspecte clau del projecte MPI va ser la integració d’una IA explicable. Els algorismes d’intel·ligència artificial sovint funcionen com a “caixes negres”, generant resultats difícils d’entendre per a persones no expertes. Per augmentar la confiança i l’adopció del sistema, es van utilitzar tècniques d’IA explicable que van permetre fer més transparent el procés de presa de decisions de l’algoritme. D’aquesta manera, els gestors comercials no només entenien quin producte es recomanava, sinó també el raonament que hi havia darrere d’aquesta recomanació.

En proporcionar a l’equip comercial una visió clara sobre el perquè de les suggerències del sistema, el banc va aconseguir millorar el compromís amb els clients i augmentar l’efectivitat dels seus esforços comercials.

Resultats:

El projecte MPI va tenir un impacte profund en la manera com es percep la intel·ligència artificial dins del banc. Va fomentar una interacció més gran amb la IA a tota l’organització, ja que els col·laboradors no només rebien suggeriments, sinó que també aportaven comentaris valuosos per millorar el sistema. Aquest cicle de retroalimentació va permetre que el motor d’IA aprengués i evolucionés de forma contínua, fent la solució cada vegada més efectiva amb el temps.

A nivell tangible, la solució MPI va superar significativament els objectius d’ingressos inicials establerts per al projecte. També va rebre una destacada menció honorífica per Innovació en Serveis Bancaris als ABI Awards, testimoni del seu impacte i èxit.

Conclusió:

El projecte MPI va demostrar el poder transformador de l’analítica predictiva en el sector bancari. En integrar la intel·ligència artificial amb l’experiència empresarial i fer el procés més transparent i comprensible, el banc no només va millorar les seves campanyes de màrqueting, sinó que també va establir un nou estàndard per a l’aplicació de la IA en el sector financer.