El mundo está inundado de noticias y artículos sobre inteligencia artificial (IA), y la industria de pagos no es una excepción. Recientemente hemos sabido que Mastercard ha lanzado un

Herramienta de inteligencia artificial para detectar estafas de pago en tiempo real,
US Bank está utilizando IA en la gestión de viajes de negociosy las conferencias son
lleno de conversaciones sobre un futuro de IA.

Un año antes, la prensa financiera tuvo un hechizo similar de exuberancia en torno a NFT y Web3,

pero la IA le ha quitado el viento a sus velas. Hay una interpretación fácil, y probablemente no del todo incorrecta, que muchos han hecho aquí: en ausencia de cambios estructurales importantes para mejorar las finanzas (o incluso la economía en general), las empresas están comprando modas pasajeras en lugar de pensar a largo plazo. Esto no está del todo mal ni bien. Lo que se necesita, como siempre, es una visión matizada de los fenómenos de la IA en la banca que tenga en cuenta su potencial y descarte la exageración.

¿Qué es la IA?

La pregunta de qué constituye la inteligencia está mucho más allá del alcance de lo que estoy explorando aquí, y podría ser una de las preguntas filosóficas más importantes que existen. Podemos dar una definición rápida de IA como cualquier cosa que se parezca al pensamiento de un ser humano, por lo que los sistemas que toman decisiones sobre los límites para los solicitantes de préstamos podrían definirse como artificialmente inteligentes. Hacen lo que alguna vez hubiera hecho un ser humano con una lista de verificación y, a menudo, sus propios instintos acerca de si un solicitante es el tipo de persona "adecuada".

Este tipo de IA es funcionalmente un diagrama de flujo: si el solicitante tiene un puntaje de crédito por encima de cierto umbral, vaya a la pregunta tres, si está por debajo, vaya a la pregunta tres. Estos diagramas de flujo pueden ser increíblemente complejos, pero siguen siendo una réplica de algo que se puede hacer con lápiz y papel. Sin embargo, la ola más reciente de IA hace algo diferente. El aprendizaje automático (ML) permite que esos sistemas similares a diagramas de flujo se ajusten para optimizar mejor para lograr ciertos resultados. Por ejemplo, el sistema ML de una compañía de préstamos podría revisar los datos sobre las tasas de pago de los clientes con diferentes puntajes de crédito y encontrar que los clientes con un puntaje de 600 son tan capaces de pagar sus préstamos como aquellos con un puntaje de 700, por lo que no no hay necesidad de cobrarles tasas de interés más altas. Los términos más indulgentes atraerán a más clientes, aumentando la rentabilidad del negocio. Esto puede ser algo que un humano podría hacer, pero lo haría mucho más lento. Por supuesto, no todos los sistemas de ML se crean de la misma manera y puede haber complejidades que una computadora no puede tener en cuenta, por lo que pocas empresas darían rienda suelta a sus sistemas de IA para realizar los cambios que consideren correctos, pero están bien preparados para hacer pequeñas ajustes a los sistemas que resultan en unos pocos puntos porcentuales de ganancia extra. Esencialmente, AI y ML son tan buenos como el ser humano detrás de ellos, pero ciertamente requiere mucho trabajo pesado de las manos del ser humano.

AI en pagos

En pagos, ML tiene aplicaciones similares. La investigación muestra que
Al 55% de las empresas todavía se les deben facturas de 2022 en mayo de 2023. Hay muchas razones para esto, entre ellas el aumento del costo de vida y los precios de la electricidad, pero la gran cantidad de trámites burocráticos en torno a los pagos es un problema importante.

Los pagos B2B en el Reino Unido son los más rápidos de Europa y cada vez son más rápidos, pero siguen siendo promedio

23 días desde la factura hasta el pago. Compare esto con los pagos B2C, donde el dinero generalmente se transfiere instantáneamente de una cuenta a otra o de un cliente a una empresa. Los pagos B2B del 'primer día' son el santo grial, pero no siempre es una opción por razones legales y de cumplimiento: la IA puede identificar cuándo is una opción y por lo tanto cuando se puede ofrecer el pago instantáneo.

El punto de partida de cualquier pago tiene que ser asegurarse de que la persona que paga o recibe el pago es quien dice ser, y pasó por los controles KYC y AML. Todo este proceso es una carga de trabajo tortuosa que consume mucho tiempo debido al gran volumen de documentos que hay que examinar. Afortunadamente, a las herramientas de IA y ML no les importa examinar montones de documentos en papel o escaneados digitalmente. Con el procesamiento del lenguaje natural, AI y ML pueden acelerar la lectura de documentos, verificar si son falsos o genuinos y compararlos con otras fuentes para determinar su autenticidad.

Con una incorporación mucho más rápida y eficiente, los clientes pueden abrir cuentas en solo unos minutos, comenzar a realizar transacciones de inmediato y las instituciones se benefician al saber que cumplen con las regulaciones AML y KYC.

En el caso de pagos más complejos, la IA puede identificar atajos y ahorros de eficiencia o automatizar las tareas más mundanas. La capacidad de AI para procesar conjuntos de datos masivos y comparar una multitud de variables en tiempo real es un cambio de juego. Puede facilitar el procesamiento directo de los pagos, con una toma de decisiones mucho más precisa y un enrutamiento y distribución inteligentes de las transacciones de pago para mejorar la autorización y la liquidación. Por ejemplo, la IA puede ayudar a un proveedor de pagos a decidir si una transacción específica debe pasar por una autenticación de dos factores.

La conciliación de pagos impulsada por IA puede hacer coincidir automáticamente los pagos entrantes con las facturas pendientes, lo que reduce la necesidad de intervención humana y acelera los tiempos de conciliación. Se espera que esto conduzca a algunos de los
50 millones de libras esterlinas o más en pagos atrasados ​​adeudados a empresas del Reino Unido siendo reducido

¿Qué sigue para la IA en los pagos?

Ya notará que estamos hablando de sistemas de inteligencia artificial en pagos y finanzas en tiempo presente. Esto se debe a que han estado presentes en la industria financiera más grande durante años, décadas en algunos casos. Cuando se menciona la IA hoy en día, generalmente se hace referencia a las nuevas innovaciones en el campo, a saber, modelos de lenguaje grandes (generalmente denominados ChatGPT, aunque esta es una de las muchas empresas que trabajan en el campo).

Probablemente esté al tanto de las capacidades de estos sistemas que ya están en uso: un usuario puede darle a la IA un aviso ("escriba tres publicaciones en las redes sociales sobre la IA en los pagos de empresa a empresa") o haga una pregunta ("¿cómo podría la IA afectará la industria de pagos B2B?”) y el modelo de lenguaje grande arrojará una respuesta que a menudo puede ser extremadamente convincente. Lo hace al haber recibido millones de datos (artículos, libros, publicaciones en redes sociales, etc.) y al crear redes sofisticadas de conexiones entre términos hasta el punto de que puede reproducir algo que se parece a lo que ha visto previamente en un artículo. en AI en los pagos parece. Debido a que no está "pensando" como tal y no puede realizar investigaciones, estos LLM son propensos a 'alucinaciones' en el que producen una respuesta que parece plausible, pero que se desmorona ante el más mínimo escrutinio.

A pesar de toda la charla sobre LLM y pagos, es difícil ver qué ofrecen estos sistemas que no esté disponible a través de ML. La necesidad de producir grandes cantidades de texto convincente (pero no del todo convincente) no es uno de los puntos débiles de la industria de pagos en comparación con la facilitación de pagos, los pagos transfronterizos y el fraude. Podría darse el caso de que estas tecnologías conduzcan a avances en ML que puedan hacer que los sistemas existentes sean más capaces de analizar los conjuntos de datos masivos generados por una empresa de pagos durante su actividad diaria.

Como siempre, la industria de pagos necesita tener una visión realista tanto de la tecnología detrás de la IA como de lo que realmente moverá la aguja para ellos. Los puntos débiles específicos que deben abordarse en los pagos son variados y están en constante evolución, pero ya estamos viendo cómo la IA puede mejorar los resultados para las empresas de pagos.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://www.finextra.com/blogposting/24673/can-ai-really-change-the-payments-industry?utm_medium=rssfinextra&utm_source=finextrablogs