La inteligencia artificial (IA) se ha convertido en un aliado esencial del banco BBVA para apoyar a sus clientes con algoritmos de IA que harán tareas como gestión de ahorros, administración de inversiones, análisis de consumo e inclusive la anticipación de próximos gastos. Algoritmos como redes neuronales, machine learning y procesamiento de lenguaje natural.
Solo en el primer trimestre de 2024, los usuarios de BBVA interactuaron 70 millones de veces con las capacidades tecnológicas de la ‘app’ y la web en España. Esto supuso un aumento del 23 % respecto al mismo período del año anterior.
En el ámbito global, durante el primer trimestre hubo 391 millones de interacciones con estas funcionalidades en todos los países en los que BBVA tiene presencia. Un 49 % más que el mismo lapso de 2023.
Los científicos de datos de BBVA utilizan distintos tipos de modelos y algoritmos de IA para desarrollar estas funcionalidades de salud financiera que ayudan a las personas a gestionar su economía personal.
Categorización de transacciones financieras
Gracias a la IA, BBVA tiene la capacidad de ofrecer a los clientes sugerencias personalizadas de alto nivel como “reduce un 10 % el gasto en bares y restaurantes”, en lugar del más genérico “reduce tus gastos un 10 %”.
Además, desde junio de 2023, en España los movimientos de la tarjeta de crédito se clasifican en tiempo real de tal forma que, cada vez que los clientes hacen un gasto con su TDC, ven de inmediato cómo afecta a sus ingresos y en qué categoría lo hace. Lo mismo ocurre con la recategorización que los mismos clientes pueden ejecutar manualmente.
Análisis de transacciones de BBVA con algoritmos de IA
Las transacciones de las cuentas y tarjetas de BBVA se clasifican en una categoría u otra en función de determinadas características. El nombre del comercio, el código de su actividad económica, los detalles del recibo, tipo de movimiento, etc, permiten determinar si se trata del ingreso de una nómina o de un gasto en alimentación, combustible, transporte o ropa, por ejemplo.
“Para clasificar estos movimientos que tienen tal nivel de detalle, es suficiente con utilizar algoritmos en los que de antemano sabemos cuál será el resultado, llamados deterministas”, afirmó María Ruiz, científica de datos de Advanced Analytics en Client Solutions de BBVA. “Son los más adecuados cuando tenemos datos con alto nivel de detalle (,,,) y garantizar que la categorización tenga sentido”.
Análisis de transacciones financieras de otras entidades
La información disponible para los movimientos agregados que vienen de otros bancos es menos detallada. Esto suele limitarse al identificador del banco, si el movimiento es de cuenta o tarjeta, el importe y un texto descriptivo cuyo contenido varía mucho entre entidades.
“Por lo tanto, al tener menos datos y muy variables entre sí, debíamos crear y entrenar un modelo que nos permitiera inferir la categoría principalmente a partir de la descripción”, ahondó Ruiz.
Para ello, BBVA desarrolló un modelo que utiliza una red neuronal, una tecnología compleja cuyo proceso de cálculo está inspirado en el funcionamiento del cerebro. También esto es muy adecuado para estas tareas de procesamiento de lenguaje natural (PLN).
Los científicos de datos de BBVA entrenan la red neuronal presentando muestras con las que el modelo aprende la relación entre términos y categorías.
Segmentación de clientes
BBVA utiliza analítica avanzada para identificar grupos de clientes que tienen necesidades similares, con el objetivo de adecuar el plan de salud financiera a cada caso.
“Esta segmentación, desarrollada con expertos, ayuda a dirigir las propuestas más adecuadas a cada persona en base a las estimaciones que tenemos sobre su salud financiera”, indicó David Muelas, científico de datos y algoritmos IA de BBVA AI Factory.
De esta forma, el banco crea grupos de clientes definidos en base a determinadas claves para reforzar las acciones y experiencias de salud financiera que más se adaptan a sus objetivos y situación.
Predicción de saldo en cuenta
BBVA también ha desarrollado un modelo de predicción de saldo en cuenta que permite hacer estimaciones sobre su evolución futura y detectar valores fuera de lo habitual.
Este modelo utiliza una red neuronal que permite obtener predicciones a distintos niveles de probabilidad. Además, se ha entrenado de forma que es capaz de generar predicciones a largo plazo que reflejan la evolución esperada y la variabilidad del saldo.
«Así, cuando observamos valores de saldo que están muy alejados de lo esperado teniendo en cuenta la incertidumbre de la predicción, podemos avisar a los clientes y sugerirles posibles acciones que respondan a los eventos que los han causado, si fuera necesario», recalcó Muelas.
Continúa leyendo: La rutina de Jeff Bezos en las mañanas que avala la neurociencia
Se parte de nuestra comunidad en nuestras redes sociales
 se ha convertido en un aliado esencial del banco BBVA para apoyar a sus clientes con algoritmos de IA.){kind=link}