Cómo la IA generativa debe transformar la financiación de equipos

Se acerca el momento en que el sector de la financiación de equipos se verá transformado por las aplicaciones de IA generativa, cuyos modelos de aprendizaje profundo convierten los datos empresariales en contenido rico y original.

Esta transformación tendrá repercusiones sísmicas y positivas en todos los procesos y operaciones de la industria, pero para llegar a ella será necesario reflexionar mucho más sobre cómo hacerlo de lo que casi nadie en la industria ha hecho hasta ahora.

Problemas enfocados al futuro como estos son la razón por la que The Alta Group y Reimagine Advisors formaron una asociación estratégica en 2020 para aportar liderazgo de pensamiento tecnológico transformador a los clientes que buscan una ventaja competitiva en la economía digital. En el número de enero/febrero de 2024 de Monitor, la codirectora ejecutiva de The Alta Group, Valerie L. Gerard, y el fundador de Reimagine Advisors, Denis Stypulkoski, hicieron una llamada a la acción para que el sector piense a lo grande sobre el futuro papel de la IA en lo que hacemos. El debate continúa aquí.

Faltan ejemplos de IA generativa

Dada la naturaleza incipiente de la IA, no disponemos de modelos fijos para esta transformación. Hacerla realidad requerirá una reconsideración a gran escala de cómo las personas que realizan nuestras tareas más críticas pueden utilizar los conocimientos basados en la IA producidos por el análisis intuitivo de datos para tomar decisiones eficaces y de alto nivel que creen situaciones beneficiosas para ellos, para las empresas de EF y para sus clientes. En esta visión, la IA generativa va mucho más allá de los cambios incrementales en los procesos empresariales típicos de los FA para potenciar una mano de obra de FA que deje atrás el trabajo sin valor añadido y, en su lugar, realice un trabajo creativo y de creación de relaciones para que sus empresas desarrollen todo su potencial de crecimiento y servicio.

Esto puede hacerse, pero exige la fusión de tecnología y experiencia, donde los motores generativos de IA que interpretan los datos se asocian con las personas que utilizan esos análisis informados para construir y alimentar relaciones más productivas con los clientes.

"La IA avanza tan rápido que las empresas de financiación de equipos no deberían esperar a ver qué pasa. Al aprovechar el poder transformador de la IA, los primeros en adoptarla obtendrán una ventaja competitiva significativa, desde el crecimiento orgánico hasta la eficiencia operativa y más allá. Es por eso que estamos aconsejando a los clientes que inviertan hoy en una Oficina de IA formal responsable de crear una infraestructura de datos e IA que sea eficiente y escalable, al tiempo que cultiva la confianza en las soluciones impulsadas por la IA."

Valerie L. Gerard, The Alta Group

Diferenciación entre tipos de IA

Hay algunos procesos de aplicación de datos menos sofisticados -todos ellos interconectados dentro de la IA- que precedieron a la aparición de la IA generativa. El análisis predictivo pronostica acontecimientos futuros basándose en patrones históricos, datos y estadísticas. El aprendizaje automático (Machine Learning, ML), que a veces se aplica al aprendizaje predictivo, cuenta con algoritmos que aprenden de datos y sucesos pasados para identificar patrones y hacer previsiones. La IA predictiva -en ocasiones, y erróneamente, comercializada como análisis predictivo- utiliza algoritmos de ML derivados de datos históricos para reconocer continuamente patrones y tendencias emergentes y hacer predicciones.

Desde hace algún tiempo, estas antiguas tecnologías asociadas a la IA se han desplegado en beneficio de las empresas de financiación de equipos en áreas como los servicios gestionados. De hecho, los algoritmos de aprendizaje automático están automatizando funciones básicas del ciclo de arrendamiento, como la valoración de activos, la suscripción de créditos, la facturación y el mantenimiento predictivo. Pero lo que realmente separa a la IA generativa de este paquete -y, en concreto, de su precursora más avanzada, la IA predictiva- es que la IA predictiva utiliza algoritmos de aprendizaje automático y estadísticos para evaluar datos y predecir desarrollos futuros, mientras que la IA generativa crea nuevos y potentes contenidos con los datos que obtiene de algoritmos avanzados y métodos de aprendizaje profundo, al tiempo que aprende de sus propios resultados anteriores.

Esa diferencia contiene las semillas de un gran futuro para el sector, en el que podemos construir una constelación de aplicaciones de IA generativa para impulsar cada fase del ciclo de vida de la financiación de equipos.

Un posible caso de uso de la IA generativa

El ritmo de los avances en la automatización de los procesos operativos de financiación de equipos ha sido glacial, y los resultados, modestos. Contrasta con los avances a velocidad de vértigo que podrían producirse si la IA generativa se convirtiera en una realidad práctica en lugar de un ejercicio conceptual. Pero esa posible realidad futura es un misterio presente porque aparentemente nadie ha concebido lo aparentemente inconcebible: un sistema que integre a la perfección personas, procesos y tecnología para crear una plantilla y un ciclo empresarial que funcionen a la perfección. Nadie ha ideado un caso de uso generativo de la IA que permita enfocar esa visión de forma nítida y tangible.

No tan rápido. A efectos de debate, en realidad podemos masticar algo que tiene algo de carne en los huesos: un caso de uso sugerido para cobros de pequeña cuantía y en fase tardía. Se trata de una extensión lógica de lo que comenzó hace muchos años, cuando los líderes de pequeños pagos aplicaron el análisis predictivo a la calificación crediticia, y luego evolucionaron la experiencia de cobros a través del análisis predictivo basado en el aprendizaje automático y la IA predictiva. Se crearon modelos para distinguir entre buenas y malas operaciones, segregar a los clientes en categorías para lograr tasas óptimas de éxito en los cobros y acelerar significativamente las predicciones precisas en tiempo real sobre la morosidad de los clientes y el rendimiento de las pérdidas finales.

Ahora, hemos dado el siguiente paso lógico e ideado una actualización de IA generativa que implica un caso de uso hipotético jubilado, Harry, que fue el mejor cobrador de una empresa hipotética después de los 60 días. Esto permitiría a un robot de IA supervisar todas las llamadas y correos electrónicos de Harry posteriores a los 60 días para capturar todos los atributos de los datos del cliente moroso y descubrir cómo Harry convence al cliente para que pague. Con todos los datos que Harry recopilaría en la ventana de los 60 días, podría desarrollar un plan de juego persuasivo para obtener el pago. Es casi imposible que las personas hagan esto, pero nuestro auto-Harry podría dar a los cobradores sucesores de Harry el guión para comportarse como Harry, con acceso a los mismos datos y percepciones que Harry obtuvo, y para ver cómo Harry está pensando sobre esas percepciones. El resultado es una interacción entre humanos mucho más eficaz y un éxito mucho mayor en las últimas fases de la recogida.

"Durante décadas, las industrias han recurrido a la automatización y a la formación mejorada para gestionar la transferencia de conocimientos en épocas de transición y reducción de plantilla, con un éxito limitado. La IA aplicada adecuadamente promete suavizar el golpe de la "fuga de cerebros de la generación del baby boom" para convertirse en ese mentor virtual experto y de confianza para la próxima generación de trabajadores de la industria."

Denis Stypulkoski, Reimagine Advisors

La IA generativa exige pensar a lo grande

Este escenario puede parecer altamente especulativo e improbable, pero revela el tipo de pensamiento estratégico a gran escala que debemos hacer si queremos llegar al siguiente nivel con la IA generativa. El problema es que nuestro sector tiende a adoptar los cambios a pequeños pasos. En lugar de eso, tenemos que reunir a todos los miembros del sector en una tormenta de ideas sobre soluciones de IA generativa que aprendan de las grandes disrupciones experimentadas por sectores paralelos. Así es como podremos predecir y dar forma al futuro de nuestra industria con agilidad empresarial oportunista.

Nuestra máxima prioridad, por tanto, es construir y adoptar un ecosistema digital fundacional que contenga una única versión de la verdad en cada operación, de modo que la IA pueda tomar decisiones informadas de forma fiable que reflejen los atributos reales de la operación.

Más información en el Monitor.