En busca de ‘fintech’ para ampliar las fronteras de la banca

Explorar el ecosistema financiero más allá de la tecnología, traspasar sus fronteras para experimentar y adaptar las tendencias que pueden convertirse en soluciones reales que cambien el futuro de los medios de pagos y del comercio tal y como lo conocemos en el presente. 

¿Cómo impulsar la inclusión financiera y mejorar el acceso a los préstamos, entre otros servicios? ¿Cómo predecir el comportamiento de los consumidores sin tener que esperar semanas o meses a analizar una gran cantidad de bases de datos? ¿Cómo optimizar procesos tan arduos como los de las devoluciones que no gustan ni a los comercios ni al cliente final? ¿Cómo implementar los modelos de banca abierta con las exigencias de autenticación actuales? Son preguntas a la espera de respuesta que una empresa sola no puede abarcar, por lo que hay que construir ecosistemas de colaboración para adentrarse en las fronteras del fintech.

Esta necesidad de soluciones reales es la que mueve a miles de startups en todo el mundo a desarrollar tecnología que pueda adaptarse al sector financiero. Por ello, programas como Mastercard Start Path, que forma parte de Mastercard Labs para acelerar la puesta en marcha de este tipo de tendencias, evalúa más de 10.000 nuevas empresas en todo el mundo para que su equipo estudie de primera mano cómo está madurando el panorama fintech y cómo reacciona ante la competencia y los nuevos desarrollos tecnológicos. INNOVADORES ha hablado con cuatro de estas startups internacionales.

Inclusión financiera

En la actualidad, "el reto es cómo usar e implementar la inteligencia artificial y los datos para ayudar al sistema financiero" y para conseguirlo hay que contar con equipos multidisciplinares en los que colaboren ingenieros informáticos expertos en inteligencia artificial con economistas y analistas financieros, asegura Ashwini Anand, CEO y fundador de MonSoon.  

Esta startup ha patentado un sistema que utiliza machine learning para analizar los datos recopilados por las entidades financieras y traspasar las fronteras de la banca tradicional. "El valor está en los datos, pero hay que saber extraerlo según las necesidades del sistema financiero", incide el fundador de esta startup india. Su tecnología permite a los bancos usar el aprendizaje automático avanzado en una variedad de datos tradicionales y también en datos alternativos para poder tomar decisiones de crédito con información más fidedigna.

"Lo bueno de la tecnología como la inteligencia artificial y el machine learning bien implementada es que da igual de qué país sea el banco, porque un dato es un dato", puntualiza Anand. En realidad, asegura, no importa si la entidad está en EEUU o en la India para generar patrones. "Se trata de encontrar la pieza clave del comportamiento del cliente". 

Su objetivo es ayudar a los bancos a usar sus datos, "no solo para que ganen dinero, sino porque, así, ayudará a los que quieren acceder a crédito". Con su modelo de aprendizaje automático se identifica el nivel de riesgo del solicitante para reducir las tasas de morosidad entre un 20% y un 40%. MonSoon ya trabaja con algunos de los bancos de India en los que se ha incrementado el número de personas que recibieron préstamos en, aproximadamente, un 35%.

Open Banking

Uno de los sectores clave para la evolución de la industria de pagos es el de la regulación, que tiene que ser capaz de adaptarse a los cambios que se producen en el ecosistema financiero. Así, la función de startups regtech (tecnología regulatoria), como la británica Konsentus, es fundamental para acompañar en este viaje a la banca más tradicional y proporcionar a las instituciones financieras la tecnología que ellas desarrollan de forma más ágil que los gigantes del ecosistema.

La "magia" de Konsentus, subraya Brendan Jones, cofundador y Chief Commercial Officer, está precisamente ahí: en proporcionar a las entidades financieras servicios de verificación de identidad como exige la nueva regulación para proveedores de servicios de pago externos. En definitiva, en ayudar a que cumplan con los requisitos de la nueva banca abierta que recoge la PSD2 (la directiva de servicios de pago).

Para ello, Konsentus ha desarrollado una plataforma de software as a service (SaaS por sus siglas en inglés) con un servicio de identificación y verificación "fácil de integrar y de usar" de cara a cumplir con la nueva regulación europea. El objetivo va más allá de que las entidades financieras se adapten a la nueva normativa, sino de que "puedan estar seguras de que sus clientes están protegidos cuando proveedores terceros acceden a sus datos de forma segura".

En este tipo de servicios, en los que forma parte la privacidad de los datos de los usuarios, la fiabilidad en la startup es importante: "Somos un startup pequeña, de apenas dos años de vida y con 25 trabajadores, así que entrar en el ecosistema de Mastercard, que invierta y apueste por nosotros supone un reconocimiento que nos aporta credibilidad", puntualiza Jones.

Predicción de conductas

Tras años de investigación en el MIT, la spin off Endor dio el salto para aplicar esta nueva técnica de inteligencia artificial para filtrar petabytes de datos y encontrar patrones en el comportamiento en los consumidores. Ahora lo están adaptando a las necesidades del sistema financiero para analizar datos de la banca online, creando una plataforma de predicciones automáticas que puede analizar datos cifrados, manteniendo la información del consumidor segura en el proceso.

Se trata de una nueva técnica de ciencia de datos desarrollada en el MIT más allá del machine learning, que sería más estadístico, explica Steve Mcknickle, director de Ventas de Endor. "Es una tecnología más sofisticada y capaz de conseguir predicciones más precisas. Estudia y aprende el comportamiento de los consumidores" y, aunque ya hay servicios de predicciones en el mercado financiero, "en el mercado no hay nada parecido que logre predicciones tan precisas y rápidas". De hecho, cuenta con patente en EEUU y en Israel.

Endor emplea algoritmos de IA "únicos", desarrollados para poder refinar preguntas y generar información con más exactitud. Estos algoritmos están automatizados para reemplazar los procesos manuales y tediosos que los científicos de datos  aún realizan. Están diseñados para encontrar patrones dinámicos ocultos dentro de las estructuras de los datos cifrados y no en los datos en sí.

Agilizar procesos

También forman parte de este ecosistema fintech soluciones que no son puramente financieras, pero que sí que intervienen en el proceso de compraventa de productos para intentar optimizarlos y agilizarlos. Así, ZigZag ha visto una oportunidad en la presión que gigantes como Amazon o Zalando están ejerciendo sobre el comercio electrónico y ha desarrollado una plataforma SaaS de logística end to end que ayuda al retail en la gestión de los procesos de devoluciones al permitir administrar, rastrear y revender el stock de mercancía devuelta en los mercados locales.

El 89% de los consumidores revisa la política de devoluciones antes de comprar y el 35% ‘sobrecompra’ con la intención de devolver alguno de los productos. Con estos datos en la mano, Patrick Eve, managing director de Zigzag, destaca uno de sus casos de éxito: la aplicación de su sistema en la cadena TopShop: "Hemos reducido el tiempo de devolución de 20 días a 48 horas".  A través de su plataforma, el retail sabe cuándo está el producto en tránsito y así inicia la devolución para reducir los plazos.