Fuente: KPMG
La combinación de automatización y análisis predictivo está creando nuevas oportunidades para que los bancos reinventen la experiencia del cliente y conserven su relevancia.
No hace mucho tiempo, muchos expertos bancarios anunciaban la extinción del empleado del banco humano. Los cajeros serían reemplazados por bots. Los asesores digitales dejarían sin trabajo a asesores financieros y especialistas en productos. Los centros de servicio al cliente se apagarían cuando los chatbots basados en la nube se hicieran cargo de la interacción con el cliente.
De manera algo previsible, eso provocó una oleada de nueva experimentación, inversión e innovación dentro del sector de servicios financieros a medida que los bancos, las fintech y los proveedores de servicios compitieron para vencer al mercado con una nueva automatización o bot.
Las lecciones se aprendieron rápidamente. Por ejemplo, tanto los bancos de primer movimiento como las fintechs descubrieron que un modelo de asesoramiento digital «puro» simplemente no era viable; los márgenes eran demasiado bajos, los costos de adquisición de clientes eran demasiado altos y pocos clientes (particularmente los de alto valor neto) estaban dispuestos a darle la espalda a su asesor financiero humano por un bot.
Los bancos (y los de otras industrias de servicios) también encontraron imposible apagar las luces de sus centros de servicio al cliente. Los bots simplemente no tenían la capacitación o el acceso a los datos que necesitaban para reemplazar de manera convincente a los humanos (particularmente cuando esas interacciones se regían por estrictas reglas de conducta).
Predecir una mejor experiencia
En lugar de tomar la ruta de ‘todo o nada’, muchos bancos ahora están experimentando cómo la automatización, vinculada a la analítica predictiva, puede ayudar a sus empleados humanos a ser más estratégicos y a sus clientes disfrutar de una mejor experiencia. Las señales están en todas partes. El cambio hacia los motores de ‘próxima mejor oferta’ en ventas de productos y gestión financiera es quizás el mejor ejemplo de esto en el trabajo.
En lugar de vender a ciegas productos basados en modelos genéricos de segmentación de clientes, estas plataformas aprovechan los datos extensos de los clientes, el aprendizaje automático y las herramientas de automatización inteligente para permitir que los agentes y asesores guíen rápidamente a sus clientes a soluciones y productos que se adapten a sus necesidades únicas.
Los motores más sofisticados van más allá de esto, raspando todo el ecosistema de datos del cliente (tanto dentro como fuera de la organización) para predecir con precisión cuándo los clientes necesitarán ciertos productos y cómo querrán interactuar con ellos. En lugar de la «próxima mejor oferta», se están moviendo a la «próxima necesidad crítica».
Todos ganan
Este tipo de toma de decisiones aumentada predictiva está surgiendo en todas partes. Dentro de la empresa, muchos bancos están comenzando a implementar bots que esencialmente predicen el tipo de información que necesitarán sus agentes y luego se los entregan en una visualización inteligente y fácil de usar.
A nivel del cliente, el análisis predictivo y las automatizaciones se combinan para ofrecer herramientas de gestión financiera personal destinadas a ayudar a los clientes a tomar mejores decisiones financieras. Basado en los objetivos financieros establecidos por el usuario y aprovechando las interfaces de programación de aplicaciones (API) y las visualizaciones, estas herramientas están ayudando a los clientes a predecir mejor y luego responder a sus necesidades financieras futuras.
Algunos motores de predicción se están utilizando para ofrecer información interesante, en particular sobre las tendencias de los clientes y las tecnologías futuras. También se están utilizando para tareas mucho más mundanas, pero importantes, como la automatización de la predicción del tiempo de inactividad de los cajeros automáticos, los modelos de utilización de sucursales y el rendimiento operativo.
Más allá de los bots
Nuestra opinión es que la introducción medida de bots y automatizaciones es solo el primer paso en el camino hacia modelos y soluciones bancarias más inteligentes y predictivas. Y aunque no conducirán a la extinción de los empleados humanos, conducirán a un cambio importante en las perspectivas, de lo histórico a lo predictivo. El impacto de ese cambio será masivo.
Actualmente, gran parte de lo que un banco sabe sobre sus clientes proviene, por ejemplo, de historiales crediticios, actividad de cuentas pasadas y cambios recientes en la vida. Cada decisión se basa en una comprensión de lo que sucedió en el pasado. Sin embargo, estas tendencias hacia un mayor uso de la automatización y el análisis predictivo sugieren que las interacciones y los procesos se basarán cada vez más en lo que el cliente probablemente quiera en el futuro. Y eso requerirá un enfoque muy diferente para todo, desde la gestión de las relaciones con los clientes y el desarrollo de canales hasta las inversiones en tecnología y el diseño de productos.
Mayor esfuerzo
Nuestra experiencia trabajando con los principales bancos y fintechs sugiere que hay cuatro áreas en las que los ejecutivos bancarios deberían enfocarse si desean ayudar a su organización a avanzar hacia modelos más predictivos.
Gestión de datos. En este momento, la mayoría de los bancos están comenzando a controlar sus desafíos internos de datos. A continuación, deberán comenzar a pensar en cómo incorporan fuentes de datos externas para lograr una visión mucho más integral de sus clientes. Y eso, a su vez, requerirá que los bancos se vuelvan más sofisticados con respecto a su gestión de datos, seguridad y estrategia.
Experiencia del cliente. Convertir las predicciones de los clientes en interacciones valiosas requiere más que datos y algoritmos. Los bancos deberán centrarse en conectar los datos y la automatización ‘back-end’ a la interacción humana ‘front-end’ para garantizar que estén creando excelentes experiencias para los clientes que generen resultados positivos, tanto para el negocio como para sus clientes.
Adopción de empleados. Ya sea porque los programas de incentivos no están diseñados para alentar la innovación o simplemente por miedo a lo desconocido, los empleados a menudo se resisten al cambio hacia la automatización. En muchos casos, la adopción de los empleados puede fomentarse creando conciencia sobre el valor que ofrecen estas herramientas, tanto para los empleados como para los clientes.
Ecosistema de innovación. Nadie sugiere que los bancos necesiten desarrollar estas capacidades internamente. Pero deberán pensar con mucho cuidado sobre cómo desarrollan su tecnología y ecosistema de datos para maximizar el valor y mantener la flexibilidad en el mercado.
