Demasiados bancos y aseguradoras dan por sentado que su inteligencia artificial tiene una visión completa del cliente. Pero no es así. Solo tiene la información que los sistemas subyacentes han podido proporcionarle.
La visión de 360º del cliente es una perspectiva completa, precisa y actualizada del cliente que abarca los productos, cuentas, pólizas, canales y puntos de contacto relevantes para la relación. En el sector bancario, de servicios financieros y de seguros (BFSI), esa visión también debe tener en cuenta los roles, las relaciones, las jerarquías, la procedencia y los controles que rigen el uso de los datos. Sin ese contexto, la IA trabaja partiendo de un cliente que no existe plenamente.
Establecer una identidad de cliente fiable es el punto de partida, no la meta. La IA también necesita el contexto regulado en torno a esa identidad: hogares y jerarquías corporativas, funciones y relaciones, productos y cuentas, así como pruebas que demuestren de dónde procede cada dato y por qué es fiable.
A continuación se exponen cuatro razones por las que esto determina hasta dónde puede llegar la IA y dónde suele fallar.
1. Ningún sistema por sí solo tiene una visión global del cliente
Una misma persona puede ser, al mismo tiempo, cliente de banca minorista, prestatario hipotecario, cliente de gestión patrimonial, tomador de una póliza y beneficiario efectivo.
Cada una de esas relaciones suele gestionarse en su propio sistema, creado en un momento diferente y con un propósito distinto.
La plataforma hipotecaria nunca se diseñó para tener conocimiento de la cuenta de gestión patrimonial. Y el sistema de gestión de pólizas nunca se creó para reconocer que su titular también es un beneficiario efectivo en otra parte de la empresa.
Técnicamente, estos sistemas no están equivocados; todos reflejan con precisión la parte del cliente que se crearon para gestionar.
El problema surge cuando una persona o una IA necesita comprender al cliente en su contexto, no solo los productos que posee, sino también las funciones y las relaciones que lo vinculan con el resto de la empresa:
- Un gestor de relaciones que evalúa la relación global del cliente y su exposición en todos los productos y entidades jurídicas
- Una aseguradora que determina si un tomador de la póliza, un reclamante, un beneficiario, un afiliado o un contacto del hogar es la misma persona
- Un sistema de IA que selecciona la siguiente acción utilizando el contexto relevante y permitido del cliente, el hogar o la empresa
Nunca se ha proporcionado a ningún equipo ni a ningún sistema esa visión completa sobre la que trabajar.
2. Cuando la IA trabaja a partir de una visión parcial, nadie puede explicar lo que ha hecho
En lugar de construir su propia visión del cliente, un modelo de IA aprende a partir de cualquier visión que se le proporcione.
Cuando esa visión es fragmentada, el resultado del modelo refleja esa misma fragmentación, a gran velocidad y a gran escala.
Si eres una aseguradora que utiliza la IA para dar prioridad a la retención de clientes o a la gestión de siniestros, una misma persona puede aparecer como tomador de la póliza, asegurado, reclamante, beneficiario, afiliado o contacto del hogar. Esas identidades basadas en roles pueden encontrarse en diferentes sistemas, sin ningún vínculo regulado entre ellas.
El modelo recomienda la mejor acción a seguir basándose en una relación parcial. El resultado es difícil de explicar, aún más difícil de defender y, en ocasiones, erróneo para el cliente al que va dirigido.
En un entorno regulado, esta es la parte que se somete a prueba. Disponer de datos completos no es suficiente por sí solo. También hay que explicar:
- Qué datos de identidad, relación y origen han influido en la decisión
- Por qué se consideró fiable esa información
- Si la información estaba actualizada y autorizada para ese fin
- Cómo puede un responsable de datos, un auditor o un regulador revisar la decisión y cualquier intervención humana
El CRM gestiona las interacciones. Los «data lakes» y los «lakehouses» almacenan, procesan y analizan datos a gran escala. Las plataformas bancarias centrales, de pólizas y de siniestros ejecutan los procesos operativos.
La gestión de datos maestros (MDM) complementa —no sustituye— a esos sistemas al establecer las identidades, relaciones, jerarquías y definiciones empresariales reguladas que pueden compartir y reutilizar. Eso es lo que hace que el «Cliente 360» sea coherente, trazable y esté listo para la toma de decisiones por parte de personas, análisis e inteligencia artificial.
3. La visión del cliente se rompe de nuevo con cada cambio empresarial
Los nuevos clientes, productos y cambios en los sistemas añaden constantemente nuevos fragmentos. Por lo tanto, incluso una empresa que resuelva esto hoy se enfrentará de nuevo a ello mañana, debido a factores como:
- Las fusiones y adquisiciones incorporan sistemas desarrollados según estándares diferentes por equipos distintos
- Los nuevos canales y productos crean perfiles que la visión existente nunca había tenido en cuenta
- Las migraciones de sistemas trasladan los datos a nuevas estructuras y rompen la lógica en la que se basaban las antiguas reglas de correspondencia
- Los nuevos casos de uso de la IA combinan los datos de los clientes de formas que nadie había previsto
Estos cambios son habituales en el sector BFSI, y cada uno de ellos puede reintroducir la fragmentación a menos que se mantengan de forma continua la identidad, las relaciones y la gobernanza. Por eso, para obtener una visión completa del cliente, se necesita un método continuo y regulado que garantice la precisión a medida que cambia el negocio. Si lo tratas como un proyecto con una meta, todo tu trabajo se echará a perder en el momento en que el negocio vuelva a cambiar.
4. Lo que está en juego aumenta a medida que las decisiones de la IA pasan de días a segundos
Las decisiones que antes tardaban días ahora se toman en segundos. Las decisiones crediticias, las alertas de fraude, la clasificación de reclamaciones, las remisiones de suscripción y las «próximas mejores acciones» se gestionan cada vez más a través de procesos automatizados, lo que deja menos tiempo para que una persona identifique el contexto que falta o que puede llevar a error.
Esa rapidez cambia el significado de lo que es una visión completa del cliente.
Antes, un problema con los datos ralentizaba la toma de decisiones. Normalmente, alguien lo detectaba antes de que el proceso avanzara más.
Ahora, un problema relacionado con los datos sigue el mismo proceso automatizado que todo lo demás y genera un resultado antes de que nadie lo revise.
La rapidez elimina la red de seguridad que solían ofrecer los procesos manuales, más lentos.
Antes, las empresas se esforzaban por conseguir una visión completa y fiable del cliente a lo largo del tiempo. Hoy en día, es un requisito previo para una IA segura en el sector BFSI.
Cuando falta la resolución de identidades, aparece el «cliente Frankenstein»
En nuestro libro electrónico, «Conoce a tu cliente Frankenstein » —una lectura útil para cualquier persona involucrada en la gestión de datos de clientes del sector BFSI—, verás este patrón: un expediente de cliente recompuesto a partir de fragmentos, duplicados y datos contradictorios.
Los datos parecen lo suficientemente plausibles como para superar una comprobación rápida, pero se desmoronan en el momento en que se utilizan para tomar una decisión importante.
Sin un método regulado para establecer la identidad y vincularla con el contexto relevante, la IA corre el riesgo de actuar basándose en ese mismo cliente «reconstruido», ya sea que alguien se dé cuenta de inmediato o solo después de que se haya tomado una decisión.
Cómo aborda STEP este problema
La plataforma de inteligencia de confianza de Stibo Systems, STEP, ofrece a las empresas del sector BFSI una base de datos maestros independiente y regulada que funciona en paralelo con los sistemas de CRM, los sistemas bancarios centrales, las pólizas, las reclamaciones, los datos en la nube y las plataformas de IA. Establece identidades fiables y conecta el contexto empresarial que necesita la IA sin sustituir los sistemas que gestionan las transacciones:
- Identidad fiable: compara, consolida y gestiona los registros de clientes y partes interesadas, al tiempo que conserva la fuente, el linaje y los identificadores persistentes
- Relaciones y jerarquías: conecta hogares, entidades jurídicas, beneficiarios efectivos, corredores e intermediarios, funciones y estructuras organizativas
- Contexto empresarial semántico: aplica definiciones, clasificaciones y gobernanza compartidas para que tanto las personas como la IA comprendan el significado de las entidades y las relaciones
- Conexión y control empresarial: publica la identidad y el contexto regulados en el CRM, las plataformas centrales, los datos en la nube, la analítica y la IA, con trazabilidad, controles automatizados y supervisión humana para las excepciones
En conjunto, estas capacidades convierten los registros fragmentados en información fiable y rica en contexto que tanto las personas como la IA pueden utilizar con mayor confianza, y que las empresas del sector BFSI pueden explicar, gobernar y defender. Para descubrir cómo en Stibo Systems apoyamos a las organizaciones de servicios financieros y seguros, visita las páginas dedicadas al sector en nuestra página web.
Preguntas frecuentes
Qué es un Customer 360 de confianza
Un Customer 360 de confianza es una vista gobernada y actual de una persona u organización que conecta la identidad con productos, cuentas, políticas, roles, hogares, entidades legales y relaciones relevantes a través de sistemas. También preserva la procedencia, para que los usuarios sepan de dónde proviene la información y por qué es confiable.
Significa Customer 360 recopilar más datos
No. El objetivo no es la recopilación indiscriminada de datos. Es conectar y gobernar los datos ya existentes para un propósito definido, sujeto a controles adecuados de privacidad, propósito y acceso.
Qué papel juega la resolución de identidad en Customer 360
La resolución de identidad empareja y concilia registros que pueden referirse a la misma persona u organización y establece una identidad de parte confiable. Es fundamental, pero no es todo el Customer 360, que también incluye relaciones, jerarquías, significado empresarial y gobernanza.
Cómo se diferencia MDM de CRM o un data lakehouse
CRM gestiona las interacciones con los clientes, mientras que los data lakes y lakehouses soportan el almacenamiento, procesamiento, análisis y la IA. MDM establece identidades, relaciones, jerarquías y definiciones comerciales compartidas y gobernadas que estos sistemas pueden usar de manera consistente.
Esto se aplica a los clientes empresariales así como a los individuos
Sí, los clientes empresariales a menudo requieren una inteligencia de relaciones más compleja. Un cliente corporativo puede incluir una empresa matriz o empresa matriz última, subsidiarias, propietarios beneficiarios, corredores o intermediarios, roles, ubicaciones y múltiples contactos. MDM mantiene a las entidades legales distintas mientras las conecta a través de jerarquías y relaciones gobernadas.
Qué pasa cuando el emparejamiento se equivoca
Un emparejamiento erróneo puede combinar dos partes diferentes, mientras que un emparejamiento perdido puede dejar la misma parte fragmentada en diferentes sistemas. Ambos pueden distorsionar las decisiones de KYC, riesgo, reclamaciones, servicio y personalización. Las decisiones de coincidencia y relación deben ser gobernadas, trazables y explicables, con automatización para casos claros y revisión o remediación humana para excepciones.
Quién en una organización BFSI suele ser el responsable de este problema
Customer 360 es una responsabilidad compartida de negocio y datos. Los propietarios de dominios comerciales definen los resultados y las reglas, los equipos de gobernanza y administración de datos mantienen la calidad y la responsabilidad, los equipos de tecnología integran los sistemas, y las funciones de privacidad, riesgo y cumplimiento establecen los controles apropiados. Los equipos de IA consumen esta base confiable; no deberían ser los únicos responsables de ella.
