Elegir el proveedor de aprendizaje automático o Machine Learning adecuado puede ser una tarea abrumadora. Después de todo, lo último que quieren los bancos o las instituciones financieras es cargar con una inversión en Machine Learning que no satisface completamente sus necesidades.
Aquí hay nueve preguntas que debe hacerle a un proveedor de Machine Learning para evitar cometer un error costoso.
1) ¿La plataforma está preparada para el futuro?
El espacio de la inteligencia artificial se mueve rápido y evoluciona rápidamente. Desafortunadamente, esto significa que algunas tecnologías que se utilizan hoy en día se volverán obsoletas mañana. Por lo tanto, es importante comprender cómo elegir el mejor proveedor de Machine Learning para su negocio. Piense en cómo los hábitos bancarios se trasladaron rápidamente a los canales digitales durante la pandemia. Cualquier sistema en el que invierta debe ser lo suficientemente flexible para responder a los cambios en la actividad del mercado y los nuevos hábitos bancarios de los clientes.
Asegúrese de preguntarle al proveedor de Machine Learning si la solución tiene límites incorporados. Si la solución no se puede ajustar fácilmente para cumplir con las nuevas condiciones, puede convertirse en un obstáculo para las prioridades de escalamiento de su empresa.
2) ¿Cuánto control tendrás?
Cualquier solución de Machine Learning que implemente debe ser compatible con varias plantillas y plantillas personalizadas. Es importante admitir varios modelos porque los estafadores se comportan de manera diferente según dónde se encuentren y qué estén haciendo. El modelo global, por ejemplo, no reflejará los matices de los patrones de fraude exclusivos de una región específica, como las características de América Latina. Mientras tanto, las plantillas personalizadas tienen en cuenta los patrones de fraude únicos a los que se enfrentan habitualmente los sectores bancario y de pagos.
Pregúntele al proveedor si su producto admite modelos personalizados y múltiples. Por eso, una vez más, es importante saber qué proveedor se adapta mejor a su negocio.
3) ¿Entiende cómo llegó el sistema a su puntuación de riesgo?
Deberá confiar en el sistema de Machine Learning que seleccione, pero ¿cómo puede confiar en el sistema si usted o su equipo de analistas de fraude no comprenden cómo logró sus resultados? Esto será un problema si el sistema de Machine Learning se basa en soluciones de caja negra que no revelan cómo se tomó una decisión.
Asegúrese de invertir en soluciones que, en última instancia, mantengan a los humanos en control y les permitan revisar las transacciones para tomar decisiones informadas. Elija un proveedor que ofrezca soluciones de caja negra solo si está dispuesto a confiar plenamente en los resultados del sistema sin comprender su proceso de toma de decisiones.
4) ¿El sistema permite datos omnicanal?
El Machine Learning no es una solución de configurar y olvidar.
La tecnología debe evolucionar con las últimas tendencias para ofrecer los resultados más confiables. Pregúntele a su proveedor de Machine Learning si la solución puede recibir datos rápidamente de diferentes puntos de contacto con el cliente, dispositivos móviles, en línea, cajeros automáticos, etc. Con estos puntos de datos, su banco puede obtener una vista de 360 grados de los comportamientos de los clientes, lo que le permite a su equipo ajustar el modelo y, en consecuencia, mejorar su desempeño. Tenga en cuenta que un buen modelo también puede extraer datos de fuentes externas e internas.
5) ¿Es escalable?
Imagine que su negocio se expande rápida y exitosamente y procesa el doble de transacciones que antes. Su plantilla de Machine Learning debería poder mantenerse al día con su nueva carga de trabajo con solo pequeños ajustes. Si el sistema no puede seguir el ritmo de sus nuevas demandas, puede convertirse en un obstáculo para el crecimiento futuro de su organización. Asegúrese de preguntarle al proveedor de Machine Learning cómo responde el sistema a los nuevos desarrollos. Deben enumerar diferentes opciones sobre cómo se puede sintonizar el sistema. Mientras tanto, un proveedor que afirme que su sistema es “el único que necesita” debería levantar una bandera roja.
6) ¿La experiencia del proveedor de Machine Learning es parte del negocio?
Un sistema de Machine Learning es sin duda una de las compras más complicadas que ha realizado su banco. Por eso es importante no pensar en sus tratos con un proveedor de Machine Learning como una transacción única. Deberá acceder a la experiencia del proveedor en Machine Learning y ciencia de datos para aprovechar al máximo su inversión. Pregunte al proveedor si el acceso a sus conocimientos es parte del contrato de compra. Busque un proveedor que ofrezca una asociación, no solo una venta.
7) ¿Qué tan específica se puede configurar la plataforma?
Las plataformas de Machine Learning crean perfiles de comportamiento normal y luego señalan casos de comportamiento inusual o anormal. Pero algunas plataformas de Machine Learning pueden expandirse con más detalle que otras. Por ejemplo, en lugar de mirar a “mujeres de entre 30 y 35 años”, mira a “Susan”. Cuanto más específica sea una plataforma en la creación de un perfil, más fraude puede prevenir. Pregunte cómo la plataforma de proveedores crea perfiles de clientes para establecer un comportamiento “normal” de referencia. Asegúrese de que el proveedor no utilice los datos de manera demasiado amplia. Si lo hacen, su organización podría perder más dinero por fraude.
8) ¿La plataforma ofrece una gestión de casos flexible?
Si su banco opera en todo el mundo y opera las 24 horas del día, los 7 días de la semana, es posible que varios cientos de personas inicien sesión en el sistema en diferentes momentos. Busque sistemas de Machine Learning que ofrezcan herramientas de gestión de casos flexibles que permitan a sus equipos crear flujos de trabajo autoconfigurables para sus prioridades. Desea herramientas de gestión de casos que distribuyan automáticamente el trabajo según diferentes criterios, prioricen las transacciones por importancia y brinden a varios miembros del equipo (analistas de fraude, empleados de sucursales o personal de servicio al cliente) exactamente lo que necesitan del sistema.
Pregúntele al proveedor cómo distribuye el sistema el trabajo entre los diferentes departamentos y cómo los miembros del equipo pueden usarlo para priorizar las transacciones. Considere las perspectivas de los diferentes equipos y cómo la plataforma funcionará para ellos mientras llevan a cabo sus responsabilidades. Tenga cuidado si el proveedor no puede responder cómo funciona el sistema para diferentes departamentos.
9) ¿Es autoconfigurable?
Supongamos que desea medir la tasa de rotación de un departamento, producto o miembro del equipo específico. Por lo general, tendría que pedirle al proveedor de Machine Learning que ajuste los informes de su panel para lograr estos objetivos. Sin embargo, una plataforma con paneles de control autoconfigurables le permite personalizar métricas específicas para enfocarse en sus KPI comerciales preferidos. En un mundo de autos que funcionan con gasolina, los sistemas de Machine Learning son los nuevos autos eléctricos.
Una plataforma autoconfigurable va un paso más allá. Eso significa que no solo está comprando el automóvil; está comprando la fábrica de automóviles. Pregúntele al proveedor cuánto tiempo lleva ajustar el panel a sus preferencias.
La bandera roja debería sonar si no pueden garantizar que podrá configurarlo según las necesidades específicas de su organización a su conveniencia.
Invertir en Machine Learning puede ser un paso abrumador. Pero no tienes que hacer esto solo. Utilice esta guía para hacer que su proceso de selección de Machine Learning sea lo más fluido e informado posible.
¿Cómo puede estar seguro de que está trabajando con el proveedor de Machine Learning adecuado para su empresa? Sencillo, elegir el mejor proveedor de Machine Learning para su negocio.
Descargue o e-book: “Cómo elegir una plataforma de Machine Learning para detectar y prevenir delitos financieros” y aprenda las señales de advertencia a tener en cuenta y más.
