Uno de los puntos que más competencia genera en la industria financiera es sumar clientes corporativos. Y no solo grandes empresas, claro, sino que también aporta el caudal de pymes de diver-sos tamaños y promisorio crecimiento. Por eso entre los bancos suele darse una intensa carrera por sumar clientela proveniente de sociedades (SRL, SA u otras) de la manera más rápida y simple posible.
Justamente, buscando como agilizar ese trámite que implica una serie de pasos y solía tomar entre dos y tres semanas de trabajo a los responsables del área, el Banco Galicia desarrolló, junto con Red Hat, una solución original que les permitió sumar un módu-lo de inteligencia artificial capaz de «leer» documentos legales, extraer datos en for-ma automática, analizar los estatutos de los prospectos y acelerar partes del trámite de alta. A tal punto que ahora el banco puede completar ese «papeleo» en 24 horas. Un desarrollo que fue complejo y requirió una inversión significativa, pero que le sirve a la entidad para volverse mucho más competitiva y eficiente.
«El problema que buscába-mos resolver era como hacer para mejorar la eficiencia del proceso de alta de clientes cor-porativos que debe cumplirse con cada nueva compañía que quiera tener al Galicia como institución financiera», explica Matías Lorusso, arquitecto de Datos de esa entidad. Lorusso, además de licenciado en Informática, suma un magister en Minería de Datos. Y fue él quien llevó este proyecto (que ya había sido intentado, sin éxito, en años anteriores) a buen puerto, en un plazo de menos de seis meses. Para eso contó con el soporte de Red Hat, el proveedor de la solución que aportó su know-how y técnicos que asesoraron y capacitaron a desarrolladores en temas puntuales.
«En concreto», explica el entrevistado, «cada organización comercial que desea operar financieramente con nosotros debe hacer el ‘alta de empresa’. Este, entre otras cosas, requiere que la compañía aporte el estatuto societario constitutivo de la sociedad. Esa documen-tación debe ser analizada, escaneada y guardada en un repositorio digital. Y de su contenido se extraen una larga serie de datos que deben ser verificados contra diversas bases para, finalmente, validar todo y otorgar el estatus de ‘cliente’ a la compañía y que ésta pueda operar sus productos financieros», detalla.
Las cuatro funciones de WhatsApp que casi nadie conoce: cuáles son y cómo se usan
Cuando se hicieron los análisis encontramos que diariamente se procesaban en forma manual entre 15 y 20 estatutos societarios. Eso implicaba analizar documentos legales complejos, a veces de hasta 80 páginas, con datos personales de los socios, aportes a la sociedad, figuras legales, CUIT, y un sinfín de campos que debían ser «extraídos» y cargados manualmente para ser verificados – por ejemplo- contra bases de datos externas (Registro Nacional de las Personas, Inspección General de Justicia). Completar el proceso podía demorar entre dos y tres semanas.
Además, esos pasos laboriosos daban pie a situaciones proclives a generar confusiones, omisiones y errores de tipeo que atrasaban el alta. Ante esa situación, Lorusso recuerda que «el banco decidió automatizar el proceso y se eligió la propuesta de Red Hat. Cabe aclarar que, en años anteriores, se había intentado algo similar, con soluciones propietarias de otros vendors, pero no se Ullegó a buen puerto. Esta vez la implementación de una plataforma de procesamiento e interpretación del lenguaje natural, a partir de un docu-mento jurídico (estatutos) funcionó y esta capacidad está operativa.
Desde «Bastanteo»
Victoria Martínez, gerenta de desarrollo de Negocios de IA para América latina en Red Hat, detalla que «la idea nació por una necesidad del área de Bastanteo, el sector de Legales que se ocupa las verificaciones y chequeos para analizar los poderes y mandatos de los clientes corporativos». Según Martínez, el análisis de dicha documentación es esencial para lograr el compliance de los requerimientos oficiales. Y, entre otras cosas, esos datos son utilizados para evaluar si el capital de la empresa se corresponde con la evalua-ción de riesgo, se repasan los socios y apoderados, la actualización del documento y otros parámetros.
La esencia del proyecto, según la experta de Red Hat, es que «automatizar parte del bastanteo le acelera al banco la posibilidad de concretar el negocio y sumar un nuevo cliente». El objetivo que se propusieron fue bajar los tiempos para que el banco pudiera ser más com-petitivo al ofrecer sus servicios. «El Galicia quiso desarrollar esta solución para mejorar sus tiempos de respuesta a las empresas», expresa.
En esencia, la solución se ocupa de procesar una imagen de la documentación que aportan los clientes en archivos PDF o JPG. «Para minimizar errores, decidimos aplicar un modelo de arquitectura de inteligencia artificial que procesa el archivo, analiza el documento y ‘separa’ las entidades que lo integran», detalla. Por ejemplo, identifica los nombres de los socios, el nombre de la empresa, la dirección, los CUIT y otros datos que constan en los Estatutos. Luego esas entidades se muestran -por pantalla- al operador para que éste los valide.
Una de las ventajas de que este modelo de trabajo se base en aplicaciones que contie-nen algoritmos de IA es que cuando el algoritmo interpreta mal un dato y lo muestra con errores, el operador humano puede corregirlo. Esa mejora vuelve al modelo, que «aprende» y va mejorando sus interpretaciones de futuras entidades con el paso del tiempo. El éxito del proyecto fue suficiente como para que ahora la compañía esté analizando liberarlo para que cada cliente lo use en forma autónoma y se «autovalide» los datos. De esa manera, desde el banco, el operador solo debe intervenir en el «check» final.
Bitcoin sigue estancado y nadie entiende lo que pasa: cuál criptomoneda conviene comprar hoy
Procedimiento
¿Qué implica el proceso? Tomar el archivo de imagen, convertirlo a un texto semiárido por medio de OCR y luego transformarlo en un texto completo que será interpretado por los algoritmos. Según Lorusso, lo complejo no estuvo tanto en lograr que el algoritmo de IA funcione, sino que sumó «el desafío organizativo, ya que debíamos coordinar la intervención precisa de referentes y las intervenciones de representantes de áreas de negocios, legales y sistemas y lograr integrar y alinear la nueva plataforma con el resto del ecosistema del banco, sobre un único roadmap. Es complejo alinear a los equipos y si esta línea no se logra en tiempo y forma, el circuito falla y la solución no se puede ni probar».
A la hora de recordar los tiempos, Lorusso explica: «Estábamos bastante urgidos porque si no tenés esta herramienta te demorás y estás perdiendo clientes contra otros bancos. Además, la solución de Red Hat ya estaba adquirida y queríamos amortizarla. Originalmente calculamos que íbamos a tardar cuatro meses pero la finalizamos en seis meses. Esto ocurrió a fines de 2020, o sea en plena pandemia, lo que, paradójicamente, resultó un bono porque fue más fácil encontrar a todos los expertos de los diferentes equipos del banco trabajando en forma remota y logramos que sumaran su parte o interacción de sistemas y solucionar los bugs bastante rápidamente».
El equipo alocado «full time» al proyecto que lideró el especialista fue de dos personas. «Pero lo complejo fue coordinar con las demás áreas: en total intervinieron unos 20 profesionales», apunta.
Dificultades
Entre las dificultades que superaron figura el tener que resolver temas con los «nave-gadores» (los equipos que se encargan de dar de alta al clien-te) y sumar a los responsables la legalización del documento. Otro punto difícil fue contar con el aporte de los encargados de controlar la integridad del estatuto legal. «Tenían que sumar su know-how dentro de un formato muy específico, con una lógica muy precisa para que el archivo pudiera ser entendido por todo el sistema. Eso tuvimos que validarlo muchas veces y con muchos cuidados.
«Según recuerda Martínez, de Red Hat, «todo el desarrollo que se hizo fue con equipos internos del Galicia. Nosotros apoyamos con un equipo de una docena de técnicos en diversas instancias y en temas de capacitación». ¿Por qué eligieron Red Hat? «La propuesta fue elegida porque les garantizaba la facilidad de poder hacer evolucionar el modelo en el tiempo. Esta opción le ase-guraba al equipo del Galicia completar el desarrollo de acuerdo a sus necesidades. Además, lograron sumar una capacidad interna de procesamiento de lenguaje natural. Eso sentó una base que luego pueden usar para otros proyectos, en otras áreas de negocios. Por todo eso nuestra propuesta fue diferencial», ensaya Martínez. De hecho, el banco ya está estudiando su aplicación en otras áreas de negocio.
Vacuna argentina contra el Covid: el Gobierno invierte $ 1100 M para que esté lista pronto
Estos jóvenes se propusieron lo imposible: recrear la Argentina 1 a 1 en un videojuego
Aprendizajes
Según Lorusso valoramos mucho esta arquitectura que está hecha con «piezas» intercambiables. «Por ejemplo, hoy tenés cierto OCR. Si mañana queremos upgradear esa «pieza» por otra, la solución total puede seguir operando con facilidad ya que cada integrante de la arquitectura es autónomo, cumple su función y puede interconectarse. Esa es la ventaja del open source».
¿Qué recomiendan en el Galicia a colegas que van a encarar un proyecto semejante? «Es clave tener a todas las personas necesarias sentadas a la mesa. Y eso implica una planificación detallada de las áreas que sumarán aportes al proceso y que deben estar comprometidas con el proyecto. De lo contrario, si falla una de todas las patas, los plazos de implementación se alargan muchísimo».
No fue el único aprendizaje. También es clave contar de antemano con los recursos humanos adecuados para manejar el grado de complejidad de la solución a implementar. Y, finalmente, Lorusso recomienda contar con un buen baseline. O sea tener medidos los tiempos del proceso en un momento inicial para poder luego poder hacer comparativas en forma adecuada. ¿Hoy tardo dos semanas? ¿Cuánto tardo cuando el proyecto ya está implementado? «Esto es significativo para poder darle el valor adecuado ya que muchas veces los proyectos que tienen que ver con ‘eficiencia’ a veces pueden ser algo cuestionados en forma interna ya que podrían decir que no es tan importante la velocidad del procedimiento como la habilidad del vendedor. Eso vuelve complejo determinar el ROI. Por eso, tener datos ciertos y conocer las métricas ‘antes’ y ‘después’, es esencial», cierra el entrevistado.