Desarrollo de seguridad financiera para comunidades de bajos ingresos
Un motor de recomendación impulsado por IA aprovecha los datos para ayudar a los asesores financieros a compartir productos de tecnología financiera inclusivos y equitativos más relevantes para los objetivos de los clientes
Mujer trabajando desde casa en el sofá con su hija

La inseguridad financiera es una realidad desalentadora que deben afrontar las personas con bajos ingresos. Las barreras sistémicas para la inclusión financiera son reales, especialmente para las mujeres de color. Change Machine, una organización tecnológica sin fines de lucro, aborda estos problemas de frente.

Su misión es construir seguridad financiera para las comunidades de bajos ingresos a través de tecnología impulsada por las personas. Change Machine hace su trabajo a través de una plataforma de software como servicio (SaaS) que puede transformar la forma en que las personas alcanzan sus objetivos financieros.Utilizada por asesores financieros de organizaciones de servicios sociales y organismos públicos, la plataforma cuenta con una herramienta de colaboración social para profesionales, un portal educativo sobre diversos temas de asesoramiento financiero y una aplicación de gestión de casos en Salesforce AppExchange para ayudar a los asesores en sus consultas con los clientes.

La plataforma incluye una variedad de productos y servicios de tecnología financiera que Change Machine ha analizado y determinado que son inclusivos, seguros y eficaces. La plataforma está impulsada por personas en el sentido de que refleja los conocimientos y la experiencia de los asesores financieros y los clientes, e incluye una función que utiliza el análisis de IA de los datos de los clientes para recomendar productos de tecnología financiera relevantes.

No siempre fue así.A principios de 2020, Change Machine desarrolló un conjunto de estándares para evaluar la asequibilidad, la inclusión y la seguridad de los productos de tecnología financiera, así como la forma en que cada producto intenta generar seguridad financiera.La primera iteración del motor de recomendaciones, llamada Marketplace Relief, se lanzó para mitigar la inseguridad financiera en medio de la recesión económica derivada de la pandemia de Covid.Se crearon criterios para filtrar productos y servicios pertinentes y examinados para satisfacer las necesidades de los clientes.Si las necesidades fueran para impulsar el ahorro y mejorar el crédito, por ejemplo, el motor de recomendaciones recomendaría productos y servicios de ahorro y crédito.

Aunque el sistema funcionó bien, el enfoque era limitado. “Nuestro motor de recomendaciones original fue diseñado por un pequeño grupo de asesores de lugares concretos y en un momento determinado”, afirma David Bautista, director de Desarrollo de Productos de Change Machine.“Para ampliar el alcance de sus conocimientos y los productos que podía recomendar, queríamos que el motor de recomendaciones pudiera actualizarse sobre la marcha”.

Las normas de recomendación suscitan otra preocupación. “Los asesores identificaron reglas basadas en sus conocimientos y experiencia trabajando con clientes, pero no sabíamos cómo aprovechar también los datos de los clientes que estaban almacenados en nuestros sistemas, como qué servicios utilizan con más frecuencia y qué umbrales adicionales se necesitan en función de situaciones financieras comunes”, dice Robert Zarate-Morales, subdirector de Desarrollo de Productos.“Los datos podrían proporcionar una mejor comprensión de las necesidades de los clientes”.

El motor de recomendaciones tampoco consideró si los clientes aceptaron o rechazaron los productos y servicios recomendados para obtener una indicación del impacto de la función.

Mayor uso

 

El uso continuo de productos de tecnología financiera aumentó del 60 % al 98 %

Ciclo de desarrollo más corto

 

El equipo del proyecto tardó solo 6 semanas de sprints ágiles para desarrollar modelos de clasificación de aprendizaje automático

Los asesores identificaron las normas basándose en sus conocimientos y experiencia de trabajo con los clientes, pero no sabíamos cómo aprovechar también los datos de los clientes. Robert Zarate-Morales Subdirector de Desarrollo de Productos Change Machine
Aplicación del aprendizaje automático para mejorar las recomendaciones

Estaba claro que el motor de recomendaciones podría mejorarse mediante el análisis de datos de IA. Para obtener asistencia para el desarrollo, Change Machine contrató al equipo de IBM® Data Science and AI Elite en marzo de 2021.IBM trabajó bajo el programa IBM Data and AI for Social Impact, una colaboración de aprendizaje en la que IBM ayuda a organizaciones sin fines de lucro a utilizar la ciencia de datos y la IA para lograr su misión.

El proyecto comenzó cuando el personal de IBM y Change Machine compartieron conocimientos y diseñaron los requisitos.El objetivo era racionalizar los datos organizacionales en un todo coherente y desarrollar modelos de clasificación de aprendizaje automático que personalizaran las recomendaciones.Los modelos serían de autoaprendizaje y se basarían en IA confiable, lo que significa que el razonamiento detrás de las recomendaciones sería explicable.

La escalabilidad permitiría que el motor manejara el crecimiento esperado de socios y usuarios. Además, los paneles operativos mostrarían datos en vivo para obtener información sobre las operaciones.

Para desarrollar los modelos de datos e IA, el equipo de IBM eligió IBM Cloud Pak® for Data as a Service, que vincularía todos los datos en una función de datos centralizada.Los desarrolladores utilizaron la solución IBM watsonx® Studio con su característica AutoAI para facilitar el desarrollo.La solución IBM Cognos® Dashboard Integrated basada en API accionaría los paneles escalables.Todas las herramientas residen en IBM Cloud Pak suministradas desde IBM Cloud®.

El compromiso con IBM nos enseñó a aprovechar nuestros datos de nuevas maneras y cómo construir un marco para crear y gestionar modelos de aprendizaje automático. David Bautista Director de Desarrollo de Productos Change Machine
Desarrollo rápido con la metodología ágil de IBM

El desarrollo avanzó rápidamente utilizando la metodología de participación IBM Data Science y AI Elite de tres sprints ágiles durante seis semanas:

  • En el primer sprint de dos semanas, los desarrolladores trabajaron con Change Machine para comprender los datos conectados a todas sus fuentes.
  • El segundo sprint se centró en el desarrollo de modelos básicos de aprendizaje automático para comprobar si los datos podían realmente hacer predicciones.
  • El tercer sprint concretó con éxito los modelos, enriqueciéndolos con nuevas características y desplegándolos en producción.

A continuación, los modelos se integraron en la aplicación de Salesforce que los asesores financieros usan con los clientes.El equipo de IBM también apoyó al equipo de Change Machine en el desarrollo de paneles de gestión.Además, como parte de la colaboración de aprendizaje, IBM transfirió conocimientos al equipo de Change Machine sobre estrategia de datos y herramientas de IA que seguirán utilizando en el futuro.

“El compromiso con IBM nos enseñó a aprovechar nuestros datos de nuevas maneras y cómo construir un marco para crear y gestionar modelos de aprendizaje automático”, dice Bautista. “El proyecto también sirvió como trampolín para nuestra implicación en soluciones avanzadas en la nube y nos ayudó a desplegar una aplicación de IA en el mundo real, algo que antes considerábamos que tardaría años, en el mejor de los casos”.

Nuestra asociación con IBM nos permite pensar más estratégicamente sobre los datos. David Bautista Director de Desarrollo de Productos Change Machine
Las recomendaciones de calidad ayudan a superar las barreras financieras

El análisis de IA de los datos de Change Machine ahora impulsa el motor de recomendaciones de Salesforce. La solución es tan innovadora que fue nominada para el Premio a la Innovación en IA de VentureBeat en la categoría AI for Good.

Con el antiguo motor de recomendaciones, los clientes utilizaban activamente solo el 60 % de los productos de tecnología financiera recomendados por sus asesores. Con la nueva versión, la cifra ha aumentado al 98 %, lo que indica que las recomendaciones son más pertinentes.

“Las recomendaciones de mayor calidad promueven nuestra misión de ayudar a las personas a superar las barreras financieras”, dice Bautista.“No solo aumentan la captación de productos, sino que ayudan a garantizar el acceso a los productos que la gente más necesita.Y ayudan a consolidar las relaciones entre nuestros socios y aquellos a quienes asesoran”.

Otra ventaja se deriva de la conexión del motor de recomendaciones con datos dinámicos sobre clientes y ofertas de tecnología financiera. A medida que se actualiza este conjunto de datos, también lo hace el motor de recomendaciones.

Los paneles están resultando valiosos en toda la organización.Ayudan a los directivos de Change Machine a visualizar datos operativos dinámicos donde “los números por sí solos no cuentan toda la historia”, dice Zarate-Morales. Los desarrolladores están construyendo paneles adicionales impulsados por un mercado de datos en IBM Cloud Pak for Data.

De cara al futuro, el compromiso de IBM continuará impulsando la innovación dentro de Change Machine a medida que su personal aplique lo que han aprendido.

“Para mí fue emocionante entender tanto las capacidades como la relativa facilidad de uso de esta tecnología”, explica Bautista.“Anteriormente, los datos eran algo que usaríamos de forma reactiva.Si hubiera una pregunta, preguntaríamos: '¿Dónde están los datos?'Pero hoy estamos empezando a incorporar datos de forma proactiva en las decisiones estratégicas.Nuestra asociación con IBM nos permite pensar más estratégicamente sobre los datos”.

Logotipo de Change Machine
Acerca de Change Machine

Fundada en 2005, Change Machine crea seguridad financiera para las comunidades de bajos ingresos a través de la tecnología impulsada por las personas. Más de 8000 profesionales han utilizado la plataforma de Change Machine para amplificar su impacto, incluida la colocación de 45 millones de dólares en los bolsillos de sus clientes.

Dé el siguiente paso
IBM se asocia con organizaciones en una incubadora de IA para lograr un impacto social Blog Los investigadores de Luxemburgo aceleran la innovación con IA Caso práctico Presente la tradición con un toque innovador Caso práctico
Notas de pie de página

© Copyright IBM Corporation 2022. IBM Corporation, New Orchard Road, Armonk, NY 10504

Producido en Estados Unidos de América, agosto de 2022.

IBM, el logotipo de IBM, ibm.com, Cognos, IBM Cloud, IBM Cloud Pak e IBM watsonx son marcas comerciales de International Business Machines Corp., registradas en muchas jurisdicciones de todo el mundo Otros nombres de productos y servicios pueden ser marcas registradas de IBM o de otras empresas. Puede consultar una lista actual de marcas comerciales de IBM en la web en “Información sobre derechos de autor y marcas comerciales” en www.ibm.com/mx-es/legal/trade.

Este documento está actualizado a la fecha inicial de publicación e IBM puede modificarlo en cualquier momento. No todas las ofertas están disponibles en todos los países en los que opera IBM.

Los datos de rendimiento y los ejemplos de clientes citados se presentan solo con fines ilustrativos. Los resultados de rendimiento reales pueden variar según las configuraciones específicas y las condiciones de funcionamiento. LA INFORMACIÓN CONTENIDA EN ESTE DOCUMENTO SE PROPORCIONA “TAL CUAL”, SIN NINGUNA GARANTÍA, EXPRESA O IMPLÍCITA, INCLUIDAS LAS GARANTÍAS DE COMERCIABILIDAD, IDONEIDAD PARA UN FIN DETERMINADO Y CUALQUIER GARANTÍA O CONDICIÓN DE NO INFRACCIÓN. Los productos de IBM están garantizados de conformidad con los términos y condiciones de los acuerdos bajo los cuales se proveen.