Digitalización de la función de riesgos
La digitalización de la función de gestión de riesgos es un fenómeno reciente. La clave del proceso reside en la combinación de diferentes tecnologías disruptivas que permiten el análisis masivo de datos estructurados y no estructurados y la automatización y gestión de procesos y tareas.
La digitalización de la función de riesgos requiere seguir una hoja de ruta y la adopción de dos tipos de tecnologías disruptivas. Por un lado, las tecnologías que tienen que ver con la captación y análisis de datos, tanto datos tradicionales o estructurados como no estructurados; hablamos de tecnologías como Big Data Analytics, Machine Learning e Inteligencia Artificial. Y por otro lado, las tecnologías que permiten la automatización y gestión de procesos y tareas como son Workflow Automation (iBPM) y Robotic Process Automation (RPA).
Las primeras, especialmente Inteligencia Artificial, son las que están llamadas a aportar un enorme potencial a la función de riesgos y las últimas juegan un papel relevante para mejorar la eficiencia de los procesos y tareas manuales, tremendamente rutinarias o repetitivas.
Estas tecnologías disruptivas aportan, entre otras, las siguientes ventajas a la función de gestión de riesgos: una monitorización más sofisticada y precisa, con visión consolidada y prácticamente en tiempo real (24:7); capacidad de respuesta rápida ante cualquier evento e incluso anticiparse con análisis predictivos; análisis tan afinados que permiten desarrollar nuevos productos, servicios y hasta personalizaciones antes impensables. Curiosamente, en la era digital la personalización no viene tanto de la interacción humana como de los datos.
La digitalización de la función de gestión de riesgos hace que ésta sea más precisa y ágil y aumenta la capacidad de resiliencia de las compañías
La Inteligencia Artificial, por ejemplo, es una ayuda clave en tareas como compliance, atención automatizada a los clientes con Procesamiento de Lenguaje Natural (PLN) y reconocimiento por imagen y voz; detección de valores fuera de rango que puedan llevar a riesgos operativos; análisis de sentimiento en documentos de audio o texto, entre otros.
El gráfico recoge las principales tecnologías y algunos ejemplos de uso. En el informe completo se detallan ejemplos concretos.
Para que todo funcione correctamente, hay que contar con una estructura adecuada del gobierno del dato y trabajar en paralelo en la calidad de los mismos. Sin datos de calidad ni verificación sobre la corrección de los algoritmos utilizados, difícilmente habrá buenos insights que puedan ayudar en la gestión de riesgos. Ni se estará garantizando un tratamiento correcto y ético de los datos.
-Si quieres profundizar sobre las nuevas estructuras tecnológicas, puedes contactar con el responsable de IT Advisory de KPMG, Jorge Santos. Y para tener más información sobre las posibilidades de Data Analytics e Inteligencia Artificial contacta con la responsable del área en KPMG, Eva García San Luis.