Suscripción impulsada por IA: Baishi Wu, de Chime, sobre cómo convertir datos complejos en conclusiones accionables con rapidez

Baishi Wu dirige la organización de tarjetas de Chime, que abarca productos de débito y crédito, y colabora con los equipos de producto, riesgo de crédito y ciencia de datos para optimizar la experiencia del cliente, desde el acceso hasta las autorizaciones. En una entrevista reciente con el cofundador y CPTO de Taktile, Maximilian Eber, Baishi lleva a los oyentes tras bambalinas de la suscripción de crédito impulsada por IA en Chime.

Comparte qué hace tan singular la suscripción de crédito en Chime, cómo el equipo usa hoy la IA para acelerar las decisiones para los clientes y su punto de vista sobre la próxima gran oportunidad de la IA en la suscripción de crédito.

La fórmula secreta de Chime para la suscripción de crédito

Baishi destaca que ser dueño de la relación principal con la cuenta es el principal diferenciador de Chime en la suscripción de crédito. Cuenta que, cuando usted es la cuenta donde llega el 100 % del flujo de caja de una persona, tiene una enorme ventaja sobre los prestamistas que solo ven una parte.

“Mientras siga siendo la fuente del flujo de caja de un cliente, usted puede suscribir de forma más eficaz que la mayoría de los actores del mercado.”

Cuando los prestamistas dependen de los datos de los burós, solo acceden a un único momento del historial del prestatario. Los datos de flujo de caja están en constante evolución: el equipo de Baishi puede verlos en tiempo real y adaptar las decisiones de forma continua. Sin embargo, señala que los prestamistas suelen cometer el error de usar los datos de flujo de caja como una instantánea:

“Cuando se miraban tradicionalmente los datos de flujo de caja desde la perspectiva del open banking, se tomaba la analogía de cómo se usan los datos de crédito y se intentaba aplicarla a los datos de flujo de caja: miramos un único punto en el tiempo, vemos algunas transacciones históricas e intentamos suscribirlo en el acto.

Pero lo esencial de lo que se quiere hacer con los datos de flujo de caja es verlos tantas veces como sea posible e influir en las decisiones de manera continua.”

Decidir cuándo los clientes pasan al siguiente nivel de crédito

El acceso de Chime a datos continuos de los clientes es una enorme ventaja estratégica. Pero también añade complejidad a la hora de ajustar los límites de crédito de los clientes a lo largo de su trayectoria.

“No es una simple prueba A/B en la que un solo momento determina lo que hay que hacer con el tiempo.”

Cuando Chime quiere ampliar el acceso al crédito, el equipo de Baishi usa pruebas champion challenger para ver si puede ofrecer más a clientes que normalmente no tendrían un acceso ampliado.

Parece simple.

Pero en el caso de Chime, los clientes no son prestatarios de una sola vez; son usuarios recurrentes con necesidades y circunstancias en constante evolución. “No es una simple prueba A/B en la que un solo momento determina lo que hay que hacer con el tiempo”, explica Baishi. “Es una serie de pruebas según distintos niveles de antigüedad y experiencia, y todo eso lo vuelve mucho más complejo.

Pero en el fondo, este proceso sigue un modelo champion challenger en el que intentamos averiguar cómo podemos ir más allá en lo que ofrecemos a nuestros clientes.”

play_circle

Acelerar las decisiones de crédito con IA cuando se usan datos complejos

Con tanta información compleja que analizar, Baishi ha visto cómo la IA acelera la capacidad de su equipo para convertir datos sin procesar en conclusiones accionables.

Primero, la IA puede derribar los silos de datos entre equipos multifuncionales. Antes, los equipos de riesgo de crédito, ciencia de datos, finanzas y producto podían trabajar con información separada y resumida. Con IA, cada equipo puede acceder al panorama completo y tomar decisiones con confianza más rápido, sin importar su nivel de experiencia técnica.

Segundo, la IA puede funcionar como un “analista de riesgo en una caja”, que convierte rápidamente los datos en conclusiones útiles cuando se combina con el criterio humano.

“Cuando tiene un conjunto de datos difícil de explorar, puede dejar que la IA lo resuma rápidamente y junte las piezas. Luego, sume su criterio humano para decidir qué es realmente significativo. Así puede tomar mucho más rápido conjuntos de datos que no está seguro de que valgan su tiempo, extraer una conclusión y decidir si tienen el potencial de frenar el riesgo.”

La mayor oportunidad de automatización con IA en la suscripción de crédito

De cara al futuro, Baishi ve la validación de modelos como la mayor oportunidad de automatización impulsada por IA en la suscripción de crédito. Construir una política de crédito es una parte del proceso, pero asegurarse de que el modelo funcione correctamente y cumpla la normativa es la parte que realmente lleva mucho tiempo.

Si se despliegan más de treinta variables, explica Baishi, hay que crear documentación para cada una. Sostiene que la IA puede automatizar buena parte de ese proceso de gobernanza:

“Puede diseñar un modelo de crédito según cómo cree que debería funcionar en realidad y luego automatizar el proceso de gobernanza con IA. Menos trabajo tedioso de por medio y una conversación más directa entre riesgo y cumplimiento.”

La idea es que, una vez que la IA pueda automatizar el lado de la gobernanza, los equipos puedan concentrarse en la innovación.

“Crear una política que mejore con el tiempo exige mucho esfuerzo y es realmente complejo. Con IA, se puede aumentar de verdad el ritmo con el que generamos nuevas ideas en este campo. Esa es la verdadera manera de ganar: poder concentrarse en el trabajo importante y crítico, y hacer mucho más fácil el trabajo de ‘cumplir con el trámite’.”