Cómo las instituciones de servicios financieros deben considerar los datos no estructurados y por qué son importantes para una estrategia de IA empresarial sólida

Poder aprovechar los datos no estructurados es un elemento fundamental de una estrategia de datos eficaz para 2025 y los próximos años. Para seguir el ritmo de la competencia y de la innovación acelerada por la IA, las empresas deben ser capaces de extraer el tesoro de valor enterrado en las montañas de datos no estructurados que constituyen aproximadamente el 80 % de todos los datos empresariales: desde registros de centros de llamadas, reseñas de clientes, correos electrónicos e informes de reclamaciones hasta noticias, documentos y transcripciones. Aunque se trata de una proporción tan grande de datos de una empresa, muchas organizaciones de servicios financieros todavía no saben cómo utilizarlos de manera eficaz. 

¿La clave? Tener una estrategia de datos sólida con una plataforma que pueda admitir datos estructurados y no estructurados. Sin ellos, a los responsables de datos puede costarles mucho conseguir que la IA generativa funcione en una empresa a escala para ayudar a optimizar el valor. 

Las empresas que buscan sacar partido a sus datos no estructurados deben averiguar cómo lograr tres objetivos que a menudo son complejos: 

• Incorporar los datos: ¿Cuál es el paradigma adecuado para la ingesta de datos no estructurados? 

• Analizar los datos: ¿Cómo se analizan los datos no estructurados? 

• Usar los datos una vez que se han transformado: ¿Cómo pueden acceder a los datos diferentes personas de una empresa para encontrar la información adecuada? 

Creación de valor para los clientes, un caso de uso cada vez

Poder aprovechar lo anterior significa que los responsables de datos pueden avanzar hacia la optimización de casos de uso tangibles de los que se puedan beneficiar los clientes reales. Estos son algunos ejemplos de todo el sector financiero en los que los datos no estructurados pueden tener un impacto.

• Tramitación de una reclamación de seguro: El proceso de reclamación de seguros es complejo y esencial para la satisfacción del cliente. Desde el momento en que se presenta una reclamación —ya sea en línea, a través de un centro de llamadas o a través de una aplicación móvil— se somete a varios pasos clave. La reclamación debe evaluarse, remitirse al departamento correspondiente en función del tipo y la complejidad, investigarse para determinar su validez y, en última instancia, resolverse mediante liquidación o pago. 

  Este proceso a menudo requiere que los gestores de reclamaciones revisen una amplia gama de datos, como notas, contratos, registros de centros de llamadas e incluso multimedia, como vídeos y fotos. La investigación también puede implicar herramientas de detección de fraudes, inspecciones in situ y la colaboración con reguladores externos.

• Ayudar a los compradores de primera vivienda: Comprar una casa es uno de los hitos más emocionantes para muchas personas, pero también puede generar muchos dolores de cabeza. El proceso requiere mucha documentación. Las solicitudes de préstamos, las declaraciones de la renta, las declaraciones de impuestos y las tasaciones de propiedades contienen información necesaria, pero pueden ser difíciles de procesar a escala. Gracias a las capacidades de procesamiento de texto basadas en IA, los agentes y las aseguradoras pueden analizar documentos de forma más rápida y eficaz, identificar lagunas o errores y acelerar la experiencia de compra de vivienda para los clientes.

• Realización de analíticas cuantitativas y de inversiones: Ajustar datos estructurados, como precios, estimaciones y datos ambientales, sociales y de gobernanza (ASG), es solo el principio de una valiosa investigación cuantitativa y de analíticas de inversión. Para los gestores de activos expertos, el siguiente límite para generar alfa es aprovechar los datos no estructurados con large language models (LLM). Examinar temas como los documentos financieros corporativos puede ser engorroso, al igual que leer noticias relevantes o comprender el sentimiento de las redes sociales, lo que puede ser útil para entender el panorama del sector o las actitudes cambiantes que afectan a los mercados. 

Sin IA generativa, utilizar esos recursos de datos no estructurados para realizar estudios de mercado requiere habilidades avanzadas de procesamiento del lenguaje natural y compromisos a largo plazo. Sin embargo, con las herramientas basadas en IA adecuadas, los gestores de activos y los analistas cuantitativos pueden agilizar la elaboración de resúmenes y equipar a los gestores de activos para realizar análisis más exhaustivos —y únicos—, lo que en última instancia genera información alfa (o al menos más rápida). 

Cómo Snowflake ayuda a aprovechar el poder de los datos no estructurados

Los líderes de servicios financieros se están esforzando por asignar su estrategia de IA y datos no estructurados a las oportunidades y casos de uso anteriores, al tiempo que mantienen los controles de seguridad, escalabilidad y costes. Snowflake proporciona a los responsables una pila de IA fácil de implementar, eficiente para escalar y de confianza para mantener la seguridad. Esa pila se llama Snowflake Cortex AI. 

Cortex AI engloba la “IA de pila completa”, es decir, comienza con la ingesta de datos y continúa hasta la implementación de aplicaciones basadas en IA. Cortex AI ofrece funciones para procesar datos no estructurados, crear representaciones vectoriales y ejecutar búsquedas de vectores, implementar LLM de base, crear arquitecturas de generación aumentada por recuperación (RAG) o chatear con datos estructurados en una arquitectura unificada. 

Cortex AI permite a los desarrolladores llevar modelos de vanguardia de empresas como Google, Anthropic, Meta y Mistral AI, entre otras, a sus datos, con la tecnología de una infraestructura de GPU escalable, en lugar de enviar sus datos a modelos externos. Esto facilita la implementación eficiente de aplicaciones y permite que una arquitectura de gobernanza/seguridad permanezca en su lugar a medida que los datos avanzan desde la ingesta hasta la transformación, pasando por el impulso de las aplicaciones de IA generativa. 

Esta pila unificada permite a nuestros clientes dedicar su tiempo a impulsar el ROI de la IA.

Para obtener más información sobre cómo aprovechar los datos no estructurados, descarga el Modelo de IA para los servicios financieros o regístrate ahora en Accelerate para ver demostraciones reales.