¿Qué distingue la analítica predictiva de la analítica prescriptiva?

Muchas entidades financieras se han vuelto buenas pronosticando: qué clientes pueden entrar en mora, qué pólizas pueden anularse, qué carteras se alejan de su objetivo. Menos entidades han dado el paso siguiente: decidir de forma sistemática qué hacer al respecto. Ese paso es la diferencia entre dos tipos de analítica.

La analítica predictiva estima resultados probables a partir de patrones históricos, como la probabilidad de que un préstamo entre en impago o de que un cliente se marche. La analítica prescriptiva va más allá: recomienda, o ejecuta automáticamente, la mejor acción a la vista de esas previsiones, como ofrecer una reestructuración, ajustar un precio o reequilibrar una cartera.

Dicho de forma breve, la predictiva informa y la analítica prescriptiva decide. Como actúa sobre el cliente de forma más directa, el gobierno se vuelve más exigente: la entidad debe poder justificar la acción, vigilar sus efectos y mantener el control humano cuando el impacto es significativo.

El reto principal, en una línea:

Saber lo que probablemente ocurrirá es útil; decidir qué hacer es donde están el valor y la responsabilidad.

1. Ejemplos por sector

2. Cómo trabajan juntas

• Primero, la predicción: las recomendaciones dependen de previsiones fiables.
• Se definen las opciones: la entidad fija qué acciones están permitidas.
• La optimización elige: modelos o reglas seleccionan la mejor acción para cada caso según valor, riesgo y restricciones.
• Se ejecuta: de forma automática o como recomendación al empleado.
• Se aprende: los resultados se miden y mejoran ambas capas.

3. Por qué el gobierno se vuelve más exigente

Actuar directamente sobre el cliente eleva el listón.

• Usos de alto riesgo: el Reglamento de IA de la UE considera de alto riesgo la IA usada para evaluar la solvencia y para la evaluación de riesgos y precios en seguros de vida y salud, con requisitos de documentación y supervisión humana.
• Equidad: las acciones recomendadas no deben tratar de forma injusta a clientes similares.
• Explicabilidad: empleados y clientes necesitan entender por qué se eligió una acción.
• Restricciones: los límites regulatorios y de conducta deben estar dentro de la optimización, no comprobarse después.

La adopción ya es amplia. El BCE indica que más del 90 % de los bancos que supervisa integran la IA en sus operaciones, y ha observado un fuerte aumento de los casos de uso de IA en la banca europea entre 2023 y 2024, sobre todo en calificación crediticia y fraude. Pasar de esas predicciones a acciones recomendadas es la siguiente frontera.

4. Lo que la mayoría de las entidades hacen mal con la analítica prescriptiva

• Descuidar la calidad de la predicción: una recomendación basada en una previsión poco fiable es peor que ninguna.
• Optimizar un único objetivo: maximizar el ingreso a corto plazo puede perjudicar al cliente y al valor a largo plazo.
• Retirar a las personas demasiado pronto: las acciones de alto impacto necesitan revisión humana hasta demostrar su rendimiento.
• Ignorar el aprendizaje: sin medir resultados, el sistema no mejora.

Ejemplo: una aseguradora estimaba la gravedad de los siniestros con modelos predictivos y añadió analítica prescriptiva para recomendar la vía de tramitación de cada uno: liquidación rápida, tramitador especialista o investigación. Los tramitadores podían rechazar la recomendación indicando el motivo. Con el tiempo, los rechazos bajaron a medida que mejoraban las recomendaciones, y los plazos de los siniestros sencillos se redujeron mucho.

5. Una visión a contracorriente

Se suele suponer que el valor de la analítica prescriptiva procede de automatizarlo todo. En servicios financieros regulados, gran parte del valor procede de mejores decisiones humanas: dar al empleado una recomendación clara, basada en datos y con sus razones. La automatización puede llegar después, donde el rendimiento y el gobierno lo permitan.

6. Cómo empezar

• Elija decisiones con opciones claras y resultados medibles, como recobro, retención o tramitación de siniestros.
• Asegure modelos predictivos sólidos y vigilados.
• Defina acciones permitidas y restricciones con riesgos y cumplimiento.
• Empiece recomendando a los empleados y automatice donde esté probado.
• Mida resultados para el cliente y para el negocio.

Conclusiones clave sobre analítica prescriptiva

• La analítica predictiva anticipa resultados; la analítica prescriptiva recomienda o ejecuta la siguiente acción.
• La analítica prescriptiva depende de predicciones fiables y de acciones permitidas bien definidas.
• Como actúa sobre clientes, la analítica prescriptiva exige más gobierno, controles de equidad y supervisión humana.
• Empezar con recomendaciones a empleados es la forma más rápida y segura de escalar la analítica prescriptiva.

Para los comités de dirección, la analítica prescriptiva es el punto en que la inversión en datos se convierte en mejores decisiones a escala. Exige más gobierno que la predicción, pero también aporta un valor más directo al cliente y al negocio.

Optimizium ayuda a bancos y aseguradoras a pasar de la analítica predictiva a la prescriptiva de forma responsable. Respetamos la experiencia analítica y de riesgos que ya tienen las entidades, porque sostiene toda buena recomendación. Y sumamos a riesgo de modelos, cumplimiento y operaciones como coautores del diseño, para que las decisiones automatizadas sean eficaces, justas y estén bien gobernadas.

Descubra cómo lo abordamos en Banca y Seguros, consulte el centro de preguntas frecuentes o lea la pregunta relacionada: ¿Cómo crean los canales digitales nuevos activos de datos?