OTP Bank credits AI with boosting profits by 2% through risk management

OTP Bank atribuyó un aumento del 2% en las ganancias netas el año pasado al uso de 36 modelos de aprendizaje automático en la gestión de riesgos, reveló el presidente Ilya Chizhevsky en el Congreso Financiero Internacional de 2026. En lugar de pausar su despliegue de IA, el banco está seleccionando cuidadosamente los escenarios en los que los modelos ofrecen resultados consistentes y verificables.

Los mayores beneficios, según Chizhevsky, provienen de los modelos orientados al segmento minorista, que muestran una mejora del 5-20% en los coeficientes de Gini en comparación con los métodos anteriores. En la puntuación crediticia bancaria, el coeficiente de Gini mide qué tan eficazmente un modelo distingue a los prestatarios fiables de los arriesgados: cuanto mayor, mejor la separación y menor el coste de los errores.

Sin embargo, Chizhevsky señaló que el rendimiento varía según los casos de uso. Los modelos de IA que analizan a prestatarios corporativos utilizando datos públicos siguen siendo inestables y requieren recalibración frecuente. Aquí, la IA ayuda principalmente a recopilar y condensar información, mientras que las decisiones finales de préstamo permanecen en manos de analistas humanos. Del mismo modo, en procesos atípicos con pocas acciones repetibles, es más difícil escalar el entrenamiento de modelos.

Este enfoque en medir el retorno de la inversión de la IA se alinea con tendencias más amplias del sector. Los principales bancos de Rusia se han desplazado en los últimos dos años de proyectos experimentales de IA hacia aplicaciones prácticas en puntuación crediticia, detección de fraude y servicio al cliente. El Banco de Rusia destaca a las entidades de crédito como uno de los sectores más digitalizados del país, mientras que la Asociación FinTech sitúa la IA junto con la biometría y las APIs abiertas como tecnologías centrales para las plataformas bancarias.

Recomendado

El laboratorio de Mira Murati presenta Inkling, un modelo abierto de 975 000 millones de p

How OTP Bank uses machine learning in risk management

El despliegue de 36 modelos de aprendizaje automático por parte de OTP Bank se centra principalmente en la puntuación crediticia minorista, donde las mejoras en la precisión han conducido directamente a ganancias de beneficio. El banco prueba e implementa cuidadosamente los modelos solo en escenarios donde proporcionan beneficios fiables y medibles. Para la concesión de préstamos corporativos, la IA sirve como herramienta de recopilación de información más que de toma de decisiones, con los analistas humanos manteniendo el control sobre las aprobaciones finales de préstamos.

AI impact on Russian banking sector’s credit risk and customer service

Los principales bancos de Rusia, incluidos OTP, Sberbank, T-Bank y Alfa-Bank, están adoptando rápidamente soluciones impulsadas por IA para la puntuación crediticia, la detección de fraude y el servicio al cliente personalizado. La integración de asistentes de IA y motores de recomendación tiene como objetivo aumentar la eficiencia y mejorar la experiencia del cliente anticipando necesidades y automatizando los siguientes pasos sin incrementar los riesgos operativos o regulatorios.

Challenges and outlook for AI in banking

La aplicación de la IA en distintos segmentos de crédito revela desafíos como el rendimiento inestable en el análisis de prestatarios corporativos y las dificultades para escalar modelos en procesos atípicos. La experiencia de OTP Bank subraya la importancia de equilibrar el apoyo automatizado a la decisión con la supervisión humana para garantizar el cumplimiento regulatorio y la satisfacción del cliente. De cara al futuro, los bancos que desplieguen modelos de IA estables y escalables obtendrán una ventaja competitiva al alinear las ofertas de productos más estrechamente con las necesidades reales de los clientes.