JPMorgan comienza a usar machine learning para controlar que los empleados no se pasan con los gastos de viajes

La inteligencia artificial tiene muchísimas utilidades prácticas, ya que los modelos y algoritmos son capaces de procesar muy rápido ingentes cantidades de datos para encontrar patrones o, en el caso que nos ocupa, irregularidades. Y es que JPMorgan, el conocido banco estadounidense, está usando machine learning para controlar que los trabajadores no gastan de más cuando salen de viaje de negocios.

Así lo adelanta Bloomberg haciéndose eco de las palabras de Lori Beer, Chief Information Officer de la entidad. El banco está usando machine learning para procesar los informes de gastos y comprobar si los empleados están cumpliendo o no con las políticas de empresas. Según Beer, "básicamente hemos eliminado la aprobación del manager" y ahora "estamos haciendo el 100% de las auditorías mediante modelos de machine learning que se aseguran de que, a medida que procesamos los informes de viajes y gastos, están alineados con nuestras políticas".

Recuerda, el desayuno máximo 10 dólares

Las políticas de JPMorgan son públicas y pueden consultarse en este documento. En él se deja bien claro que el banco solo cubrirá hasta cierta cantidad de dinero en según qué casos. Por ejemplo, si hablamos de hoteles, el manager de JPMorgan debe hacer una aprobación manual para aquellas estancias que pasen de los 300 dólares la noche. Las habitaciones más caras, suites y plantas ejecutivas no son reembolsables, como tampoco lo es el minibar.

De la misma forma, las comidas se cubren hasta los 65 dólares a repartir entre desayuno, comida y cena. La división exacta es de 10 dólares el desayuno, 15 dólares el almuerzo y 40 dólares la cena. De hecho, se contemplan hasta las propinas, que es de un 15% mínimo para el buen servicio y de 20 dólares en casos de servicio excepcional. Lo mismo con los viajes en tren, que deben ser en Economy para viajes de menos de tres horas o en Business para los viajes más largos.

Bloomberg apunta que los gastos de viaje elevados han sido una "pesadilla" en el sector de las finanzas, ya que hay muchos trabajadores que pasan mucho tiempo viajando y reuniéndose con clientes. Tanto es así que, de acuerdo al Wall Street Journal, Wells Fargo & Co suspendió a más de diez empleados por falsificar informes de gastos.

Hasta el momento, los informes de gastos se comprobaban de forma manualmente, pero contratar auditores o presionar a los managers aumentaba los gastos del banco. El machine learning, dice Beer, "está quitando algo de burocracia de las manos de nuestros managers". Un modelo de machine learning bien entrenado podría analizar las facturas e informes de gastos, comprobar las cifras y reconocer si se corresponden o no con lo establecido en las políticas.

De hecho, el machine learning puede usarse no solo para verificar estos datos, sino para predecir los futuros. En Towards Data Science, Charle Brecque, CX Operations en Mind Foundry, descargó los informes de gastos de la Ontario Pension Board de 2010 a 2017 para predecir los gastos que se generarían por los empleados en 2018 y el resultado fue una precisión del 95%. Los datos, evidentemente, se publicaron a finales del año pasado para poder compararlos con los reales.

Los gastos de viaje pueden suponer grandes gastos en empresas de cierta relevancia, por lo que poder predecirlos y verificar que se cumplen las políticas podría suponer quizá no un ahorro, pero sí un gasto correcto con respecto al presupuesto. JPMorgan, de hecho, lleva tiempo usando esta tecnología para detectar el fraude con tarjetas de crédito y, de acuerdo al CEO, podría ayudar al banco a ahorrar aproximadamente 150 millones de dólares anuales.

Vía | Bloomberg