IA en la banca: cómo se utiliza la Inteligencia Artificial en los bancos
En la era digital en la que vivimos, la inteligencia artificial (IA) ha emergido como una fuerza disruptiva en numerosas industrias, y el sector bancario no es una excepción. Las instituciones financieras se encuentran en un punto crucial de su evolución, donde la capacidad para aprovechar el poder del software de inteligencia artificial centrado en banca puede marcar la diferencia entre el éxito, el estancamiento y que los nuevos bancos nacidos cien por cien digitales acaben acaparando gran parte del mercado bancario tradicional.
Algunas de las aplicaciones de la IA en la banca:
Servicio al cliente: Los chatbots impulsados por IA se utilizan para brindar respuestas rápidas y precisas a las consultas de los clientes. Estos chatbots pueden responder preguntas comunes, ayudar con transacciones básicas y proporcionar orientación sobre productos y servicios bancarios.
Análisis de datos: La IA ayuda a los bancos a analizar grandes cantidades de datos para obtener información valiosa. Puede identificar patrones, tendencias y anomalías en los datos, lo que permite a los bancos tomar decisiones más informadas sobre préstamos, inversiones y gestión de riesgos.
Detección de fraude: La IA se utiliza para detectar y prevenir actividades fraudulentas en el sector bancario. Los algoritmos de IA pueden analizar rápidamente las transacciones y los patrones de comportamiento de los clientes para identificar posibles casos de fraude y tomar medidas preventivas.
Automatización de procesos: Los bancos utilizan la IA para automatizar tareas manuales y repetitivas, como el procesamiento de documentos y la verificación de identidad. Esto ayuda a agilizar los procesos internos, reducir errores y liberar tiempo para que los empleados se centren en tareas más complejas y de alto valor.
Evaluación crediticia: La IA se utiliza para analizar el historial crediticio de los clientes y evaluar su solvencia crediticia. Esto permite a los bancos tomar decisiones más precisas y rápidas sobre préstamos y líneas de crédito.
Gestión del riesgo: la IA permite vigilar y evaluar de manera continua el activo y pasivo de cada cliente, lo que permite tener un perfil del riesgo de cada cliente, adelantándose a problemas de impagos u ofreciéndoles productos ajustados al perfil de riesgo de cada cliente.
Asesoramiento financiero: Algunos bancos utilizan asistentes virtuales impulsados por IA para brindar asesoramiento financiero personalizado a los clientes. Estos asistentes pueden analizar los datos financieros de los clientes, proporcionar recomendaciones de inversión y ayudar a los clientes a planificar su futuro financiero.
Personalización de la experiencia del cliente: La IA permite a los bancos ofrecer experiencias más personalizadas a los clientes. Mediante el análisis de datos de clientes, preferencias y comportamiento, los bancos pueden ofrecer ofertas y servicios adaptados a las necesidades individuales de cada cliente.
Veamos a continuación en detalle cómo la banca utiliza inteligencia artificial en las diferentes áreas señaladas.
¿Cómo utiliza la banca la IA en servicios de atención al cliente?
Al utilizar la IA de manera efectiva, los bancos pueden brindar experiencias más relevantes, personalizadas y satisfactorias a sus clientes, mejorando así la fidelidad y la satisfacción del cliente.
Recomendaciones personalizadas: La IA se utiliza para analizar los datos de los clientes, como historiales de transacciones, preferencias financieras, perfiles demográficos y comportamientos en línea, y proporcionar recomendaciones personalizadas de productos y servicios. Por ejemplo, un banco puede utilizar algoritmos de IA para recomendar cuentas bancarias, tarjetas de crédito, préstamos o inversiones que se ajusten a las necesidades y objetivos financieros de cada cliente específico.
Segmentación de clientes: La IA se utiliza para segmentar a los clientes en grupos más específicos con características y necesidades similares. Al analizar los datos de los clientes, la IA puede identificar patrones y características comunes y agrupar a los clientes en segmentos más precisos. Esto permite a los bancos adaptar sus ofertas, mensajes de marketing y servicios específicos para cada segmento de clientes.
Chatbots: Los chatbots impulsados por IA se utilizan para brindar respuestas automáticas y asistencia a los clientes a través de chats en línea o aplicaciones móviles. Estos chatbots pueden responder preguntas frecuentes, proporcionar información sobre saldos de cuenta, ayudar con transacciones básicas y ofrecer orientación sobre productos y servicios bancarios. Ejemplos de chatbots utilizados en la banca incluyen a Evo Assistant, de Evo Banco, o Blue de BBVA.
Asistentes virtuales de voz: Los asistentes virtuales de voz, como Alexa, el Asistente de Google y Siri, se están integrando cada vez más en las aplicaciones bancarias. Estos asistentes permiten a los clientes realizar consultas. Por ejemplo, un cliente puede pedirle a su asistente virtual que busque cómo resolver una duda a la hora de realizar un trámite o verificar el estadio del mismo.
Servicios basados en la ubicación: Puede utilizarse la IA para personalizar los servicios bancarios en función de la ubicación del cliente. Por ejemplo, una aplicación bancaria puede utilizar la inteligencia artificial para identificar la ubicación de un cliente y proporcionar información relevante sobre cajeros automáticos cercanos, ofertas especiales en establecimientos locales o consejos sobre servicios financieros específicos para esa región.
Análisis de sentimientos: La IA en la banca también se utiliza para analizar el lenguaje natural y comprender el tono y las emociones detrás de las interacciones con los clientes y sus comentarios en encuestas o redes sociales. Esto permite a los bancos identificar la satisfacción o insatisfacción de los clientes en tiempo real. Al detectar el sentimiento de los clientes, los bancos pueden tomar medidas adecuadas para abordar sus preocupaciones y mejorar la experiencia del cliente.
Enrutamiento inteligente: Los sistemas de enrutamiento inteligente basados en IA se utilizan para dirigir las consultas de los clientes al departamento o agente adecuado. Estos sistemas pueden analizar las preguntas y necesidades de los clientes y dirigirlos a la persona o equipo más capacitado para ayudarlos, lo que mejora la eficiencia y reduce el tiempo de espera.
Personalización de recomendaciones: La IA se utiliza para personalizar las recomendaciones y ofertas para los clientes. Al analizar los datos de los clientes, como el historial de transacciones y las preferencias, la IA puede identificar productos y servicios que sean relevantes para cada cliente específico. Esto permite a los bancos ofrecer ofertas personalizadas y mejorar la satisfacción del cliente.
En todo caso, no podemos perder de vista que la tecnología continúa evolucionando y los bancos están buscando formas creativas de aprovechar la IA para mejorar la interacción con los clientes y brindar un mejor servicio.
El análisis de datos impulsado por la Inteligencia Artificial en el sector bancario
La IA en la banca es realmente útil para el análisis de datos en el sector bancario, facilitando el procesado de grandes volúmenes de información y extraer conocimientos valiosos para mejorar la gestión de riesgos, detectar fraudes y ofrecer mejores productos y servicios a los clientes.
Análisis de riesgos crediticios: Los bancos utilizan modelos analíticos y algunos de ellos basados en la inteligencia artificial para evaluar el riesgo crediticio de los solicitantes de préstamos. Los modelos de IA pueden analizar grandes cantidades de datos, como historiales crediticios, ingresos, movimientos bancarios y otras variables relevantes, para predecir la probabilidad de que un cliente incumpla un préstamo. Esto ayuda a los bancos a tomar decisiones más precisas y basadas en datos al otorgar y gestionar créditos.
Detección de fraude: La IA se utiliza para detectar actividades fraudulentas en las transacciones bancarias. Los algoritmos de IA analizan patrones y anomalías en los datos de transacciones para identificar comportamientos sospechosos. Por ejemplo, si se detecta una transacción inusualmente grande o una serie de transacciones atípicas en una cuenta, la IA puede alertar al banco sobre posibles actividades fraudulentas.
Análisis de mercado y predicción: Los bancos utilizan la IA para analizar y predecir tendencias y cambios en los mercados financieros. Los modelos de IA pueden analizar datos históricos, noticias financieras, informes económicos y otros datos relevantes para identificar patrones y hacer predicciones sobre el rendimiento de inversiones, precios de acciones y otros indicadores del mercado.
Segmentación y personalización: La IA se utiliza para segmentar y personalizar la oferta de productos y servicios bancarios. Al analizar los datos de los clientes, la IA puede identificar segmentos de clientes con características similares y adaptar las ofertas y recomendaciones según las necesidades y preferencias de cada segmento. Esto permite a los bancos ofrecer productos más relevantes y mejorar la experiencia del cliente.
Optimización de precios y márgenes:es posible optimizar los precios y márgenes en productos financieros con software centrado en inteligencia artificial. Al analizar los datos históricos de precios, demanda y competencia, la IA puede sugerir precios óptimos que maximicen los ingresos y márgenes, teniendo en cuenta factores como la elasticidad de la demanda y los objetivos de rentabilidad.
La Inteligencia Artificial en la lucha contra el fraude en el sector bancario
La aplicación de la IA en el campo de la detección del fraude ayuda a los bancos a identificar y prevenir actividades fraudulentas de manera más eficiente y precisa, protegiendo los activos de los clientes y garantizando la seguridad en las transacciones financieras.
Análisis de anomalías: Los algoritmos de IA pueden analizar grandes volúmenes de datos de transacciones, patrones de comportamiento y perfiles de clientes para detectar anomalías y actividades sospechosas. Por ejemplo, si una cuenta tiene un historial de transacciones y de repente muestra una actividad inusual, como transacciones con cantidades inusuales (por grandes o pequeñas), ubicaciones geográficas que no encajan con el perfil del cliente, transacciones en periodos de tiempo no acostumbrados o múltiples en un corto período de tiempo, la IA puede identificar estos cambios de comportamiento como un posible fraude.
Detección de transacciones fraudulentas en tiempo real: Se pueden analizar las transacciones en tiempo real y compararlas con patrones conocidos de actividades fraudulentas con inteligencia artificial. Si se detecta una transacción que coincide con un patrón de fraude conocido o incluso desconocido pero que tiene muchos puntos en común a cómo actúan los ciberdelincuentes, se puede tomar una acción inmediata, como bloquear la transacción o notificar al cliente para su verificación.
Identificación de comportamientos fraudulentos: La IA puede aprender a partir de datos históricos de transacciones y perfiles de clientes para identificar patrones de comportamiento fraudulentos. Esto incluye identificar transacciones atípicas, como compras inusuales de gran valor o de valores pequeños, o transferencias a cuentas desconocidas. Al detectar estos comportamientos, la IA puede alertar al banco y tomar medidas para evitar o mitigar el fraude.
Autenticación biométrica: La IA se utiliza para la autenticación biométrica en la detección de fraude. Los sistemas de IA pueden analizar características biométricas únicas, como el reconocimiento facial, la voz o las huellas dactilares, para verificar la identidad de los clientes y prevenir el uso de identidades falsas en transacciones fraudulentas.
Monitoreo de redes sociales y análisis de texto: Con inteligencia artificial se puede monitorear las redes sociales y analizar el texto en busca de señales de actividad fraudulenta. Esto incluye la detección de cuentas falsas, el seguimiento de conversaciones relacionadas con el fraude y la identificación de intentos de phishing y suplantación de identidad.
La Inteligencia Artificial en la automatización de procesos bancarios
Agilizar las operaciones, reducir errores y liberar tiempo para que los empleados se centren en tareas de mayor valor agregado son algunas de las aplicaciones que el sector bancario hace de la Inteligencia Artificial, mejorando la eficiencia operativa y la satisfacción del cliente en el sector bancario:
Procesamiento de documentos: Los bancos utilizan la IA para automatizar el procesamiento de documentos, como formularios de solicitud, contratos y estados de cuenta. Los algoritmos de IA pueden extraer información clave de estos documentos, como nombres, direcciones, números de cuenta y detalles de transacciones, y clasificarlos automáticamente. Esto reduce la necesidad de procesamiento manual y acelera los flujos de trabajo.
Verificación de identidad: La IA se utiliza en la verificación de identidad de los clientes. Los sistemas de IA pueden comparar las imágenes de los documentos de identificación con las imágenes en vivo capturadas a través de cámaras o dispositivos móviles para verificar la autenticidad de los clientes. Esto permite una verificación de identidad más rápida y precisa en procesos como la apertura de cuentas o la solicitud de préstamos.
Atención al cliente automatizada: Los chatbots impulsados por IA se utilizan para automatizar las interacciones con los clientes en servicios de atención al cliente. Estos chatbots pueden responder preguntas comunes, proporcionar información sobre productos y servicios, y ayudar con transacciones básicas, todo ello sin la necesidad de intervención humana. Ejemplos de esto incluyen chatbots que pueden proporcionar el saldo de la cuenta, realizar pagos y responder a preguntas frecuentes.
Automatización de procesos de préstamos: Los bancos utilizan la IA para automatizar los procesos de préstamos, desde la evaluación crediticia hasta la aprobación y el desembolso de fondos. Los modelos de IA pueden analizar los datos financieros y crediticios de los clientes, evaluar la elegibilidad y calcular el riesgo crediticio de manera más eficiente. Esto permite una toma de decisiones más rápida y precisa en la concesión de préstamos.
Gestión de procesos internos: un software de inteligencia artificial puede utilizarse para automatizar y optimizar los procesos internos de los bancos, como la gestión de flujos de trabajo, la asignación de tareas y la programación. Los algoritmos de IA pueden analizar los datos operativos y las cargas de trabajo para asignar recursos de manera eficiente, optimizando los tiempos de respuesta y mejorando la productividad.
¿Cómo utiliza la banca la IA en evaluación crediticia?
Al utilizar inteligencia artificial puede utilizarse en el proceso de evaluación crediticia los bancos pueden mejorar la precisión de las decisiones crediticias, agilizar los procesos y ofrecer una mejor experiencia a los clientes:
Análisis de datos financieros: Los algoritmos de IA pueden analizar una amplia gama de datos financieros, como historiales crediticios, ingresos, activos y deudas, para evaluar la capacidad de pago de un solicitante de crédito. La IA puede identificar patrones y correlaciones en estos datos, lo que ayuda a determinar la solvencia crediticia de un cliente de manera más precisa y eficiente.
Evaluación de riesgos: La IA se utiliza para evaluar y predecir el riesgo crediticio asociado con un préstamo. Al analizar datos históricos y en tiempo real, como el historial crediticio del cliente, los ingresos y gastos, la estabilidad laboral, las tendencias del mercado y otros factores relevantes, la IA puede calcular el nivel de riesgo de un cliente y determinar si es adecuado otorgarle un préstamo.
Aprobación rápida de préstamos: Los bancos utilizan la IA para agilizar el proceso de aprobación de préstamos. Al automatizar la evaluación crediticia utilizando algoritmos de IA, los bancos pueden tomar decisiones más rápidas y precisas, lo que acelera el proceso de otorgamiento de préstamos y mejora la experiencia del cliente.
Evaluación de crédito alternativo: La IA permite a los bancos utilizar fuentes de datos alternativas para evaluar la solvencia crediticia de los clientes. Por ejemplo, la IA puede analizar el historial de pagos de servicios públicos, datos de transacciones bancarias y patrones de comportamiento y comunicaciones en las redes sociales para complementar la información tradicional de los informes de crédito. Esto brinda una visión más completa del perfil crediticio del cliente y permite una toma de decisiones más precisa.
Modelos predictivos de riesgo crediticio: Los modelos de IA pueden desarrollar algoritmos predictivos que identifican patrones y tendencias en los datos de crédito por aprendizaje automático. Estos modelos pueden predecir el riesgo crediticio y ayudar a los bancos a tomar decisiones más informadas sobre la concesión de préstamos y la fijación de tasas de interés.
El papel de la IA en la banca en la gestión de riesgos
Predicción y gestión de alertas tempranas de impagos: ARM-SaaS recopila datos para desarrollar modelos predictivos personalizados para cada cliente. Estos modelos identifican alertas tempranas de impagos y sugieren acciones específicas para evitar o reducir pérdidas financieras. Durante todo el proceso, se monitorean las acciones tomadas para evaluar la eficacia, rentabilidad y seguridad de las operaciones mejoradas.
Optimización de acciones para evitar el impago o mitigar su impacto en el banco: Mediante el análisis de grandes volúmenes de datos, la IA identifica patrones y tendencias en el comportamiento de los clientes, lo que facilita el perfilado de cada uno de ellos según su nivel de riesgo crediticio.
Perfilado de clientes: ajuste de los productos al perfil de riesgo de cada cliente.
Cómo la Inteligencia Artificial impulsa la banca hacia una mejor experiencia de asesoría
Los bancos pueden brindar asesoramiento más personalizado, accesible y basado en datos a sus clientes, lo que les ayuda a tomar decisiones financieras informadas y alcanzar sus metas, utilizando inteligencia artificial:
Recomendaciones de productos personalizados: La inteligencia artificial puede utilizarse para analizar los datos financieros y las preferencias del cliente, como ingresos, gastos, metas financieras y tolerancia al riesgo, y proporcionar recomendaciones personalizadas de productos y servicios financieros. Esto puede incluir sugerencias de inversión, planes de ahorro, opciones de seguros u otros productos financieros relevantes para el cliente.
Chatbots de asesoramiento financiero: Los chatbots impulsados por IA se utilizan como asistentes virtuales para brindar asesoramiento financiero básico a los clientes. Estos chatbots pueden responder preguntas sobre conceptos financieros, ayudar a realizar cálculos simples, proporcionar información sobre productos y servicios, y ofrecer consejos generales sobre gestión financiera.
Análisis de riesgo y cartera: La IA se utiliza para analizar y monitorear las carteras de inversión de los clientes y evaluar los niveles de riesgo. Los modelos de IA pueden analizar datos históricos y en tiempo real de los mercados financieros, así como la composición de la cartera de un cliente, para proporcionar recomendaciones de ajustes y sugerencias para mitigar el riesgo y optimizar el rendimiento de la cartera.
Planificación financiera automatizada: Los bancos utilizan la IA para ofrecer servicios de planificación financiera automatizada. Los algoritmos de IA pueden analizar los datos financieros del cliente, incluyendo ingresos, gastos, deudas y metas financieras, y generar planes financieros personalizados que ayuden al cliente a alcanzar sus objetivos. Estos planes pueden incluir estrategias de ahorro, recomendaciones de inversión y proyecciones de crecimiento.
Análisis de sentimiento del mercado: La IA se utiliza para analizar el sentimiento del mercado y las noticias financieras en tiempo real. Al procesar grandes cantidades de datos de noticias y redes sociales, la IA puede identificar tendencias y patrones que podrían afectar los mercados financieros. Esto ayuda a los asesores financieros a tomar decisiones más informadas y oportunas en beneficio de sus clientes.
Como podemos observar, el uso de la inteligencia artificial está transformando rápidamente el sector bancario, impulsando una mayor eficiencia, seguridad y personalización. A medida que la tecnología continúa evolucionando, es fundamental que las instituciones financieras abracen esta revolución digital y aprovechen el poder de la IA para satisfacer las demandas cambiantes de los clientes y mantenerse a la vanguardia en un mercado altamente competitivo.
Si estás interesado en obtener más información sobre cómo la inteligencia artificial puede ayudarle en el sector bancario y cómo puede beneficiar a los clientes, te invitamos a contactar con nosotros para recibir más información. Estaremos encantados de ayudarte con cualquier duda que tengas sobre Inteligencia Artificial y su aplicación en el sector bancario.
Los servicios o las soluciones en la nube (cloud computing), ya sea en España o en cualquier parte del mundo, son infraestructuras, plataformas o sis [...]
El deep learning se traduce como aprendizaje profundo y es un tipo de inteligencia artificial (IA) que se encuentra englobado dentro del machine learn [...]
La tecnología Blockchain o cadena de bloques es conocida sobre todo como la arquitectura informática en la que se basa el Bitcoin y otras criptomone [...]
Muchas veces nos preguntamos qué ejemplos de IA nos podemos encontrar en nuestro entorno y es que, la inteligencia artificial es un concepto que engl [...]
Generación Automática de Modelos de Conocimiento S.L.
Activamos el valor contenido en tus datos para ofrecerte soluciones tecnológicas basadas en IA entrenadas para tu negocio. Conoce a nuestros Partners, Aceleradoras y reconocimientos. Únete a Gamco.
Suscríbete a nuestra newsletter si quieres estar al día
Generación Automática de Conocimiento S.L. (GAMCO) utiliza cookies propias y de terceros con el fin de realizar tareas de seguimiento y obtener datos estadísticos. Para continuar navegando debes aceptar nuestra Política de Cookies.
Preferencias de cookies
Aquí puedes editar tus preferencias sobre las cookies de este sitio web.
Publicidad
Las cookies de publicidad se utilizan para ofrecer a los visitantes anuncios y campañas de marketing relevantes. Estas cookies rastrean a los visitantes en todos los sitios web y recopilan información para ofrecer anuncios personalizados.
Cookie name
Cookie category
Cookie description
Cookie duration
bscookie
Publicidad
This cookie is a browser ID cookie set by Linked share Buttons and ad tags.
2 years
mautic_device_id
Publicidad
Esta cookie es instalada por el proveedor Mautic y se utiliza para identificar al visitante en todas las visitas y dispositivos. Las cookies de Mautic se utilizan para apoyar las actividades de marketing.
1 year
mtc_id
Publicidad
Esta cookie es instalada por el proveedor Mautic y se utiliza para establecer una identificación única para el visitante, con el fin de rastrear al visitante a través de múltiples sitios web con el fin de servirles con anuncios relevantes. Las cookies de Mautic se utilizan para apoyar las actividades de marketing.
session
mtc_sid
Publicidad
Esta cookie es instalada por el proveedor Mautic y se utiliza para establecer una identificación única para el visitante, con el fin de rastrear al visitante a través de múltiples sitios web con el fin de servirles con anuncios relevantes. Las cookies de Mautic se utilizan para apoyar las actividades de marketing.
session
mautic_referer_id
Publicidad
Esta cookie es instalada por el proveedor Mautic. Esta cookie se utiliza con fines de marketing. Ayuda a rastrear a las personas que envían formularios.
30 minutes
Analítica
Las cookies analíticas se utilizan para entender cómo interactúan los visitantes con el sitio web. Estas cookies ayudan a proporcionar información sobre las métricas del número de visitantes, la tasa de rebote, la fuente de tráfico, etc.
Cookie name
Cookie category
Cookie description
Cookie duration
_ga
Analítica
Esta cookie es instalada por Google Analytics. La cookie se utiliza para calcular los datos de los visitantes, de la sesión y de la campaña y para hacer un seguimiento del uso del sitio para el informe de análisis del sitio. Las cookies almacenan la información de forma anónima y asignan un número generado aleatoriamente para identificar a los visitantes únicos.
2 years
_gid
Analítica
Esta cookie es instalada por Google Analytics. La cookie se utiliza para almacenar información sobre el uso que hacen los visitantes de un sitio web y ayuda a crear un informe analítico sobre el funcionamiento del sitio web. Los datos recogidos incluyen el número de visitantes, la fuente de la que proceden y las páginas visitadas de forma anónima.
1 day
Functional
Las cookies funcionales ayudan a realizar ciertas funcionalidades como compartir el contenido del sitio web en las plataformas de las redes sociales, recoger opiniones y otras características de terceros.
Cookie name
Cookie category
Cookie description
Cookie duration
lang
Functional
This cookie is used to store the language preferences of a user to serve up content in that stored language the next time user visit the website.
session
bcookie
Functional
This cookie is set by linkedIn. The purpose of the cookie is to enable LinkedIn functionalities on the page.
2 years
lidc
Functional
This cookie is set by LinkedIn and used for routing.
1 day
Necesarias
Las cookies necesarias son absolutamente imprescindibles para que el sitio web funcione correctamente. Estas cookies garantizan las funcionalidades básicas y las características de seguridad del sitio web, de forma anónima.
Cookie name
Cookie category
Cookie description
Cookie duration
cookielawinfo-checkbox-advertisement
Necesarias
La cookie se establece por el consentimiento de cookies GDPR para registrar el consentimiento del usuario para las cookies en la categoría "Publicidad".
1 year
viewed_cookie_policy
Necesarias
La cookie es establecida por el plugin GDPR Cookie Consent y se utiliza para almacenar si el usuario ha consentido o no el uso de cookies. No almacena ningún dato personal.
11 months
cookielawinfo-checkbox-necessary
Necesarias
Esta cookie es establecida por el plugin GDPR Cookie Consent. Las cookies se utilizan para almacenar el consentimiento del usuario para las cookies en la categoría "Necesario".
11 months
cookielawinfo-checkbox-functional
Necesarias
La cookie se establece por el consentimiento de cookies GDPR para registrar el consentimiento del usuario para las cookies en la categoría "Funcional".
11 months
cookielawinfo-checkbox-performance
Necesarias
Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Rendimiento".
11 months
cookielawinfo-checkbox-analytics
Necesarias
Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Analytics".
11 months
cookielawinfo-checkbox-others
Necesarias
Esta cookie es establecida por el plugin GDPR Cookie Consent. La cookie se utiliza para almacenar el consentimiento del usuario para las cookies de la categoría "Otros".
11 months
Otras
Otras cookies no categorizadas son aquellas que están siendo analizadas y que aún no han sido clasificadas en una categoría.
Cookie name
Cookie category
Cookie description
Cookie duration
UserMatchHistory
Otras
Linkedin - Used to track visitors on multiple websites, in order to present relevant advertisement based on the visitor's preferences.
1 month
AnalyticsSyncHistory
Otras
No description
1 month
li_gc
Otras
No description
2 years
trp_language
Otras
Esta cookies se utiliza para almacenar la preferencia de idioma del usuario