Las reglas del sector financiero se están reescribiendo gracias a la IA y a la IA generativa. En su conversación para The Bridge, Joffrey Martinez, Artefact & Global Lead for Financial Services, y Alexis Baufine-Ducrocq, Partner & Lead Financial Services, de Artefact, analizan la carrera por redefinir el rendimiento financiero con la IA.
El capital riesgo está entrando en una nueva era de transformación acelerada impulsada por la IA. En esta conversación para The Bridge, Elina Ashkinazi-Ildis, Partner & Lead Private Equity, y Jérôme Petit, Managing Partner, exploran cómo la IA está redefiniendo la creación de valor de las carteras, las operaciones de los fondos y las estrategias de inversión.
El nuevo libro electrónico de Artefact, «La ventaja del AI agénico en el sector sanitario: acelerar el marketing farmacéutico centrado en los profesionales sanitarios, desde el conocimiento hasta los resultados», demuestra que el AI agénico supone un gran avance a la hora de resolver estos retos. Mientras que el AI generativo tradicional se centra en la creación de contenidos, el AI agénico es capaz de actuar. Recibe objetivos y restricciones, razona estratégicamente y ejecuta tareas de forma autónoma dentro de los límites del cumplimiento normativo y las fuentes de data aprobadas. El AI agencial eleva el AI de ser una herramienta de productividad a convertirse en un motor de rendimiento empresarial.
En la última década, la sostenibilidad ha pasado de ser un aspecto secundario de la reputación corporativa a convertirse en un elemento central del rendimiento empresarial. El nuevo libro electrónico de Artefact, «ESG in Action: Cómo integrar los criterios ambientales, sociales y de gobernanza (ESG) data en inteligencia empresarial, documenta esta transición a través de entrevistas semiestructuradas con altos directivos de empresas globales como Accor, Legrand, Tarkett, Ardian, Heineken, Siplec y Schenker, así como de las perspectivas de la OCDE y de los expertos en sostenibilidad y data de Artefact.
A medida que las empresas se apresuran a poner en marcha el modelo AI, la mayoría descubre que su infraestructura data nunca se diseñó para el razonamiento autónomo. Hoy en día, hasta el 80 % del tiempo de implementación de AI se dedica a la gestión de data y a la alineación de esquemas, un síntoma de que las infraestructuras se construyeron para el almacenamiento, no para la comprensión. Sin una base que capte las relaciones y el significado, los agentes seguirán siendo potentes, pero ciegos. A medida que los agentes AI se convierten en participantes activos en los flujos de trabajo empresariales, la naturaleza y la escala de las consultas data están evolucionando.
Muchos responsables de marketing se enfrentan a la misma paradoja: a pesar de las importantes inversiones en IA generativa, el impacto esperado en los costes, la rapidez y el rendimiento no se está materializando. ¿Por qué? Porque la mayoría de la IA solo “piensa”, pero no actúa. La IA agentiva cambia eso.
Durante los últimos 18 meses, la 'IA generativa' ha dominado todas las sesiones de estrategia de nivel C. Pero, ¿y si esa ya es la conversación de siempre? En los sectores de la energía y la industria, el debate está cambiando rápidamente de la IA Generativa a la IA Agéntica. No se trata de una mera actualización incremental, sino de un nuevo paradigma, que pasa de limitarse a aumentar las tareas a reinventar por completo los procesos industriales básicos.
Cuando OpenAI presentó Atlas, su nuevo navegador basado en ChatGPT, no se limitó a lanzar otro producto. Abrió una puerta que conduce a la próxima era de la interacción entre humanos y ordenadores y, inevitablemente, a una nueva frontera para la publicidad.
La mayoría de las empresas no están preparadas para sustituir una pila de data de la era de los cuadros de mando por una pila de IA. El último State of Data & Analytics de Salesforce indica que 84% de los líderes de data y analítica afirman que sus estrategias requieren una revisión completa antes de que las ambiciones de IA puedan tener éxito. Los líderes estiman que 26% de su data no es fiable, sólo 43% informan de marcos formales de data governance y alrededor de 50% no confían en su capacidad para generar y ofrecer perspectivas oportunas. Al mismo tiempo, 70% creen que los insights más valiosos están encerrados en data no estructurados. La conclusión es directa: el obstáculo no es el entusiasmo sino la base, y esa base debe cambiar antes de que los sistemas agénticos puedan ampliarse.
