Acerca de Andrei Serjantov: Responsable de Mercados Digitales Globales en BNP Paribas CIB, liderando la transformación digital y la integración de la IA en el sector de la banca de inversión.
Acerca de BNP Paribas CIB: La rama de banca corporativa e institucional de BNP Paribas (aprox. 46.000 millones de euros de ingresos del grupo), que atiende a más de 13.000 clientes corporativos e institucionales en todo el mundo.

Acerca de Nathalie Beslay: Consejero delegado y cofundador de naaia, una empresa RegTech especializada en ayudar a las organizaciones a gestionar proyectos de IA dentro de estrictas limitaciones normativas.
Acerca de naaia: Una empresa tecnológica especializada que proporciona una plataforma SaaS (AIMS - AI Management System) para la gobernanza, el cumplimiento y la supervisión de la IA; se centra en salvar la brecha entre la regulación estática y los agentes dinámicos de la IA.

Acerca de Cyril Cymbler: Responsable de EMA de Servicios Financieros en Databricks, experto en transformar la data financiera bruta en “Data Inteligencia” para impulsar el valor.
Acerca de Databricks: Líder mundial en data e IA (Data Lakehouse), valorado en ~$43B (2023), con el objetivo de unificar data, analítica e IA para casos de uso empresarial.

¿Por qué es urgente reinventar ahora la confianza y la estrategia data en las finanzas?

Cyril Cymbler: La necesidad viene impulsada por tres factores. En primer lugar, el crecimiento exponencial de data estructurados y no estructurados exige gestionar cargas de trabajo masivas para crear agentes fuertes. Segundo, la industria está pasando de la “Inteligencia General” (ChatGPT estándar, ~55% de precisión) a la “Inteligencia Data” (motores de análisis estructurados, >80% de precisión/conversión). En tercer lugar, la gobernanza no es negociable; sin una estructura data estricta, incluso los mejores modelos ML fracasan debido al “Garbage In, Garbage Out”.”

Andrei Serjantov: El impulso tiene que ver con la eficiencia, el alcance y la capacidad. La IA permite a los bancos ejecutar las tareas existentes con mayor rapidez, abarcar un espectro más amplio de riesgos (cubriendo los riesgos A, B y C en lugar de sólo el A) y realizar tareas antes imposibles, como analizar volúmenes masivos de documentos para el análisis de sentimientos en la investigación de renta variable.

¿Cuáles son los casos de uso concretos y de gran impacto que se están desplegando en la banca de inversión?

Andrei Serjantov: Más allá de las utilidades genéricas (codificación, traducción), BNPP se centra en una profunda integración vertical. En la investigación de renta variable y renta fija, hay más de una docena de casos de uso que transforman la cadena de producción de documentos. Los flujos de trabajo de los clientes están muy aumentados, donde los LLM redactan las respuestas a las confirmaciones de operaciones de los clientes. La estrategia es omnipresente: ahora es más difícil encontrar áreas que no utilicen la IA que aquellas que sí lo hacen.

¿Cómo manejan las organizaciones los retos específicos de la IA “Agenética” y la regulación estática?

Nathalie Beslay: El conflicto central es que la regulación (como la Ley de IA de la UE) es estática, mientras que la IA agenética es dinámica. El reto reside en calificar a los agentes según definiciones reglamentarias estrictas (IA de propósito general frente a sistemas de IA). Además, como los agentes son autónomos, las empresas deben gestionar rígidamente los roles y las “habilitaciones” (permisos) para garantizar que los agentes interactúen de forma segura con los entornos humanos y digitales.

¿Cómo debe ejecutar técnicamente un banco la reinvención de una plataforma de IA “de cero a uno”?

Cyril Cymbler: La ejecución requiere un enfoque empresarial basado en tres pilares: Crecimiento, Protección (Riesgo/Cumplimiento) y Rentabilidad. Tecnológicamente, la plataforma debe ser Multi-cloud (para satisfacer la normativa DORA sobre portabilidad data), de Código Abierto (garantizando la propiedad data/copia cero), y Gobernada (linaje data estricto para rastrear la creación del producto para los auditores). Por último, la IA debe democratizarse, permitiendo a los líderes empresariales consultar data en lenguaje natural sin depender de especialistas técnicos.

¿Cómo hacer operativa la “IA digna de confianza” (cumplimiento, ética, responsabilidad)?

Nathalie Beslay: La fiabilidad se construye sobre tres capas: Cumplimiento (obligatorio), Ética (centrada en el ser humano) y Responsabilidad (rendición de cuentas). naaia operativiza esto a través de un enfoque SaaS centrado en la Gobernanza (diseño de roles/árboles de decisión), Integración (incrustación de pruebas/seguimiento en los sistemas de TI) y Ejecución (hacer cumplir la documentación). La queja pasiva no es una estrategia; se requiere un despliegue proactivo del programa para mitigar los daños económicos y de reputación.

¿Cuál es la estrategia respecto a “construir frente a comprar” y las asociaciones (por ejemplo, Mistral)?

Andrei Serjantov: BNPP se asoció pronto con Mistral para aprovechar la capacidad On-Premise, garantizando que el data del cliente nunca abandona el entorno seguro del banco. Dan prioridad a la puesta a punto de modelos más pequeños y eficientes energéticamente en data propios frente a la formación de modelos fundacionales masivos desde cero. Esta combinación de experiencia tecnológica externa y ADN interno de gestión de riesgos permite un despliegue seguro y específico para cada caso de uso.