BNP PARIBAS y ARTEFACT en AI for Finance by Artefact - Transformar la banca comercial con IA

Pierre Ruhlmann destacó cómo el banco estructura sus iniciativas de IA en torno al valor. El programa se basa en tres pilares: tribus que ofrecen experiencias a los clientes, una fábrica de IA para ampliar las soluciones y un centro de expertos para evaluar el valor empresarial y promover la alfabetización en IA. Este marco organizativo se ha ido implantando a lo largo de los últimos cuatro años, marcando el final de la primera fase.

Pierre subrayó que BNP Paribas mide el valor en múltiples dimensiones, no sólo los rendimientos financieros. Aunque el ahorro de costes y la eficiencia son cruciales, el banco también da prioridad a la satisfacción del cliente y al compromiso de los empleados. El banco utiliza Net Promoter Scores (NPS) para hacer un seguimiento de cómo las características de la IA repercuten en las experiencias de los clientes. El compromiso de los empleados es igualmente importante, ya que garantiza que el personal sienta los beneficios de la IA, lo que se alinea con el doble enfoque del banco hacia los clientes y los empleados.

Pierre compartió ejemplos de cómo el banco escala sus soluciones de IA, en particular en el aprendizaje automático para la calificación y el procesamiento inteligente de documentos. Aunque BNP Paribas ha realizado importantes inversiones en estas áreas, están menos maduros en proyectos de IA generativa. Se están desarrollando dos MVP, “Gary” y “Genius Bar”, centrados en la gestión del conocimiento interno y en la mejora del servicio al cliente. Ambos proyectos requieren una mayor optimización antes de que puedan industrializarse por completo.

El sistema Gary está diseñado para ayudar a los empleados con las comprobaciones de productos y procedimientos. Aunque 90% de la plantilla ha adoptado el sistema, han surgido problemas de aplicación, como incoherencias en la base de conocimientos de los distintos procedimientos. Resolver estas incoherencias es fundamental antes de que la solución pueda ampliarse aún más. Gary representa un paso crucial hacia la mejora de los procesos internos con IA.

Genius Bar, el segundo MVP clave, pretende mejorar el servicio al cliente sustituyendo los anticuados chatbots por una solución de IA generativa. Con más de un millón de interacciones previstas en los próximos dos años, la industrialización de esta solución requiere un enfoque cauteloso. Los ejercicios de red-teaming han sido fundamentales para identificar los problemas de seguridad y fiabilidad, que se han parcheado para garantizar una escalabilidad sin problemas del sistema.

Pierre hizo hincapié en la adopción de la IA, poniendo como ejemplo Microsoft Copilot. Una prueba con 20 empleados demostró que, a pesar del interés inicial, la mitad dejó de utilizar la herramienta. Esto dio lugar a un Programa Campeón y a una formación específica. Ahora el banco está ampliando Copilot con cautela para garantizar un buen rendimiento de la inversión.

Los retos de la adopción también incluyen el fomento de una mentalidad crítica entre los empleados para garantizar que los resultados de la IA se interpretan correctamente. Dada la naturaleza regulada de la banca, los empleados deben ser cautelosos a la hora de confiar únicamente en las soluciones generadas por la IA. Pierre también abordó el temor a que la IA pueda quitar puestos de trabajo, asegurando a los empleados que la IA aumentará, no sustituirá, su trabajo. Destacó el uso de pruebas AB para comparar el valor de las tareas realizadas con y sin IA, ayudando a promover la confianza y la comprensión del potencial de la IA dentro de la organización.