IBM, CREDIT AGRICOLE & BNP PARIBAS en AI for Finance by Artefact - La IA generativa, una nueva palanca para el rendimiento operativo

La mesa redonda comenzó sentando las bases para debatir el papel de la IA en la mejora de la eficiencia operativa, la creación de valor y la medición del impacto. El objetivo era explorar estrategias, factores de éxito y retos en la aplicación de la IA, centrándose especialmente en casos prácticos de uso y sus resultados medibles. Entre los ponentes se encontraban líderes de BNP Paribas, IBM y otros sectores financieros y tecnológicos, cada uno de los cuales compartió sus puntos de vista.

Su Yang subrayó que la IA es fundamental para la estrategia empresarial del banco. Para hacer un seguimiento del impacto de la IA, el banco utiliza tres tipos de métricas: financieras (ahorro de costes, retorno de la inversión), perceptivas (satisfacción del usuario, puntuación neta del promotor) y de uso (por ejemplo, frecuencia de uso de la herramienta de IA). Implicar a todas las partes interesadas pertinentes, incluidos los propietarios de las empresas y los profesionales de TI, en el seguimiento de estas métricas garantiza una comprensión profunda de los efectos de la IA en la organización.

Una perspectiva complementaria destacó la importancia del enfoque y el compromiso del liderazgo. El banco ha priorizado más de 30 casos de uso para la IA, cada uno supervisado por un miembro del comité ejecutivo. Esto garantiza que la captación de valor esté alineada con los objetivos empresariales, ya estén relacionados con las operaciones de cara al cliente, las mejoras de la eficiencia o el crecimiento de los ingresos. El liderazgo desempeña un papel crucial a la hora de mantener el impulso y medir el éxito.

IBM, a pesar de ser un gigante tecnológico, también utiliza la IA internamente para impulsar la eficiencia, alineándose con sus ofertas externas de IA. La empresa emplea un enfoque estructurado para mejorar sus procesos, empezando por la evaluación comparativa y reuniendo equipos interfuncionales para agilizar los flujos de trabajo. Por ejemplo, su sistema de atención al cliente impulsado por IA gestiona ahora 70% de consultas de forma autónoma, mientras que su sistema de IA para adquisiciones ahorró 26.000 horas anuales al proporcionar un acceso más rápido a la información crítica.

BNP Paribas compartió un caso de uso notable en la detección del fraude, un área en la que la IA ha ofrecido resultados significativos. La IA ayuda a abordar la complejidad de las tácticas de fraude en evolución, ofreciendo soluciones que se adaptan rápidamente y mejoran la eficiencia operativa. Más allá de la prevención del fraude, se espera que la IA generativa impulse aún más la eficiencia ayudando a los desarrolladores y mejorando la personalización del cliente en la banca.

Los retos clave en la adopción de la IA incluyen garantizar la colaboración entre los equipos empresariales, informáticos y científicos data desde el principio. Unas métricas adecuadas son esenciales para priorizar los proyectos y medir su impacto, mientras que una inversión y ambición suficientes son necesarias para alcanzar el éxito. Capacitar a los empleados y centrarse en la adopción por parte de los usuarios también es fundamental para que los proyectos de IA aporten un valor real y eviten los bloqueos en la implementación.

El debate concluyó con reflexiones sobre los impactos más amplios de la IA, incluyendo la sostenibilidad, la confianza, la inclusividad y la soberanía europea. La reducción de la huella medioambiental de la IA, la garantía de prácticas éticas, la promoción de la diversidad y la alineación con los valores europeos se destacaron como cruciales para el despliegue responsable de la IA. El compromiso de IBM de utilizar modelos más pequeños y más eficientes energéticamente es un ejemplo de cómo las empresas tecnológicas están abordando estas preocupaciones.