ODDO BHF & INDOSUEZ WEALTH MANAGEMENT en AI for Finance by Artefact - AI para la banca privada y los servicios financieros

La banca privada es un aspecto profundamente personal de los servicios financieros, y ambos bancos hablaron de sus viajes con la IA. Comenzando con la IA en 2018, un banco lanzó un fondo de inversión impulsado por IA y utilizó algoritmos para la intermediación dirigida. El otro empezó con PNL para resumir reports para gestores de activos y ahora está probando casos de uso de GenAI, como traducción, conversión de voz a texto y consultas data.

Ambos bancos han explorado diversas aplicaciones de la IA. Un objetivo clave es capacitar al personal de atención al público para agilizar las reuniones, gestionar las actividades de los clientes y proporcionar listas de tareas personalizadas. La IA ayuda a los banqueros a cribar procedimientos complejos, liberándoles para pasar más tiempo con los clientes. Sin embargo, el reto reside en equilibrar los casos de uso de gran impacto con la viabilidad operativa, garantizando un apoyo significativo para el personal sin complicar en exceso los flujos de trabajo diarios.

La confianza y la personalización son vitales en la gestión de patrimonios. En lugar de sustituir a las interacciones humanas, la IA sirve para mejorar la capacidad de los banqueros para prestar un apoyo eficaz a los clientes. Comenzando con herramientas internas -como los chatbots integrados en los CRM-, los banqueros disponen de información procesable sobre los clientes para mejorar la toma de decisiones. Ambos bancos ven la IA como una herramienta para aumentar, y no sustituir, las relaciones personalizadas con los clientes, cruciales para la banca privada.

Mostrar la rentabilidad de la inversión en proyectos de IA es complejo, pero ambos bancos hacen hincapié en la agilidad. La estrategia implica inversiones rápidas y pequeñas con una rápida validación, lo que minimiza el riesgo y genera confianza con los patrocinadores. Uno de los bancos adoptó sprints de diseño para validar los conceptos antes de realizar grandes inversiones, mientras que ambos están convencidos de que la IA tendrá un impacto significativo en el sector. Sin embargo, evitan sacar conclusiones rápidas, centrándose en los beneficios a largo plazo.

Industrializar y ampliar las tecnologías de IA sigue siendo un reto. Los sistemas heredados, la evolución de las pilas tecnológicas y los nuevos requisitos de cualificación en análisis data e IA presentan obstáculos. Ambos bancos invierten en la contratación de talentos especializados como ingenieros data y expertos en ML, al tiempo que actualizan las competencias de los empleados actuales para mantener la continuidad. A pesar del respaldo de la dirección, demostrar que estas inversiones son correctas es vital para desbloquear un apoyo más amplio a las iniciativas impulsadas por la IA.

Un banco promueve la adopción creando entornos libres de estrés para que los banqueros exploren la IA, empezando con casos de uso general antes de pasar a aplicaciones más específicas. El objetivo es ayudar a los banqueros a ver el valor que la IA aporta a su vida profesional. Para la formación, se representan escenarios para mostrar cómo la IA puede ayudar en la captación de clientes y otras tareas. El segundo banco hace hincapié en la implicación del liderazgo, formando a la alta dirección sobre la IA, fomentando las comunidades data y de IA, y organizando regularmente eventos de concienciación para compartir historias de éxito y facilitar el aprendizaje. Los bancos dan prioridad a diferentes niveles de formación -tanto de base amplia como centrada en los expertos- para generar confianza y adopción entre los empleados.