Discurso de apertura: La IA en los servicios financieros: Tendencias clave del mercado y perspectivas para 2024 por ARTEFACT

Hace dieciséis años, la inversión en instituciones financieras tradicionales parecía una apuesta segura. Sin embargo, el rápido ascenso de la IA ha demostrado que la tecnología puede superar incluso a los bancos más consolidados. En los últimos años, la IA ha cambiado significativamente el panorama financiero, desde la mejora de la detección del fraude con el aprendizaje automático hasta la mayor eficacia de la negociación algorítmica. El salto más notable se produjo en los dos últimos años con la IA generativa (GenAI), que ahora permite a las tecnologías mostrar empatía en las interacciones con los clientes, un hito antes inimaginable.

A pesar del gran avance de las capacidades de la IA y de la disminución de los costes, sólo alrededor del 10% de las empresas financieras escalan con éxito sus iniciativas de IA. La mayoría de las aplicaciones se limitan a integrar herramientas como ChatGPT o Copilot en los procesos existentes, lo que dificulta la medición del rendimiento de la inversión, la reducción de costes o el aumento de la satisfacción del cliente. La pregunta es: ¿qué obstáculos impiden utilizar con éxito la IA y cómo pueden superarse?

Para abordar los retos de la IA, la solución reside en TIME, un acrónimo que representa Transformación, Integración, Medición y Capacitación.

Conseguir resultados tangibles requiere centrarse en una transformación empresarial a gran escala alineada con la estrategia y las prioridades del grupo. La transformación debe ser integral, no limitarse a añadir tecnología a los procesos existentes. Por ejemplo, optimizar el coste del servicio podría significar trabajar en los procesos administrativos, mientras que la transformación centrada en los ingresos podría dirigirse a los modelos de distribución y a los canales de los clientes. La clave está en decidir dónde reside el valor y comprometerse plenamente.

Los sistemas heredados en los servicios financieros suelen crear silos, lo que hace que el acceso data y el control de calidad sean complejos. La cloud y las operaciones in situ rara vez están plenamente integradas. El enfoque debe ir más allá de la infraestructura para garantizar que los modelos estén totalmente integrados en la data foundation y en los procesos empresariales. Aprovechar las “LLMOps” -un concepto parecido al de DevOps pero adaptado a los grandes modelos lingüísticos- es crucial para integrar la IA en el ecosistema existente de forma eficaz.

El paradigma ha pasado de la formación de modelos a la medición de su impacto y deriva. El desarrollo de modelos se está convirtiendo en un producto básico, pero la supervisión de su rendimiento en la detección del fraude, la asignación de capital y las interacciones con los clientes es primordial. Un marco de medición sólido implica observar los problemas, cuantificarlos y comprenderlos, y supervisar el impacto empresarial del modelo, garantizando una mejora continua.

El verdadero valor de la IA está en las personas. El éxito en el despliegue de la IA está ligado a la capacitación y formación de los trabajadores de primera línea. El aumento real de la productividad sólo puede conseguirse cuando la mano de obra participa activamente, recibe formación y está preparada para adoptar las herramientas de la IA. Por lo tanto, es esencial asegurarse de que las personas más cercanas a las operaciones se incorporan y comprenden cómo la IA beneficia a sus funciones.

La IA requiere tiempo para transformar entornos y procesos profundamente regulados. Sin embargo, la llamada a la acción es actuar con rapidez para obtener una ventaja competitiva. Como en cualquier carrera, la velocidad importa, pero también lo hace asegurarse de que cada paso de la transformación sea sólido. La conclusión es clara: dé tiempo a las iniciativas de IA, pero actúe con rapidez para mantenerse a la cabeza en este panorama en rápida evolución.