Discurso de apertura: AI in Financial Services: 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 AI ha demostrado que la tecnología puede superar incluso a los bancos más consolidados. En los últimos años, AI ha cambiado significativamente el panorama financiero, desde mejorar la detección del fraude con el aprendizaje automático hasta hacer más eficiente la negociación algorítmica. El salto más notable se ha producido en los dos últimos años con AI 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 en las capacidades de AI y la disminución de los costes, sólo alrededor del 10% de las empresas financieras escalan con éxito sus iniciativas de AI . 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 AI, y cómo pueden superarse?

Para abordar los retos de AI , la solución está en TIME, acrónimo de Transformation, Integration, Measurement, and Empowerment (transformación, integración, medición y capacitación).

Lograr resultados tangibles exige 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 los costes de servicio puede significar trabajar en los procesos administrativos, mientras que la transformación centrada en los ingresos podría centrarse en los modelos de distribución y los canales de clientes. La clave está en decidir dónde reside el valor y comprometerse a fondo.

Los sistemas heredados de los servicios financieros suelen crear silos, lo que complica el acceso a data y el control de calidad. La cloud y las operaciones locales rara vez están plenamente integradas. La atención debe ir más allá de la infraestructura para garantizar que los modelos estén plenamente integrados en la base de data y los procesos empresariales. El aprovechamiento de "LLMOps" -un concepto similar a DevOps pero adaptado a grandes modelos lingüísticos- es crucial para integrar AI en el ecosistema existente de manera 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 es primordial supervisar su rendimiento en la detección del fraude, la asignación de capital y las interacciones con los clientes. Un marco de medición sólido implica observar los problemas, cuantificarlos y comprenderlos, y supervisar el impacto empresarial del modelo, garantizando la mejora continua.

AIEl verdadero valor de la UE reside en las personas. El éxito de la implantación de AI está ligado a la capacitación y formación de los trabajadores de primera línea. El aumento real de la productividad sólo puede lograrse cuando los trabajadores participan activamente, reciben formación y están dispuestos a adoptar las herramientas de AI . Por lo tanto, es esencial asegurarse de que las personas más cercanas a las operaciones se incorporan y comprenden cómo AI beneficia a sus funciones.

AI requiere tiempo para transformar entornos y procesos profundamente regulados. Sin embargo, hay que 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 AI , pero actúe con rapidez para mantenerse a la cabeza en este panorama en rápida evolución.