Discurso de apertura: AI los servicios financieros: principales tendencias e información clave del mercado para 2024, a cargo de ARTEFACT

Hace dieciséis años, invertir en instituciones financieras tradicionales parecía una apuesta segura. Sin embargo, el rápido auge de AI demostrado que la tecnología puede superar incluso a los bancos más consolidados. En los últimos años, AI transformado significativamente el panorama financiero, desde la mejora de la detección de fraudes mediante el aprendizaje automático hasta el aumento de la eficiencia del trading algorítmico. El avance más notable se produjo en los últimos dos años con AI generativa AI GenAI), que ahora permite a las tecnologías mostrar empatía en las interacciones con los clientes, un hito antes inimaginable.

A pesar de los avances en AI y de la reducción de los costes, solo alrededor del 10 % de las empresas financieras logran ampliar con éxito sus 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 retorno de la inversión, la reducción de costes o el aumento de la satisfacción del cliente. La pregunta es: ¿qué obstáculos impiden el uso satisfactorio de AI y cómo se pueden superar?

Para hacer frente a AI , la solución reside en TIME, un acrónimo que significa «Transformación, Integración, Medición y Empoderamiento».

Para lograr resultados tangibles es necesario centrarse en una transformación empresarial integral, en consonancia con la estrategia y las prioridades del grupo. La transformación debe ser integral, no limitarse a incorporar tecnología a los procesos existentes. Por ejemplo, optimizar el coste del servicio podría implicar trabajar en los procesos administrativos, mientras que una transformación centrada en los ingresos podría centrarse en los modelos de distribución y los canales de atención al cliente. La clave está en determinar dónde reside el valor y comprometerse plenamente.

Los sistemas heredados del sector financiero suelen crear silos, lo que complica data y el control de calidad. Las operaciones cloud las locales rara vez están totalmente integradas. Es necesario ir más allá de la infraestructura para garantizar que los modelos se integren plenamente en la data y en los procesos empresariales. Aprovechar el «LLMOps» —un concepto similar al DevOps, pero adaptado a los grandes modelos de lenguaje— es fundamental para integrar eficazmente AI el ecosistema existente.

El paradigma ha pasado de centrarse en los modelos de entrenamiento a medir su impacto y su desviación. El desarrollo de modelos se está convirtiendo en algo habitual, pero es fundamental supervisar su rendimiento en la detección de fraudes, la asignación de capital y las interacciones con los clientes. Un marco de medición sólido implica identificar incidencias, cuantificar y comprender los problemas, y supervisar el impacto del modelo en el negocio, garantizando así una mejora continua.

AIverdadero valor AI AI reside en las personas. El éxito en AI está ligado a la capacitación y la formación de los trabajadores de primera línea. Solo se pueden lograr aumentos reales de la productividad cuando la plantilla participa activamente, está formada y preparada para adoptar AI . Por lo tanto, es fundamental asegurarse de que las personas más cercanas a las operaciones se sumen al proyecto y comprendan cómo AI sus funciones.

AI tiempo para transformar entornos y procesos muy regulados. Sin embargo, lo que hay que hacer es actuar con rapidez para obtener una ventaja competitiva. Como en cualquier carrera, la velocidad es importante, pero también lo es asegurarse de que cada paso de la transformación sea sólido. La conclusión es clara: hay que dar tiempo AI , pero actuar con rapidez para mantenerse a la vanguardia en este panorama en rápida evolución.