Recientemente, durante la Cumbre Bancaria Global de FT, ejecutivos de grandes instituciones debatieron el impacto de la IA en el sector y, a pesar de las diferencias en el mercado, la región y la madurez tecnológica, el diagnóstico fue sorprendentemente similar. Nos encontramos en medio de una curva de aprendizaje que requiere menos búsqueda de nuevos algoritmos y más un cambio de mentalidad profundo.
En el sector financiero, la IA todavía se considera principalmente un mecanismo para ganar eficiencia, automatizar procesos, reducir tiempos y reducir costos operativos. Esto es importante, especialmente en estructuras complejas presionadas por los márgenes, pero resulta insuficiente si se busca una evolución real del negocio.
De la eficiencia operativa a la transformación de la experiencia del cliente
La tecnología sólo alcanza su máximo valor cuando deja de ser una herramienta para la eficiencia y se convierte en una herramienta para la transformación integral. El banco que utiliza IA para procesar quejas con mayor rapidez mejora la eficiencia; el que la utiliza para anticipar fricciones y eliminar el problema desde su origen redefine la experiencia del cliente.
Esta diferencia de enfoque es lo que distingue a los pilotos interesantes de aquellos con un impacto real en el mercado. También explica un fenómeno cada vez más común en el sector conocido como pilotitis, donde existen pruebas de valor prometedoras, pero pocas llegan finalmente al entorno de producción.
El desafío de la calidad de los datos y el legado tecnológico
Los datos son otro punto crítico, pues todavía es común escuchar que la IA limpiará el desorden de datos, cuando la realidad es totalmente lo contrario. Si la base de datos es deficiente, el modelo amplifica el problema, lo cual aplica a Europa, Estados Unidos y también a México, donde los bancos arrastran un gran legado.
En México, las instituciones deben lidiar con los fundamentos de Open Finance y las directrices regulatorias relacionadas con la protección de datos, la transparencia y la equidad. La IA no perdona la improvisación, ya que sin datos limpios, estructurados y accesibles, simplemente no hay resultados positivos.
Gobernanza y el fenómeno de la Shadow AI en las corporaciones
La gobernanza también está en el centro del debate, no porque la IA genere nuevos riesgos, sino porque amplifica significativamente los existentes. La popularización de las herramientas generativas ha creado el fenómeno de la Shadow AI, en el que los empleados utilizan plataformas externas para resolver problemas internos sin comprender los riesgos de fuga de datos.+1
Bloquear la tecnología no es la solución; ajustar los procesos, los permisos y la gestión de riesgos sí lo es para un entorno seguro. El debate tiene un componente técnico y ético, ya que la IA en el ámbito del crédito y prevención del fraude requiere explicabilidad, auditabilidad e imparcialidad.+1
