PwC: AI no es solo una herramienta de eficiencia, también es un factor clave impulsor de la transformación empresarial de las instituciones financieras

Periodismo de 21st Century Business Herald, Tang Jing

El 17 de marzo, PwC publicó el informe de investigación titulado «La IA impulsa la renovación y actualización de los servicios financieros» y realizó una conferencia de prensa para medios. Esta investigación, completada en enero de 2026, abarcó 201 bancos, aseguradoras y gestores de activos, y realizó entrevistas en profundidad a 20 altos ejecutivos del sector.

El informe define claramente los escenarios clave en los que las instituciones financieras aplican la IA actualmente, cubriendo áreas como optimización del servicio al cliente, detección de fraudes y análisis predictivo. En los tres principales sectores —banca, seguros y gestión de activos— la mayoría de los encuestados consideran la IA como el motor central de la transformación estratégica, no solo una herramienta para mejorar la eficiencia.

Posicionamiento estratégico completamente actualizado, la inversión necesita alinearse con las expectativas

El informe señala que hasta un 76% de las instituciones financieras planean utilizar la IA para transformar sus estrategias comerciales y abrir nuevas fuentes de ingreso. Entre ellas, el 41% la ve como el motor de la transformación estratégica, y otro 35% la considera la base de un sistema de creación de valor completamente nuevo, mientras que solo el 15% la ve únicamente como una herramienta para reducir costos y mejorar la eficiencia.

Wang Jianping, socio de consultoría de gestión en PwC China, explicó en la conferencia que las instituciones financieras encuestadas tienen altas expectativas en el potencial de la IA. Para ellos, el valor de la IA va mucho más allá de mejorar la eficiencia operativa; es una oportunidad clave para redefinir modelos de negocio nativos de IA, reconstruir experiencias de servicio e innovar en modelos comerciales, sin dejar pasar esta oportunidad.

Por ejemplo, un ejecutivo de un banco local en Hong Kong afirmó: «No solo buscamos mejorar la eficiencia con IA, sino que también queremos que nos ayude a crear propuestas de valor y modelos de negocio que aún no existen en el mercado.»

Sin embargo, la alta valoración estratégica no se ha traducido completamente en una inversión proporcional. El informe indica que el 61% de las instituciones financieras asignan menos del 10% de su presupuesto tecnológico total a la IA, lo que implica una brecha del 30% a 40% en inversión en IA respecto a sus necesidades tecnológicas.

Wang Jianping señaló que las instituciones encuestadas ya han obtenido un retorno inicial del 10% al 15% de sus inversiones en IA, principalmente en reducción de riesgos, mejora de la eficiencia en cumplimiento, aumento de ingresos y reducción de costos. Aunque valoran los beneficios a corto plazo, también consideran el valor a largo plazo de la IA para mejorar su posición en el mercado, expandir su espacio de desarrollo estratégico y descubrir nuevas oportunidades de crecimiento. El problema principal ahora es si la inversión en IA es suficiente.

Escenarios clave florecen, la colaboración hombre-máquina se vuelve la norma

Aunque aún existe una brecha en inversión, enfocarse en escenarios comerciales clave ya empieza a ofrecer retornos cuantificables y se ha convertido en un área prioritaria en las aplicaciones de IA a nivel empresarial. La investigación muestra que el despliegue de chatbots y atención al cliente representa el 31% de las aplicaciones de IA; gestión de inversiones y activos, el 28%; detección de fraudes, análisis predictivo y modelado, y automatización de procesos administrativos ocupan también lugares importantes con 24%, 23% y 19%, respectivamente.

Cabe destacar que la colaboración hombre-máquina se ha consolidado como la tendencia principal en la aplicación de IA. El 57% de las instituciones financieras planean mejorar las funciones existentes y nuevas funciones del personal mediante IA, que se orienta más a complementar las capacidades humanas que a reemplazarlas.

Ni Qing, socia responsable del sector de gestión de activos y patrimonio en PwC China, explicó que diferentes sectores tienen enfoques distintos en la implementación de IA. La banca se centra en control de riesgos, lucha contra el lavado de dinero y cumplimiento normativo; las aseguradoras en mejorar la capacidad de los agentes, atención al cliente y gestión de reclamaciones. En gestión de activos y patrimonio, la IA se aplica en inversión, gestión de carteras, análisis de datos y mercado.

Al mismo tiempo, la aplicación de IA bajo un marco de control de riesgos es ya un consenso en la industria. Durante la conferencia, ante la pregunta del periodista de 21st Century Business Herald sobre cómo equilibrar eficiencia y seguridad en el uso de IA, Chen Yan, socio de consultoría en gestión de riesgos y regulación de PwC, afirmó que además de centrarse en inversión y retorno, las instituciones financieras deben prestar mucha atención a la gobernanza de la IA. La gobernanza de la IA es como el “freno” de todo el sistema; si no se aplica correctamente, las instituciones no podrán avanzar a toda velocidad. Es necesario un sistema de control para que el “coche de carreras” de la IA pueda tomar curvas con suavidad y también acelerar en línea recta.

Específicamente, las instituciones financieras deben establecer comités de gobernanza de IA para garantizar un consenso en la gestión. Estos comités deben realizar un inventario completo de las herramientas de IA en uso, entender las herramientas en toda la organización, y fortalecer la conciencia de riesgos mediante capacitación, asegurando que la percepción de riesgos siga el ritmo de los avances tecnológicos. También deben controlar el ritmo de inversión en IA, asignando recursos de manera adecuada y evitando repetir errores del pasado en desarrollos de TI “en chimenea”. Además, deben establecer mecanismos de acceso estrictos, evaluando la madurez y los riesgos de las nuevas tecnologías de IA.

El talento y la cultura son los mayores obstáculos, la gobernanza de datos necesita avances

El informe también señala que la adopción masiva de IA aún enfrenta múltiples restricciones. La escasez de talento y la rigidez de las estructuras organizativas son los principales obstáculos para la implementación a gran escala, superando en impacto a los problemas presupuestarios o tecnológicos.

Li Weibin, socio de consultoría en PwC China, afirmó: «Los encuestados coinciden en que uno de los mayores desafíos actuales es reclutar talentos híbridos que entiendan tanto de negocios como de algoritmos. Capacitar y mejorar las habilidades del personal existente, así como establecer incentivos para promover el uso de IA en la transformación, son clave para crear una cultura de prioridad a la IA. Pero también es fundamental que la alta dirección predique con el ejemplo y fomente activamente la adopción de IA.»

Solo el 29% de las instituciones financieras encuestadas dicen haber logrado crear una cultura de “prioridad a la IA”. Es importante destacar que la implementación de IA no puede depender solo de capacidades tecnológicas; la transformación cultural también es un requisito previo. Los silos tradicionales en procesos y funciones siguen limitando la expansión de la IA.

Además de talento y cultura, los datos son un factor crítico para la expansión de la IA. Los encuestados señalaron que los tres principales factores que afectan la asignación presupuestaria en IA son la disponibilidad de datos (30%), la presión regulatoria (20%) y la necesidad de mantener los sistemas centrales existentes (14%). La seguridad de los datos y la protección de la privacidad son los principales desafíos en la gestión de datos, lo que hace que el 90% de las instituciones dependan de datos internos para sus aplicaciones de IA.

El informe sugiere que establecer mecanismos de “sandbox de cumplimiento + aprendizaje federado” para facilitar el intercambio de valor entre instituciones dentro de los límites regulatorios puede ser la clave para superar estos obstáculos. Un profesor de una universidad en Hong Kong afirmó que las instituciones financieras que mantienen comunicación activa con los reguladores y exploran soluciones en sandbox tienen ventajas competitivas en la expansión de la IA a gran escala.

Cinco años, cuatro tendencias principales, las instituciones financieras se preparan activamente

De cara a los próximos cinco años, las instituciones financieras anticipan una transformación radical en sus modelos de negocio, con cuatro tendencias principales:

1. De productos estandarizados a servicios dinámicos en tiempo real impulsados por IA, logrando una personalización extrema. La IA podrá analizar en tiempo real el comportamiento, preferencias y necesidades del cliente, ajustando recomendaciones y servicios de forma dinámica.

2. La IA asumirá más decisiones, actuando como un supercolaborador humano, promoviendo una automatización avanzada y decisiones optimizadas. Cada vez más decisiones rutinarias serán gestionadas por IA, mientras que los empleados humanos se enfocarán en juicios complejos, creatividad y relaciones con clientes.

3. La gestión de cumplimiento pasará de ser reactiva a ser inteligente, integrada y proactiva en tiempo real. Los sistemas de IA podrán monitorear y alertar en tiempo real en los procesos comerciales, incorporando requisitos regulatorios en cada transacción.

4. El control de riesgos cambiará de análisis retrospectivo a intervención en tiempo real y predicción anticipada, logrando una gestión de riesgos predictiva en tiempo real. Mediante modelos de aprendizaje automático y análisis de grandes volúmenes de datos, las instituciones podrán identificar riesgos potenciales con mayor anticipación.

Para lograr una implementación efectiva de la IA, las investigaciones muestran que las instituciones están activamente promoviendo cuatro áreas clave. Primero, fortalecer las bases invirtiendo en infraestructura de datos preparada para IA y arquitecturas de nube híbrida. La calidad de los datos es fundamental; las instituciones deben construir plataformas de datos unificadas, romper los silos y proporcionar soporte confiable para el entrenamiento y operación de modelos de IA.

En segundo lugar, acelerar la formación de talento, implementando programas masivos de capacitación en habilidades de IA y reclutando talentos híbridos. Es necesario tanto atraer talento externo con conocimientos en finanzas y IA, como capacitar a los empleados existentes para elevar su nivel de competencia en IA.

Tercero, fortalecer la colaboración ecológica, trabajando con startups de IA, fintechs y centros de investigación para complementar capacidades. Ninguna organización puede dominar toda la tecnología por sí sola; mediante alianzas abiertas y ecosistemas, las instituciones podrán acceder rápidamente a tecnologías innovadoras y acelerar la adopción de IA.

Finalmente, construir un sistema de protección de riesgos, estableciendo marcos de gobernanza de IA que aborden explicabilidad, sesgos algorítmicos, privacidad y ética. A medida que la IA desempeñe un papel cada vez más central en los negocios financieros, garantizar decisiones justas, transparentes y explicables, y prevenir sesgos y riesgos éticos será una prioridad clave.