Inteligencia Artificial: ¿El traje nuevo del emperador? Adopción en los servicios financieros

Katharine Wooller es Estratega Jefe - Servicios Financieros, Softcat plc, una empresa de TI que cotiza en el FTSE.

¡Descubre las mejores noticias y eventos de fintech!

Suscríbete al boletín de FinTech Weekly

Leído por ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

Pocos temas son tan polarizantes como la IA; los veredictos varían desde, en el extremo más positivo, la próxima frontera del progreso humano, una solución tecnológica en busca de problemas que resolver, o, en el peor de los casos, el potencial de crear el fin de la humanidad.

Como Estratega Jefe de Softcat, que apoya a 2,500 empresas de servicios financieros a través de servicios e infraestructura de TI, tengo un asiento privilegiado en primera fila para observar cómo se despliega la innovación en todo el espectro de las empresas de FS&I.

Primero en la línea, ha habido una fuerte adopción en los fondos de cobertura cuantitativos, que abrazan la significativa inversión en IA para mejorar los rendimientos, y también en los seguros, que se benefician de enormes cantidades de datos; ambos pueden justificar fácilmente casos de uso claros con un fuerte ROI.

Las empresas de servicios financieros han estado haciendo modelado matemático y aprendizaje automático casi una década antes de que la IA se comercializara en su forma actual, pero recientemente el rendimiento de la infraestructura de IA ha alimentado una fuerte adopción por parte de los fondos de trading cuantitativos y las empresas de seguros y gestión de patrimonio, todas buscando beneficiarse de la gran cantidad de datos ahora disponibles para ellos.

Además, gran parte de lo que se vende como IA es simplemente la próxima encarnación de la automatización.

Si bien vemos un gran interés en la IA en todos los tipos de empresas de servicios financieros, basado en el enorme potencial de la tecnología, estamos, en última instancia, en los inicios de la adopción. Además, hay casos de uso enormemente variados: un banco de primera categoría desplegará la IA de manera muy diferente a, digamos, una sociedad de crédito local de diez sucursales.

A menudo veo apetitos diferentes dentro de la misma organización, con juntas directivas, las generaciones más jóvenes y digitalmente más hábiles, y las funciones de operaciones/finanzas a menudo más receptivas a la idea, que, digamos, los colegas de cumplimiento. Las preocupaciones planteadas a menudo incluyen la naturaleza de “caja negra” de la tecnología, preocupaciones sobre el despliegue ético de la IA y la falta de claridad regulatoria.

Sin embargo, hay patrones claros que emergen en lo que hace que haya una adopción temprana y niveles de uso fuertes. Las empresas exitosas tienen una estrategia sólida para adoptar la IA, estableciendo centros de excelencia y asegurándose de que sus datos estén en un estado apropiado desde el principio; estas parecen pequeñas iniciativas, pero son la base de la innovación exitosa.

A menudo vemos que el primer caso de uso se despliega en herramientas de productividad como ChatGPT, Co-pilot o Claude, que son a menudo el punto de entrada para muchos colegas al abrazar la idea de la IA, y a veces se les refiere secamente como la “droga de inicio”.

Culturalmente, adoptar la IA puede ser un gran cambio respecto al status quo, y los equipos de liderazgo altamente efectivos buscarán preparar a sus organizaciones para el futuro. Una estrategia de recursos humanos orientada al futuro es primordial, construyendo capacidades y experiencia interna en IA, enfocándose en habilidades aplicables, experiencia y fomentando el intercambio de conocimientos. Se deberá adoptar una visión a largo plazo sobre la redistribución de colegas cuyos roles son desplazados por eficiencias impulsadas por la IA.

Hay, con razón, un gran enfoque en el valor añadido de la IA; hay algunos bancos que tienen cientos de casos de uso potenciales y navegar cuál abordar para hacer una prueba de concepto y desplegar más ampliamente puede ser un desafío. Las mejores prácticas, para una tecnología tan nueva, apenas están emergiendo. En primera instancia, filtrar un gran número de casos de uso potenciales para priorizar aquellos que ofrecen la mayor creación de valor puede ser abrumador, y se puede hacer un triage implacable basado en el impacto, costo, viabilidad y alineación con objetivos comerciales más amplios, para evaluar el ROI potencial.

Necesita haber un marco de medición bien pensado para evaluar los proyectos de IA, con KPIs relevantes, metodologías de recolección de datos robustas y mecanismos de informes claramente definidos. Una vez que un proyecto de IA sea parte de las operaciones habituales, debe haber una política de desarrollo iterativo continuo a lo largo del tiempo para maximizar los retornos y asegurar la alineación con las prioridades estratégicas; nuevamente, este es a menudo un rasgo cultural de equipos de alto rendimiento.

Recientemente, fui invitado a hablar sobre IA con un regulador. Durante una mesa redonda de la industria, se presentó una pregunta brillantemente desconcertante: “¿Qué problema resuelve la IA mejor que cualquier otra cosa?” Sin sorpresa, cada organización tuvo una respuesta completamente diferente, y espero que las empresas se enfrenten a esta pregunta durante años.

Aquellos que no puedan ser estratégicos acerca de la IA, y desplegarla de manera apropiada y oportuna, estarán en una desventaja significativa.