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

Katharine Wooller es Estratega Jefa – Servicios Financieros, Softcat plc, una empresa de TI cotizada en el FTSE.

¡Descubre las principales 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 que busca problemas que resolver, o, en el peor de los casos, el potencial de crear el fin de la humanidad.

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

Primero en la línea de salida, ha habido una fuerte adopción en fondos de cobertura cuantitativos, que abrazan la significativa inversión en IA para mejorar los retornos, y también en 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 avivado una fuerte adopción por parte de fondos de trading cuantitativos y empresas de seguros y gestión de patrimonio, todas buscando beneficiarse de la gran cantidad de datos ahora disponibles para ellas.

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

Mientras 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 las primeras etapas de adopción. Además, existen casos de uso muy variados: un banco de primer nivel desplegará IA de manera muy diferente a, digamos, una sociedad de construcción localizada 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 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 rápida adopción y altos niveles de uso. Las empresas exitosas tienen una estrategia sólida para adoptar la IA, estableciendo centros de excelencia y asegurando que sus datos estén en un estado apropiado desde el principio; estas parecen ser pequeñas iniciativas, pero son la base de una innovación exitosa.

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

Culturalmente, adoptar la IA puede ser un gran cambio con respecto al statu quo, y los equipos de liderazgo altamente efectivos buscarán preparar sus organizaciones para el futuro. Una estrategia de recursos humanos con visión de futuro es fundamental, construyendo capacidades y experiencia interna en IA, enfocándose en habilidades aplicables, experiencia y fomentando el intercambio de conocimientos. Se necesitará una visión a largo plazo para redeplegar a los 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 posibles casos de uso y navegar cuáles entrar en prueba de concepto y desplegar más ampliamente puede ser un desafío. Las mejores prácticas, para una tecnología tan nueva, apenas están surgiendo. En primer lugar, filtrar un gran número de posibles casos de uso para priorizar aquellos que ofrecen la mayor creación de valor puede ser abrumador, y se puede hacer una triage implacable basado en impacto, costo, viabilidad y alineación con los objetivos comerciales más amplios, para evaluar el ROI potencial.

Se necesita un marco de medición bien pensado para evaluar proyectos de IA, con KPIs relevantes, metodologías de recolección de datos robustas y mecanismos de reporte claramente definidos. Una vez que un proyecto de IA se integra en las operaciones habituales de BAU, 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, esta es a menudo una característica cultural de equipos de alto rendimiento.

Recientemente, fui invitada 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 sorpresas, cada organización tuvo una respuesta completamente diferente, y espero que las empresas se enfrenten a esta pregunta durante años.

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