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 principales noticias y eventos 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 de TI e infraestructura, tengo un asiento de primera fila privilegiado para observar cómo se desarrolla la innovación en 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 inversión significativa en IA para obtener mejores rendimientos, así como en seguros, que se benefician de grandes cantidades de datos; ambos pueden justificar fácilmente casos de uso claros con un ROI sólido.

Las empresas de servicios financieros han estado realizando modelado matemático y aprendizaje automático casi una década antes de que la IA se comercializara en su forma actual, pero recientemente el impresionante 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 patrimonios, todas buscando beneficiarse de la gran cantidad de datos que ahora tienen a su disposición.

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, al pie de la montaña de la adopción. Además, hay casos de uso muy variados: un banco de primera línea desplegará IA de manera muy diferente a, digamos, una sociedad de construcción local con diez sucursales.

A menudo veo apetitos diferentes dentro de la misma organización, con juntas directivas, las generaciones más jóvenes y digitalmente hábiles, y las funciones de operaciones/finanzas a menudo más receptivas a la idea, que, por ejemplo, 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, están surgiendo patrones claros sobre lo que impulsa la adopción temprana y niveles fuertes de uso. 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 en desplegarse son herramientas de productividad como ChatGPT, Co-pilot o Claude, que son a menudo el punto de entrada para muchos colegas que abrazan la idea de la IA, y a veces se les llama secamente el “droga de entrada” (gateway drug), en un tono seco y con cierta ironía.

Culturalmente, adoptar la IA puede ser un gran cambio con respecto al statu quo, y los equipos de liderazgo altamente efectivos buscarán preparar a sus organizaciones para el futuro. Una estrategia de recursos humanos orientada hacia el futuro es primordial, construyendo capacidades y experiencia internas en IA, enfocándose en habilidades aplicables, experiencia y fomentando el intercambio de conocimientos. Se necesitará una visión a largo plazo para redistribuir a los colegas cuyas funciones son desplazadas por eficiencias impulsadas por la IA.

Con razón, hay un gran enfoque en el valor añadido de la IA; hay algunos bancos que tienen cientos de casos de uso potenciales 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 primera instancia, filtrar a través de 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 una triage implacable basada en impacto, costo, viabilidad y alineación con objetivos empresariales más amplios, para evaluar el ROI potencial.

Es necesario 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 forma parte de la rutina del negocio, 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 sorpresa, cada organización tuvo una respuesta completamente diferente, y espero que las empresas sigan lidiando con 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.