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

Katharine Wooller es Directora de Estrategia – Servicios Financieros, Softcat plc, una empresa de TI que cotiza 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 generan tanta polarización como la IA; los veredictos van desde, en el extremo más positivo, el próximo punto de inflexión 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 Directora de Estrategia en Softcat, que da soporte a 2.500 empresas de servicios financieros a través de servicios de TI e infraestructura, tengo el privilegio de estar en primera fila mientras la innovación se despliega en todo el espectro de las empresas FS&I.

En primer lugar, ha habido una fuerte adopción en los fondos cuantitativos de cobertura (quant hedge funds), que aprovechan la importante inversión en IA para obtener mejores rendimientos, y también en el sector de seguros, que se beneficia de enormes 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 notable rendimiento de la infraestructura de IA ha impulsado una fuerte adopción por parte de fondos de trading cuantitativo y empresas de seguros y gestión de patrimonio, todas buscando beneficiarse de la enorme cantidad de datos ahora disponible para ellas.

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

Si bien vemos un gran interés en la IA en todo tipo de empresas de servicios financieros, debido al enorme potencial de la tecnología, en última instancia estamos en las colinas bajas de la adopción. Además, existen casos de uso enormemente distintos: un banco de primer nivel desplegará la IA de manera muy diferente, por ejemplo, a una sociedad de construcción local de diez sucursales.

A menudo observo apetitos diferentes dentro de la misma organización: los comités directivos, las generaciones más jóvenes y con mayor mentalidad digital, y las funciones de operaciones/finanzas suelen mostrarse a menudo más abiertas a la idea que, por ejemplo, los colegas de cumplimiento normativo.  Las preocupaciones planteadas con frecuencia incluyen la naturaleza de “caja negra” de la tecnología, los temores sobre la implementación ética de la IA y la falta de claridad regulatoria.

Sin embargo, están surgiendo patrones claros sobre lo que impulsa la adopción temprana y los niveles altos de uso.  Las empresas con éxito tienen una estrategia sólida para adoptar la IA, crean centros de excelencia y se aseguran de que sus datos estén en un estado adecuado desde el principio; suenan como pequeñas iniciativas, pero son la base de la innovación exitosa.

Con frecuencia vemos que el primer caso de uso para desplegarse se da en herramientas de productividad como ChatGPT, Co-pilot o Claude, que a menudo son el punto de entrada para muchos colegas al adoptar la idea de la IA, y a veces se hace referencia con cierta sequedad como el “gateway drug” (la droga de entrada).
 
Culturalmente, adoptar la IA puede ser un cambio enorme respecto al statu quo, y los equipos de liderazgo altamente efectivos buscarán preparar a sus organizaciones para el futuro.  Una estrategia de RR. HH. con visión de futuro es primordial: construir capacidades y experiencia internas en IA, centrarse en habilidades y experiencia aplicables y fomentar el intercambio de conocimientos.  Se necesitará una visión a largo plazo para redistribuir a los colegas cuyos roles sean desplazados por eficiencias impulsadas por la IA.

Hay, con razón, mucho foco en el valor añadido de la IA; hay algunos bancos que tienen cientos de casos de uso potenciales y navegar cuáles llevar a pruebas de concepto y, posteriormente, ampliar su despliegue, puede ser desafiante.  Las mejores prácticas, para una tecnología tan nueva, apenas están emergiendo. En primera instancia, al pasar por un gran número de casos de uso potenciales para priorizar aquellos que ofrecen la mayor creación de valor, puede resultar abrumador, y se puede hacer una triaje implacable en función del impacto, el costo, la viabilidad y la alineación con 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 robustas de recopilación de datos y mecanismos de reporte claramente definidos.  Una vez que un proyecto de IA forma parte de BAU, debe existir una política de desarrollo iterativo continuo a lo largo del tiempo para maximizar los retornos y asegurar la alineación con las prioridades estratégicas; nuevamente, esto a menudo es un rasgo cultural de los equipos de alto desempeño.

Recientemente, me invitaron a hablar sobre IA con un regulador.  Durante una mesa redonda del sector, se presentó una pregunta brillantemente desconcertante: “¿Qué problema resuelve la IA mejor que cualquier otra cosa?”  Como era de esperar, cada organización tuvo una respuesta completamente diferente, y espero que las empresas sigan lidiando con esta pregunta durante años.

Quienes no puedan ser estratégicos con la IA y desplegarla de manera adecuada y oportuna estarán en una desventaja significativa.