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 FTSE.

¡Descubre las principales noticias y eventos de fintech!

Suscríbete al boletín de FinTech Weekly

Leen ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

Pocos temas son tan polarizantes como la IA; los veredictos van 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 marcar el fin de la humanidad.

Como Directora de Estrategia en Softcat, que apoya a 2.500 firmas de servicios financieros mediante servicios de TI e infraestructura, tengo un asiento privilegiado de primera fila para observar cómo se desarrolla la innovación en todo el espectro de las firmas de FS&I.

En primer lugar, la adopción en fondos cuantitativos de cobertura ha sido fuerte, ya que abrazan la importante inversión en IA para obtener mejores rendimientos; y también en seguros, que se beneficia de enormes cantidades de datos: ambos pueden justificar fácilmente casos de uso claros con un ROI sólido.
 
Las firmas de servicios financieros llevan casi una década haciendo modelado matemático y aprendizaje automático antes de que la IA se comercializara en su forma actual, pero recientemente el gran rendimiento de la infraestructura de IA ha impulsado una adopción sólida por parte de fondos de trading cuantitativo y firmas de seguros y gestión de patrimonio, que buscan beneficiarse de la enorme cantidad de datos ahora disponible para ellos.

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 firmas de servicios financieros, gracias al enorme potencial de la tecnología, en última instancia estamos en los primeros escalones de la adopción. Además, hay muchísimos casos de uso muy distintos: un banco de primer nivel implementará IA de manera muy diferente a, por ejemplo, una sociedad de construcción local de diez sucursales.

A menudo observo apetitos distintos dentro de la misma organización: las juntas directivas, las generaciones más jóvenes con mayor afinidad digital y las áreas de operaciones/finanzas suelen ser más abiertas a la idea que, por ejemplo, los colegas de cumplimiento.  Las preocupaciones planteadas a menudo 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 emergiendo patrones claros sobre lo que impulsa la adopción temprana y niveles sólidos de uso.  Las firmas exitosas tienen una estrategia sólida para adoptar IA, crean centros de excelencia y se aseguran de que sus datos estén en un estado adecuado desde el principio; esto suena a pequeñas iniciativas, pero son la base de la innovación exitosa.

Con frecuencia vemos que el primer caso de uso se despliega en herramientas de productividad como ChatGPT, Co-pilot o Claude, que a menudo son el punto de entrada para que muchos colegas abracen la idea de la IA, y a veces se les llama con sequedad la “droga de acceso”!
 
Culturalmente, adoptar IA puede suponer un gran cambio respecto al status quo, y los equipos de liderazgo altamente eficaces 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 experticia aplicables y fomentar el intercambio de conocimientos.  Se necesitará una visión a largo plazo para reubicar a colegas cuyos puestos queden desplazados por eficiencias impulsadas por IA.

Hay, con razón, mucho enfoque en el valor añadido de la IA; existen algunos bancos con cientos de casos de uso potenciales y navegar cuáles incorporar a una prueba de concepto, y luego ampliar el despliegue, puede ser desafiante.  Las mejores prácticas, para una tecnología nueva como esta, apenas están empezando a surgir. En la primera instancia, pasar por una gran cantidad de casos de uso potenciales para priorizar los que ofrecen la mayor creación de valor puede resultar abrumador, y se puede realizar una triage implacable en función del impacto, el costo, la viabilidad y la alineación con objetivos más amplios del negocio para evaluar el ROI potencial.

Se necesita un marco de medición bien pensado para evaluar proyectos de IA, con KPI relevantes, metodologías robustas para la recopilación de datos y mecanismos de reporte claramente definidos.  Una vez que un proyecto de IA forma parte de BAU, debe haber una política de desarrollo iterativo continuo con el tiempo para maximizar rendimientos y asegurar la alineación con las prioridades estratégicas; de nuevo, esto a menudo es una característica cultural de los equipos de alto desempeño.

Recientemente, me invitaron 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 distinta, y espero que las firmas se sigan enfrentando a esta pregunta durante años.

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