Para impulsar la adopción de IA en la banca, necesitas entender las habilidades de tus empleados

Bernardo Nunes es un científico de datos especializado en la transformación con IA en Workera.

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

La IA ya no es solo un experimento. Según el último Global Survey on AI de McKinsey, el 78% de las organizaciones ahora usa IA en al menos una función de negocio.

La industria bancaria está alcanzando rápidamente. Una encuesta reciente de EY-Parthenon encontró que el 77% de los bancos han lanzado o han lanzado en fase inicial aplicaciones de IA generativa, frente a aproximadamente el 61% en 2023. Sin embargo, solo el 31% ha avanzado hacia una implementación completa.

Mientras tanto, aunque hay una inversión generalizada en IA en la industria bancaria, solo unos pocos han integrado estas capacidades en su plan de juego estratégico. Una encuesta de BCG informó que solo el 25% de los bancos lo ha hecho; y el 75% restante se ha quedado en pilotos y pruebas de concepto aislados, lo que pone en riesgo su relevancia a medida que los competidores nacidos digitales avanzan.

La industria bancaria se define por regulaciones estrictas y estrategias deliberadas. Esa historia ha llevado tanto a riesgos como a oportunidades con la IA. Mientras otras industrias han ido más rápido, los bancos que actúan ahora aún tienen la oportunidad de aprovechar una ventaja de first-mover. Implementar la IA con éxito requiere infraestructura, modelos, canalizaciones de datos y estrategias de cumplimiento. Sin embargo, el aspecto más importante para convertir la promesa de la IA en valor para el negocio radica en el capital humano.

Las instituciones financieras que ganen serán las que permitan a sus empleados usar herramientas de IA no solo de manera ad hoc, sino como parte de su flujo de trabajo diario. Eso implica desarrollar habilidades reales y verificadas para que las personas puedan comprender, aprovechar y liderar la innovación con IA.

Por qué los empleados impulsan la innovación en IA

La IA tiene el potencial de lograr ganancias increíbles en productividad, experiencia del cliente y gestión del riesgo. Pero en su esencia, la IA es simplemente una herramienta: una que requiere creatividad humana y experiencia en el dominio para generar un valor de negocio real. La tecnología sola no impulsa la innovación; la impulsan las personas. En banca, donde la confianza, la regulación y el juicio son centrales, esta interacción entre humano y máquina se vuelve incluso más importante.

Hoy, cada empleado debe convertirse en un empleado habilitado para IA en distintos grados. Algunos serán profundamente técnicos: científicos de datos, ingenieros y constructores de modelos responsables de diseñar y mantener los sistemas que sustentan la operacionalización de la IA. Otros, como cajeros, analistas de suscripción o representantes de servicio al cliente, quizá nunca toquen una línea de código, pero aun así pueden usar herramientas potenciadas por IA para agilizar flujos de trabajo y tomar mejores decisiones. Entre estos extremos están los empleados “IA+X”. Son personas que aportan experiencia profunda en temas como riesgo crediticio, cumplimiento o detección de fraude, y la combinan con suficiente alfabetización en IA para usar la tecnología y ampliar esa experiencia.

Los empleados IA+X serán quienes impulsen la innovación real. Pueden ayudar a cerrar la brecha entre las necesidades del negocio y las posibilidades técnicas, traduciendo desafíos complejos de banca en oportunidades para que la IA entregue resultados tangibles. Por ejemplo, un oficial de cumplimiento con fluidez en IA puede asociarse con equipos de datos para diseñar modelos más justos y transparentes para los procesos de KYC y AML. Un gerente de producto que prototipa usando IA generativa puede replantear las interacciones con los clientes, creando asesoría financiera personalizada o mejorando los recorridos de onboarding. En todos estos casos, la IA amplifica la visión humana en lugar de reemplazarla.

En un sector tan estrictamente regulado y adverso al riesgo como la banca, esta capa humana es esencial. La tecnología puede identificar anomalías o generar recomendaciones, pero serán los humanos quienes interpreten, contextualicen y se aseguren de que las decisiones se alineen con estándares éticos, legales y de reputación. Por eso, los bancos que lideran en la adopción de IA son los que invierten no solo en sistemas y modelos, sino también en las habilidades y la comprensión de su fuerza laboral.

Impulsar el desarrollo con habilidades verificadas

Construir una fuerza laboral habilitada para IA comienza con entender las habilidades existentes y las brechas. Para escalar la IA con éxito, los bancos necesitan más que entusiasmo y presupuestos de capacitación. Necesitan una base de datos de habilidades verificadas y medibles. Sin una visión clara de las capacidades de los empleados, los líderes no pueden tomar decisiones informadas sobre cómo desarrollar a su gente o dónde desplegar la IA de la manera más efectiva.

La autoevaluación por sí sola no es fiable. Los empleados tienden a sobreestimar o subestimar su nivel de competencia, lo que conduce a ineficiencias en la capacitación. Las habilidades verificadas —medidas mediante evaluaciones objetivas— permiten a las organizaciones mapear con precisión las fortalezas y debilidades actuales. Con esta información, los bancos pueden diseñar rutas de aprendizaje adaptadas a procesos y objetivos específicos: ya sea alfabetización introductoria en IA para equipos de primera línea, conocimiento técnico profundo para profesionales de datos o experiencia en gobernanza para oficiales de cumplimiento.

Una vez que los empleados saben dónde están, pueden buscar una mejora de capacidades focalizada y verificar habilidades en ciclos periódicos para medir el progreso y hacer inversiones responsables en las personas. Este ciclo de aprendizaje y validación crea una cultura de mejora continua, asegurando que las habilidades sigan vigentes a medida que el campo evoluciona. Esto es especialmente importante en IA, donde la vida media de una habilidad es más corta que nunca. Lo que se considera vanguardista hoy podría estar desactualizado dentro de un año, haciendo que la capacidad de un empleado para aprender rápido sea más valiosa que cualquier competencia técnica específica.

Para los bancos, esto se traduce en la necesidad de priorizar la velocidad de crecimiento de habilidades: la tasa a la que los empleados pueden adquirir y aplicar nuevas habilidades. Las instituciones que cultivan esta adaptabilidad mantendrán una ventaja competitiva, respondiendo más rápido a nuevas regulaciones, expectativas de los clientes y tecnologías. Las habilidades verificadas también fortalecen la gobernanza, asegurando que los empleados entiendan no solo cómo usar la IA, sino cómo usarla de manera responsable, con atención a la justicia, la transparencia y el riesgo.

El objetivo final es la alineación. Cuando la inteligencia de habilidades informa la estrategia de aprendizaje —y la estrategia de aprendizaje respalda las prioridades del negocio— los bancos pueden acelerar su transformación de IA con confianza. Los datos de habilidades verificadas permiten a los líderes ver dónde invertir, cómo movilizar talento y cuándo escalar la innovación de forma segura.

Construir una fuerza laboral que gana

Este es un momento decisivo para la industria bancaria. Las instituciones que establecen una base para la innovación avanzarán, mientras que las que dudan corren el riesgo de quedarse atrás. El camino hacia adelante es claro: los bancos que construyen capacidades de IA amplias entre sus empleados —especialmente habilidades verificadas que combinan experiencia técnica y de dominio— estarán en la mejor posición para prosperar.

Cuando cada empleado tenga la capacidad de usar IA —ya sea como creador, usuario avanzado o experto en un dominio— el banco en su conjunto gana agilidad, resiliencia y la capacidad de impulsar valor estratégico, en lugar de solo eficiencia incremental. Ahora es el momento de pasar de la experimentación a la habilitación. En IA, lo que separa a los líderes de los rezagados no es solo los modelos que construyes ni la I+D que financias, sino las habilidades que cultivas.