¿Los sistemas heredados están obstaculizando la transformación de IA de los bancos?

El sector bancario ha entrado en una nueva fase de madurez en Inteligencia Artificial (IA), con más de la mitad (51%) de las empresas planeando aumentar su inversión, según la última Encuesta de Sentimiento de Instituciones Financieras de Lloyds. La IA se ha convertido en una tecnología invaluable para el sector, impulsando operaciones internas, servicios y aplicaciones dirigidas a los clientes.

Dicho esto, para desbloquear todo el potencial de la IA, los bancos deben evaluar sus aplicaciones heredadas y modernizar aquellas que puedan obstaculizar sus planes de transformación.

El camino de la IA hasta ahora

En línea con que los clientes son cada vez más conscientes de los beneficios potenciales y se sienten más cómodos con lo que la IA puede ofrecer, las expectativas de una experiencia bancaria digital sin problemas han crecido. Esperan que las aplicaciones anticipen sus necesidades, mientras que los asistentes virtuales resuelven sus problemas en tiempo real. Los bancos están escuchando estas demandas y aumentan su inversión en IA para mejorar aún más las interfaces con los clientes y ayudarlos a gestionar sus finanzas. Después de todo, los clientes satisfechos son más propensos a confiar y mantenerse leales a su banco.

Junto con la experiencia del cliente, las operaciones internas y la gestión de riesgos son otras áreas clave en las que la IA ha brindado un apoyo importante en el mundo bancario. Por ejemplo, el procesamiento de préstamos y hipotecas se ha optimizado con procesamiento inteligente de documentos y aprendizaje automático, minimizando la necesidad de entrada manual de datos y evaluación crediticia. La tecnología puede evaluar rápidamente la calidad crediticia y ofrecer insights en tiempo real, además de completar automáticamente formularios de incorporación y flujos de trabajo de KYC (Conoce a tu Cliente). Sin embargo, todavía existen oportunidades en todos los segmentos bancarios, ya sea minorista, comercial o de patrimonio, para eliminar tareas innecesarias, mejorar la calidad y guiar y capacitar a empleados y clientes en los procesos. Aún hay un gran potencial para cambios que impacten en eficiencia, calidad y ingresos.

En cuanto a la gestión de riesgos, la IA se ha adoptado para fortalecer las estrategias de ciberseguridad y detección de fraudes, así como para mejorar la precisión y los niveles de servicio en la resolución rápida y precisa de problemas. Utilizando algoritmos de IA, las empresas ahora pueden proteger a sus empleados y clientes de amenazas cibernéticas en tiempo real y crear las herramientas necesarias para evitar actividades sospechosas. Los sistemas de IA también pueden identificar y prevenir delitos financieros como el lavado de dinero y suplantaciones. Ya estamos en un mundo donde contamos con herramientas de IA que detectan amenazas generadas por IA. ¡Incluso mi sobrino revisa sus tareas para asegurarse de que no las haya generado la IA!

Las herramientas de IA han tenido un gran impacto en algunos aspectos de cómo operan los bancos, tanto interna como externamente, pero todavía estamos en las etapas iniciales y los sistemas heredados siguen siendo un problema. Las plataformas legacy pueden ralentizar este proceso de transformación debido a sus limitaciones en compatibilidad, eficiencia, escalabilidad y seguridad. Aún hay muchos casos en los que no se puede aprovechar lo último y lo mejor, debido a sistemas antiguos y poco comprensibles. Modernizar estos sistemas debe ser una prioridad para cualquier banco que busque introducir o ampliar sus aplicaciones y uso de IA.

Los desafíos de los sistemas heredados… más fáciles que antes

Los sistemas heredados están profundamente integrados en la arquitectura de un banco y tienen muchas dependencias que resultan riesgosas y complejas de deshacer. Generalmente, carecen de documentación y son altamente personalizados. Confiar en sistemas obsoletos puede causar consecuencias impredecibles incluso con cambios menores.

Además, mantener sistemas desactualizados puede ser costoso y consumir mucho tiempo para los empleados bancarios, sin mencionar que cumplir con las regulaciones es más difícil y puede aumentar el riesgo de sanciones y brechas de seguridad. Por ello, los sistemas heredados pueden dejar a los bancos expuestos a riesgos de seguridad y problemas regulatorios. Sin embargo, la situación actual es muy diferente a hace uno o dos años. Ahora hay muchas más capacidades para evaluar, analizar y rediseñar estos sistemas de manera más sencilla que antes.

Siempre es necesario evaluar qué sistemas son importantes mantener, ya que suelen contener datos valiosos o apoyar operaciones clave, y cuáles pueden eliminarse o actualizarse. Pero una vez hecho esto, avanzar en la transformación de IA es mucho más fácil. Para ello, los bancos pueden aprovechar GenAI y herramientas de automatización para una rápida documentación y transición de sus sistemas heredados, y luego usar GenAI en la fase de diseño para evaluar opciones de automatización y rediseño de flujos de trabajo. Esto puede realizarse en horas y días, en comparación con semanas y meses anteriores.

Es muy interesante contrastar los diferentes planes y enfoques de IA en los bancos. Aunque todos tienen similitudes en su núcleo, comparten el deseo de obtener resultados realmente beneficiosos para los clientes, el personal y los resultados financieros. También existe el interés de no perder la oportunidad o quedarse atrás. Algunos ya cuentan con una buena gobernanza de IA, programas y recursos para tener éxito en esto. La tecnología elegida es importante y un habilitador clave, pero la gestión del cambio y tener un propósito claro siguen siendo fundamentales para el éxito.