Implementación real de agentes de IA en bancos: desde el cribado de cumplimiento hasta la reingeniería de procesos

La implementación real de los agentes de IA en la banca: desde el cribado de cumplimiento hasta la reingeniería de procesos

El cumplimiento de la delincuencia financiera es una de las áreas más reguladas de la banca. Con un crecimiento del volumen de transacciones a un ritmo 10 veces mayor, el modelo tradicional de cribado basado en mano de obra ha llegado a su límite. Empresas fintech como WorkFusion y Genpact están llevando los agentes de IA a entornos de producción: la primera ya tiene más de 10 casos de implementación entre los 20 principales bancos, mientras que la segunda destaca que los agentes de IA deben comprender el contexto de los procesos de negocio para generar valor real.

Contexto del sector

La presión de cumplimiento normativo en la banca sigue intensificándose. El número de alertas generadas por procesos como la lucha contra el blanqueo de capitales, el cribado de sanciones y la debida diligencia del cliente (KYC) supera con creces la capacidad de procesamiento manual. Según Adam Famularo, CEO de WorkFusion, si un gran banco dependiera únicamente de personal humano para cumplir con los requisitos regulatorios, necesitaría contratar aproximadamente 1.800 analistas de cumplimiento adicionales, con costes de formación y retención extremadamente elevados. Al mismo tiempo, la tendencia hacia sistemas de pago en tiempo real obliga a los bancos a completar el cribado en menos tiempo, lo que dificulta la aplicación de los métodos tradicionales por lotes.

Evolución actual

WorkFusion: agentes de IA de la fase piloto a la producción a gran escala

WorkFusion (adquirida por UiPath) se centra en agentes de IA para el cumplimiento de la delincuencia financiera. Su producto "Evan", diseñado específicamente para el cribado de medios negativos, logró escanear 80 millones de entidades en un solo día. Famularo afirma que los agentes de IA ya no están en fase de prueba: "Más de 10 de los 20 principales bancos mundiales los han puesto en producción oficialmente en el ámbito del cumplimiento".

Los casos de uso principales incluyen el cribado de listas de sanciones, la comparación de nombres de clientes y el cribado de noticias negativas en medios. En estas tareas altamente repetitivas y de gran volumen, los agentes de IA pueden gestionar automáticamente entre el 50 y el 70 % de los falsos positivos, permitiendo que los analistas se centren en casos más complejos. En los ámbitos de investigación de fraudes y KYC, los agentes de IA desempeñan un papel de apoyo, ayudando a los analistas a acelerar su trabajo mediante la simplificación de la recuperación de información.

Famularo también mencionó una innovación cultural: WorkFusion asigna a sus agentes de IA un nombre, un rostro y una identidad, ayudando a los bancos a considerarlos como "empleados" en lugar de herramientas. Este diseño facilita que los bancos acepten a los agentes de IA como parte del equipo, en lugar de como un simple reemplazo.

Genpact: los agentes de IA necesitan comprender el contexto del flujo de trabajo

A diferencia de WorkFusion, que se centra en tareas específicas, Genpact parte de los servicios de procesos de negocio empresariales. Su CEO, Balkrishan Kalra, señala que el mercado actual de agentes de IA "genera mucho ruido", pero la verdadera diferencia radica en la capacidad de manejar la "última milla" de las operaciones empresariales: es decir, las anomalías, las transferencias y los juicios que no pueden ser cubiertos por software estandarizado o datos de entrenamiento públicos.Genpact y HFS Research publicaron un informe que muestra que el 85% de los ejecutivos empresariales considera que las deudas técnicas, de datos, de procesos y de talento limitan la realización del valor de la IA, y solo el 6% de las empresas puede reparar efectivamente estas deudas. Vijay Vijayasankar (director global de IA de agentes de Genpact) enfatiza que los modelos en sí mismos rara vez funcionan directamente en el entorno empresarial; es necesario establecer un marco de gobernanza adecuado alrededor del modelo.

La estrategia de Genpact consiste en partir de las áreas operativas en las que es experto, como finanzas, adquisiciones, cadena de suministro y seguros, e integrar agentes de IA en procesos específicos como facturación, revisión de reclamaciones y aprobación de compras. Elena Christopher (vicepresidenta de proyectos estratégicos de Genpact) advierte que si el proceso en sí mismo tiene fallas, el agente de IA podría "ejecutar pasos incorrectos más rápido sin supervisión".

Impacto en el sistema financiero

Eficiencia y costos de cumplimiento

La aplicación de agentes de IA en el cumplimiento de delitos financieros reduce directamente los costos de personal para procesar falsos positivos. Famularo señala que el 70% de los falsos positivos pueden ser completamente resueltos por agentes de IA, lo que significa que los bancos pueden concentrar a los analistas senior en casos de alto riesgo. Esta mejora de eficiencia afecta indirectamente la velocidad de liquidación de pagos, ya que los filtros de cumplimiento suelen ser un cuello de botella en el proceso de pago.

Inclusión financiera

El costo de cumplimiento es uno de los principales obstáculos para que los bancos atiendan los mercados desatendidos. La capacidad de automatización de los agentes de IA podría reducir el costo de cumplimiento por cliente, lo que haría que los bancos estén más dispuestos a prestar servicios en escenarios de bajo margen, como cuentas pequeñas y remesas transfronterizas. A largo plazo, esto podría fomentar la inclusión financiera.

Panorama competitivo bancario

Los bancos que adopten primero los agentes de IA obtendrán ventajas competitivas en costos de cumplimiento, velocidad de respuesta y control de riesgos. Los bancos pequeños podrían adquirir capacidades similares mediante la compra de servicios SaaS, reduciendo así la brecha tecnológica con los grandes bancos. Sin embargo, el informe de Genpact también señala que los bancos con una deuda de procesos significativa podrían tener dificultades para obtener rendimiento de las inversiones en IA.

Desafíos que enfrentan

Confiabilidad y transparencia del modelo

Famularo indica que los bancos necesitan ver el agente de IA funcionando en sus propios sistemas para desarrollar confianza. El enfoque de WorkFusion es permitir que los bancos supervisen la lógica de decisión del modelo y adapten el modelo a las estrategias específicas del banco mediante entrenamiento. Pero toda la industria aún carece de un estándar unificado de explicabilidad de la IA.

Privacidad de datos e incertidumbre regulatoria

Los agentes de IA necesitan acceder a grandes cantidades de datos de transacciones de clientes, lo que genera preocupaciones sobre la privacidad de datos. Los reguladores de diferentes países tienen posturas diversas sobre la aplicación de la IA en el cumplimiento financiero; algunos exigen revisión humana de todas las decisiones de IA, lo que añade complejidad a la implementación.

Integración tecnológica y deuda de procesos

La investigación de Genpact muestra que la mayoría de las empresas tienen una deuda tecnológica y de procesos grave. Superponer agentes de IA en sistemas antiguos podría complicar aún más los problemas. Los bancos necesitan realizar una reestructuración de procesos y gobernanza de datos antes de implementar la IA.## Perspectivas futuras

Famularo considera que, a medida que la IA y las tecnologías de pago en tiempo real aumenten el volumen de transacciones, la banca enfrentará más actividades fraudulentas y delitos financieros, y el uso de agentes de IA continuará expandiéndose. "Solo encontraremos más formas de usar la tecnología para detener a los malos". Predice que, en un plazo de tres a cinco años, los agentes de IA se extenderán desde el ámbito del cumplimiento normativo hasta funciones bancarias más amplias como la evaluación crediticia, el servicio al cliente y la gestión de riesgos.

Genpact, por su parte, enfatiza que el éxito de los agentes de IA depende de un profundo conocimiento del negocio. Los ganadores del futuro serán aquellas empresas que puedan dominar tanto la tecnología de IA como rediseñar los procesos. La industria necesita pasar de "automatizar procesos existentes" a "diseñar procesos para la IA".

En general, los agentes de IA están pasando de la prueba de concepto a la producción a gran escala, pero la preparación tecnológica de los bancos y los marcos regulatorios aún deben evolucionar en paralelo. En los próximos cinco años, los agentes de IA en el ámbito del cumplimiento normativo podrían convertirse en un estándar, mientras que la IA agencial más general se infiltrará gradualmente en las operaciones bancarias.

*Este artículo se basa en un informe compilado de Newsweek AI Impact Weekly, con ajustes editoriales.*