La próxima etapa de la IA en el sector financiero: de la eficiencia personal a la transformación empresarial

La próxima fase de la IA en el sector financiero: de la eficiencia personal a la transformación empresarial

Las herramientas de inteligencia artificial están ayudando a los profesionales financieros a completar investigaciones, análisis, presentaciones y trabajo con clientes a un ritmo más rápido. Pero según Kevin Buehler, director de innovación de Rogo y ex socio sénior de McKinsey & Company, la prueba está en cómo las empresas aprovechan estas capacidades ahorradas: ¿usarlas para cubrir más clientes, analizar más mercados, dedicar más tiempo a tareas que requieren criterio, o permitir que la IA se convierta simplemente en una herramienta de productividad personal dispersa por toda la organización?

Contexto de la industria

El sector de servicios financieros ha sido durante mucho tiempo un adoptante temprano de la innovación tecnológica, pero la penetración de la IA está pasando de la periferia al núcleo. Desde la generación automatizada de informes hasta el asesoramiento de inversiones inteligente, la IA se está integrando gradualmente en las operaciones diarias. Sin embargo, la mayoría de las instituciones todavía se encuentran en una "etapa temprana" y aún no han logrado una reingeniería de procesos de extremo a extremo. Buehler señala que las aplicaciones actuales de IA se centran principalmente en el nivel de los empleados junior, como la creación de presentaciones de PowerPoint, el análisis de Excel y la organización de materiales de comunicación.

Dinámicas actuales de desarrollo

Buehler describe la adopción de la IA en el sector financiero en tres fases. La primera fase es el uso por parte de empleados junior: analistas, asistentes y vicepresidentes utilizan la IA para acelerar su trabajo diario. La segunda fase es la adopción por parte de la alta dirección: los directores generales y otros comienzan a usar la IA con frecuencia y aprenden a gestionar equipos asistidos por IA. La tercera fase es el rediseño de flujos de trabajo de extremo a extremo. La mayoría de las empresas aún no han llegado a la última fase.

Buehler menciona especialmente que los flujos de trabajo financieros complejos, como la incorporación de clientes, las transacciones de fusiones y adquisiciones y la originación de préstamos, tienen el potencial de ser rediseñados por la IA. Enfatiza: "Cómo utilizar realmente la IA para cambiar estos procesos es la cuestión de vanguardia actual."

Impacto en el sistema financiero

• Eficiencia de pagos: La IA puede optimizar el monitoreo de transacciones, la detección de fraudes y los procesos de liquidación, mejorando la velocidad y seguridad del sistema de pagos.
• Inclusión financiera: Al reducir los costos de servicio, la IA permite a las instituciones financieras cubrir a más clientes de cola larga, ampliando la cobertura de servicios financieros.
• Competencia bancaria: Los bancos que adopten la IA tempranamente pueden obtener ventajas de costos y de experiencia del cliente, lo que agrava la diferenciación en la industria.
• Costos de cumplimiento: La IA puede automatizar las revisiones de cumplimiento como la lucha contra el lavado de dinero y KYC, reduciendo los costos de revisión manual, pero debe cumplir con los requisitos regulatorios de transparencia algorítmica.
• Gestión de riesgos: La IA mejora los modelos predictivos, evaluando con mayor precisión el riesgo crediticio y la volatilidad del mercado, pero la interpretabilidad del modelo sigue siendo un desafío.

Desafíos enfrentados- Privacidad de datos: Los sistemas de IA requieren grandes cantidades de datos para entrenarse; cómo obtener y utilizar datos de clientes cumpliendo con las regulaciones es un problema clave. - Seguridad cibernética: La introducción de sistemas de IA amplía la superficie de ataque, y es necesario prevenir nuevos riesgos como el envenenamiento de modelos y ataques adversariales. - Integración tecnológica: Integrar la IA en sistemas heredados requiere una inversión significativa y una reestructuración arquitectónica. - Incertidumbre regulatoria: Los organismos reguladores aún están definiendo las normas para la aplicación de la IA en el sector financiero, y las empresas enfrentan riesgos de cumplimiento normativo. - Talento y gestión del cambio: Buehler enfatiza que las empresas necesitan mejorar las habilidades de los empleados actuales, en lugar de depender completamente de nuevos talentos; de lo contrario, los datos se convertirán en el "talón de Aquiles".