La inteligencia artificial en las finanzas: el arma de doble filo que redefine los servicios financieros

Hoy en día, sólo los perezosos no hablan de la Inteligencia Artificial (IA) y su potencial para revolucionar prácticamente todos los aspectos de nuestras vidas, incluidas las finanzas. De hecho, hay un crecimiento sorprendente en el mercado de la IA: superó $184 mil millones en 2024, 50 mil millones de dólares más que en 2023. Además, se espera que este florecimiento continúe y que el mercado supere los 826 mil millones de dólares en 2030.

Pero esto es solo una parte. Por otro lado, las investigaciones muestran que la implementación de la IA tiene cada vez más problemas, especialmente en el ámbito financiero. En 2024, se enfrentará cada vez más a cuestiones En el orden del día se abordan cuestiones relacionadas con la privacidad y la protección de datos personales, el sesgo de los algoritmos y la ética de la transparencia. La cuestión socioeconómica de las posibles pérdidas de empleo también está en la agenda.

 ¿Es problemático todo lo relacionado con la IA? Analicemos los verdaderos desafíos para su implementación generalizada en las finanzas y los obstáculos que debemos resolver ahora para que la IA pueda seguir llegando a las masas.

Desafíos reales para la integración masiva de la IA

En un principio, el objetivo era crear una inteligencia artificial a nivel de la conciencia humana, la llamada IA ​​fuerte, o Inteligencia Artificial General (IAG). Sin embargo, todavía no hemos logrado ese objetivo; además, estamos muy lejos de alcanzarlo. Aunque parece que estamos a punto de introducir una IAG real, todavía quedan más de cinco o siete años para hacerlo.

El principal problema es que las expectativas actuales sobre la IA son enormemente exageradas. Si bien nuestras tecnologías son impresionantes hoy en día, son solo sistemas de IA limitados y especializados que resuelven tareas individuales en campos particulares. No tienen conciencia de sí mismos, no pueden pensar como los humanos y aún tienen capacidades limitadas. En vista de esto, escalar la IA se convierte en un desafío para su difusión. Como la IA es más valiosa cuando se usa a gran escala, las empresas aún necesitan aprender a integrarla de manera efectiva en todos los procesos, pero manteniendo su capacidad de ajustarse y adaptarse. se adaptan .

Además, las preocupaciones sobre la privacidad de los datos no son el principal problema de la IA, como muchos podrían pensar. Vivimos en un mundo donde los datos no han sido confidenciales durante mucho tiempo. Si alguien quiere obtener información sobre ti, puede hacerlo sin la ayuda de la IA. El verdadero reto de la integración de la IA es garantizar que no se use indebidamente y que se implemente de forma responsable, sin consecuencias indeseadas.

La ética del uso de la IA es otra cuestión antes de que la IA alcance una difusión masiva.

El principal problema de los sistemas actuales es la censura: ¿dónde está el límite cuando prohibimos a las redes neuronales compartir una receta de bomba y censuramos las respuestas desde el punto de vista de la corrección política, etc.? Sobre todo porque los “malos” siempre tendrán acceso a las redes sin restricciones impuestas sobre ellos. ¿Nos estamos disparando en el pie al utilizar redes limitadas mientras que nuestros competidores no las tienen?

Sin embargo, el dilema ético central es la cuestión de la puntería a larga distancia. Cuando creamos una IA fuerte, nos enfrentaremos a la pregunta: ¿podemos utilizar un sistema razonable para realizar tareas rutinarias y convertirlo en una especie de esclavo? Este discurso, a menudo discutido en la ciencia ficción, puede convertirse en un verdadero problema en las próximas décadas.

¿Qué deben hacer las empresas para lograr una integración perfecta de la IA?

De hecho, la responsabilidad de resolver los problemas de IA no recae en las empresas que integran la IA, sino, por el contrario, en las empresas que la desarrollan. Las tecnologías se van implementando silenciosamente a medida que están disponibles. No es necesario hacer nada especial: este proceso es natural.

La inteligencia artificial funciona bien en nichos reducidos en los que puede sustituir a una persona en la comunicación, como en las salas de chat. Sí, esto puede resultar molesto para algunos, pero el proceso se volverá más accesible y más agradable con el tiempo. Un día, la IA finalmente se adaptará al estilo de comunicación humano y será mucho más útil, y la tecnología participará cada vez más en el servicio al cliente.

La IA también es eficaz en la preanálisis, cuando se deben procesar grandes cantidades de información heterogénea. Esto es especialmente relevante en el ámbito financiero, ya que siempre ha habido departamentos de analistas dedicados a tareas poco creativas pero esenciales. Ahora, cuando se intenta implementar la IA para la analítica, aumenta la eficiencia en esta área. En Wall Street, incluso creen que esta profesión será desaparecer—El software de IA puede realizar el trabajo de los analistas de forma mucho más rápida y económica.

Para lograr una integración perfecta de la IA, las empresas deben adoptar un enfoque estratégico que vaya más allá de la adopción de la tecnología. Deben centrarse en preparando su fuerza laboral para el cambio, educándolos en herramientas de IA y fomentando una cultura de adaptabilidad. De esta manera, todo lo relacionado con reducir la carga de una persona en tareas rutinarias sigue evolucionando. En la medida en que la implementación de IA brinde a las empresas ventajas competitivas, estas irán introduciendo nuevas tecnologías a medida que estén disponibles.

La clave es lograr un equilibrio entre la eficiencia de la IA y los desafíos que puede presentar.

El potencial de la IA para revolucionar las finanzas

La IA, en forma de enfoques más tradicionales y otros métodos, se viene utilizando en el mercado financiero desde hace mucho tiempo, mucho antes de las últimas décadas. Por ejemplo, hace unos años, el tema del comercio de alta frecuencia (HFT, por sus siglas en inglés) adquirió especial relevancia. En este ámbito, la IA y las redes neuronales se utilizan para predecir la microestructura del mercado, lo que es importante para realizar transacciones rápidas en este ámbito. Y el potencial de desarrollo de la IA en este campo es bastante grande.

En la gestión de carteras, lo más habitual es utilizar las matemáticas y las estadísticas clásicas, y no hay mucha necesidad de IA. Sin embargo, se puede utilizar, por ejemplo, para encontrar un método cuantitativo y sistemático para construir una cartera óptima y personalizada. Por tanto, a pesar de su baja popularidad en la gestión de carteras, la IA tiene oportunidades de desarrollo en ese ámbito. La tecnología puede reducir significativamente el número de personas necesarias para trabajar en los centros de atención telefónica y en los servicios de atención al cliente, lo que es especialmente importante para los brókeres y los bancos, donde la interacción con los clientes minoristas desempeña un papel fundamental.

Además, la IA puede realizar las tareas de los analistas de nivel junior, especialmente en empresas que comercian con una amplia gama de instrumentos. Por ejemplo, es posible que necesites analistas que trabajen con diferentes sectores o productos. Aun así, puedes confiar la recopilación y el procesamiento preliminar de datos a la IA, dejando solo la parte final del análisis a los expertos. En este caso, los modelos de lenguaje son ventajosos.

Sin embargo, muchas de las capacidades de la IA en este mercado ya se han utilizado y solo es necesario realizar pequeñas mejoras. En el futuro, cuando aparezca la inteligencia artificial general (AGI), puede haber una transformación global de todas las industrias, incluidas las financieras. Sin embargo, este evento puede ocurrir solo en unos pocos años y su desarrollo dependerá de la solución de las cuestiones éticas y otros problemas mencionados anteriormente.