Inteligencia Artificial en Finanzas: La Espada de Dos Filos que Redefine los Servicios Financieros

Hoy en día, solo los perezosos no discuten la Inteligencia Artificial (IA) y su potencial para revolucionar prácticamente todos los aspectos de nuestras vidas, incluyendo las finanzas. De hecho, hay un crecimiento asombroso en el mercado de la IA: superó los $184 mil millones en 2024, $50 mil millones más que en 2023. Además, se espera que esta floración continúe, y el mercado superará los $826 mil millones para 2030.

Pero esto es solo un lado. Por otro lado, las investigaciones muestran un aumento de problemas con la implementación de la IA, especialmente en las finanzas. En 2024, enfrentará cada vez más problemas relacionados con la privacidad y la protección de datos personales, el sesgo algorítmico y la ética de la transparencia. La cuestión socioeconómica de las posibles pérdidas de empleos también está en la agenda.

 ¿Es todo lo relacionado con la IA problemático? Consideremos los desafíos reales para la implementación ubicua de la IA en las finanzas y los obstáculos que debemos resolver ahora para que la IA pueda llegar a las masas.

Desafíos Reales para la Integración Masiva de la IA

Inicialmente, el objetivo era crear inteligencia artificial al nivel de la conciencia humana, la llamada IA fuerte —Inteligencia Artificial General (IAG). Sin embargo, aún no hemos logrado este objetivo; de hecho, no estamos cerca de alcanzarlo. Aunque parecemos estar al borde de introducir una IA general real, aún quedan más de cinco a siete años para hacerlo.

El principal problema es que las expectativas actuales de la IA son vastamente exageradas. Aunque nuestras tecnologías son impresionantes hoy en día, son solo sistemas de IA estrechos y especializados que resuelven tareas individuales en campos específicos. No tienen autoconciencia, no pueden pensar como los humanos y siguen siendo limitados en sus capacidades. Dado esto, escalar la IA se convierte en un desafío para su difusión. Como la IA es más valiosa cuando se utiliza a gran escala, las empresas aún necesitan aprender a integrar la IA de manera efectiva en todos los procesos, pero retener su capacidad para ser ajustada y personalizada.

Además, las preocupaciones sobre la privacidad de los datos no son el principal problema de la IA, como muchos pueden pensar. Vivimos en un mundo donde los datos no han sido confidenciales durante mucho tiempo. Si alguien quiere obtener información sobre usted, se puede hacer sin la ayuda de la IA. El verdadero desafío de la integración de la IA es asegurarse de que no se utilice mal y se despliegue de manera responsable, sin consecuencias no deseadas.

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

El principal problema en los sistemas existentes es la censura: ¿dónde está la línea cuando prohibimos a las redes neuronales compartir una receta de bomba y censuramos respuestas desde el punto de vista de la corrección política, etc.? Especialmente desde que los “malos” siempre tendrán acceso a redes sin restricciones impuestas a ellos. ¿Estamos disparándonos en el pie al utilizar redes limitadas mientras nuestros competidores no lo hacen?

Sin embargo, el dilema ético central es el problema del objetivo a largo plazo. Cuando creamos una IA fuerte, enfrentaremos 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 problema real en las próximas décadas.

¿Qué Deben Hacer las Empresas para una Integración de IA Sin Problemas?

En realidad, la responsabilidad de resolver los problemas de la IA no recae en las empresas que integran la IA, sino, por el contrario, en las empresas que la desarrollan. Las tecnologías se implementan silenciosamente a medida que están disponibles. No hay necesidad de hacer nada especial: este proceso es natural.

La inteligencia artificial funciona bien en nichos estrechos donde puede reemplazar a una persona en la comunicación, como en salas de chat. Sí, esto es molesto para algunos, pero el proceso se volverá más accesible y agradable con el tiempo. Un día, la IA finalmente se ajustará al estilo de comunicación humano y se volverá mucho más útil, y la tecnología se involucrará cada vez más en el servicio al cliente.

La IA también es efectiva en la preanálisis cuando se deben procesar grandes cantidades de información heterogénea. Esto es especialmente relevante para las finanzas, ya que siempre ha habido departamentos de analistas involucrados en trabajo no creativo pero esencial. Ahora, cuando se intenta implementar la IA para el análisis, la eficiencia aumenta en este área. En Wall Street, incluso creen que esta profesión desaparecerá —el software de IA puede hacer el trabajo de los analistas mucho más rápido y barato.

Para lograr una integración de IA sin problemas, las empresas deben adoptar un enfoque estratégico más allá de la adopción de la tecnología. ​​Necesitan centrarse en preparar a su fuerza laboral para el cambio, educarlos sobre las herramientas de IA y fomentar una cultura de adaptabilidad. De esta manera, todo lo relacionado con reducir la carga en una persona en tareas rutinarias continúa evolucionando. Mientras que la implementación de la IA brinde ventajas competitivas a las empresas, introducirán nuevas tecnologías a medida que estén disponibles.

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

El Potencial de la IA en la Revolución de las Finanzas

La IA, en la forma de enfoques más tradicionales y otros métodos, se ha utilizado durante mucho tiempo en el mercado financiero, mucho antes de las últimas décadas. Por ejemplo, hace unos años, el tema del comercio de alta frecuencia (HFT) se volvió especialmente relevante. Aquí, la IA y las redes neuronales se utilizan para predecir la microestructura del mercado, lo cual es importante para transacciones rápidas en este área. Y el potencial para el desarrollo de la IA en este campo es bastante grande.

Cuando se trata de la gestión de carteras, la matemática y la estadística clásicas se utilizan con más frecuencia, 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. Así, a pesar de su baja popularidad en la gestión de carteras, la IA tiene oportunidades de desarrollo allí. La tecnología puede reducir significativamente la cantidad de personas necesarias para trabajar en centros de llamadas y servicios al cliente, lo cual es especialmente importante para los corredores y bancos, donde la interacción con los clientes minoristas juega un papel clave.

Además, la IA puede realizar las tareas de analistas de nivel junior, especialmente en empresas que negocian con una amplia gama de instrumentos. Por ejemplo, puede necesitar analistas para trabajar con diferentes sectores o productos. Sin embargo, se puede encomendar la recopilación y procesamiento preliminares 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 se necesitan mejoras pequeñas. En el futuro, cuando aparezca la inteligencia artificial general (IAG), puede haber una transformación global de todas las industrias, incluyendo las finanzas. Sin embargo, este evento puede ocurrir solo en unos años, y su desarrollo dependerá de resolver los problemas éticos y otros mencionados anteriormente.