El AI abre un futuro brillante para la banca, pero el desarrollo responsable es fundamental

El AI se ha vuelto ubicuo. El apetito pospandémico por una mayor eficiencia, respuesta y inteligencia ha impulsado una carrera competitiva entre los principales jugadores tecnológicos del mundo. En solo los últimos años, el AI ha crecido desde una tecnología de vanguardia para casos de uso altamente especializados a algo fácilmente accesible a través de cualquier dispositivo conectado. De hecho, 33% de todas las inversiones de capital de riesgo a través de los primeros tres trimestres de 2024 fueron a empresas relacionadas con el AI, un aumento significativo con respecto al 14% en 2020. Esto se ha traducido en una adopción rápida, casi febril, de sistemas de AI en funciones comerciales y aplicaciones para uso del consumidor.

A pesar de la ansiedad de los ejecutivos bancarios por adoptar el AI, su crecimiento en la industria será más mesurado. Se espera que el AI agregue entre $200 y $340 mil millones en valor para los bancos anualmente, principalmente a través de una productividad mejorada. 66% de los ejecutivos de banca y finanzas creen que estas posibles ganancias de productividad del AI y la automatización son tan significativas que deben aceptar los riesgos para mantenerse competitivos. Sin embargo, los estrictos estándares regulatorios y las altas apuestas que rodean los datos del consumidor aún significan que los bancos deben abordar el AI de manera reflexiva, centrándose en la seguridad y la confiabilidad.

La integración de la tecnología de AI está remodelando constantemente la banca, prometiendo mejoras en la usabilidad, la eficiencia operativa y la gestión de costos – todos ellos cruciales para mantener a los bancos competitivos y centrados en el cliente en una economía digital en evolución.

El AI sirve como catalizador de la innovación en la banca al simplificar los procesos complejos de este sector, mejorando la eficiencia, la precisión y la personalización. Este impacto es especialmente evidente en áreas como el servicio al cliente, la detección de fraude y la toma de decisiones crediticias. Los chatbots de AI, por ejemplo, ahora son comunes – con 72% de los bancos informando una mejor experiencia del cliente debido a su implementación.

La integración de procesamiento de lenguaje natural (NLP) es particularmente valiosa, permitiendo interacciones con los clientes más intuitivas. En casos en los que un cliente pueda necesitar apoyo con plataformas en línea, el AI puede responder en tiempo real, brindando a los clientes instrucciones en lenguaje simple y claro. Esto puede mejorar la experiencia del usuario, haciendo que los servicios bancarios sean más accesibles y fáciles de usar. Además, al analizar los datos del cliente y el historial de transacciones, las plataformas impulsadas por el AI están mejorando en ofrecer recomendaciones de productos personalizados. Por ejemplo, si realizaste una transacción de inversión de un banco a otro, es posible que veas una oferta de comercio sin comisiones de uno de esos bancos en tu página de transacciones. Este tipo de ofertas personalizadas pueden aumentar la lealtad del cliente, pero parece que el sector bancario tiene un vacío que llenar, ya que 74% de los clientes bancarios dicen que quieren experiencias más personalizadas. Los bancos deben tomar esto como una señal para adoptar el AI para fortalecer la personalización, especialmente en un momento en que los bancos están perdiendo 20% de sus clientes debido a una mala experiencia del cliente.

Los beneficios de los sistemas de AI van más allá de las mejoras en la oficina del frente; hacen que los procesos de la oficina trasera sean significativamente más eficientes. Las instituciones financieras han aprovechado el AI para reducir las revisiones manuales que consumen mucho tiempo y mitigar los riesgos. Por ejemplo, la plataforma Contract Intelligence (COiN) de JP Morgan puede procesar 12,000 contratos anualmente, lo que ahorra a los equipos legales de la empresa 360,000 horas de revisiones. Esta plataforma ha sido especialmente útil para interpretar solicitudes de préstamos.

El AI fortalece la mitigación de riesgos y la detección de fraude

Más allá de mejorar las interacciones con los clientes y hacer que las aprobaciones de contratos sean más eficientes, la tecnología de AI también fortalece a los bancos en la detección de fraude y las estrategias de gestión de riesgos. El año pasado, el fraude costó a los bancos globales más de $442 mil millones en pérdidas proyectadas, la mayoría de ellas procedentes de pagos, cheques y fraude con tarjetas de crédito. La tecnología de AI ha avanzado significativamente en la detección de fraude al reconocer patrones que podrían indicar actividades fraudulentas. Estas herramientas también pueden monitorear transacciones en tiempo real y marcar anomalías mucho más rápido que los métodos tradicionales. Por ejemplo, las herramientas de underwriting impulsadas por el AI ayudan a los bancos a evaluar el riesgo en los servicios de comercio analizando los historiales de transacciones e identificando posibles señales de alerta, mejorando la eficiencia y la seguridad en el proceso de aprobación.

Aunque el AI ha hecho avances significativos en la prevención del fraude, no está exento de complejidades. El surgimiento de herramientas de AI generativas, capaces de crear videos y imágenes deepfake, agrega nuevas capas de riesgo. Pueden ser explotadas para el robo de identidad y otros fraudes sofisticados – como el trabajador de finanzas que fue engañado para pagar $25 millones a estafadores que usaron deepfakes para hacerse pasar por su director financiero.

A medida que los sistemas de detección de fraude impulsados por el AI mejoran, los marcos que rigen su uso también deben evolucionar. Es alentador que las instituciones financieras estén colaborando cada vez más con los reguladores para garantizar que estos sistemas de AI sean diseñados y desplegados de manera responsable, con un fuerte enfoque en la protección del cliente.

Administración de desafíos éticos y regulatorios

A pesar de sus muchos beneficios, la adopción del AI en la banca conlleva importantes obstáculos éticos y regulatorios. Dada la pesadalandscape regulatoria en la banca, las instituciones financieras enfrentan estrictos estándares de cumplimiento, que a menudo varían por región. La Unión Europea, por ejemplo, está a punto de implementar su Ley de AI, que incluye multas de hasta el 7% del ingreso anual para una empresa que no cumpla. De manera similar, en los Estados Unidos, la supervisión regulatoria de organismos como la Reserva Federal y la Oficina de Protección Financiera del Consumidor (CFPB) significa que los bancos deben navegar complejas reglas de privacidad al desplegar modelos de AI.

Una preocupación regulatoria crítica con el AI es el riesgo de sesgo en los grandes modelos de lenguaje, que pueden tener consecuencias no intencionadas en la calificación crediticia o las decisiones de aprobación de préstamos. Por ejemplo, un modelo de AI entrenado con datos sesgados o defectuosos podría rechazar desproporcionadamente las solicitudes de préstamo de ciertos grupos demográficos, exponiendo a los bancos a riesgos reputacionales, demandas, acciones regulatorias o una combinación de los tres.

Para abordar estos problemas, los bancos están invirtiendo en marcos de “AI explicable” que permiten una mayor transparencia en las decisiones impulsadas por el AI. El AI explicable proporciona información sobre cómo los modelos de AI hacen predicciones, ayudando a los bancos a demostrar responsabilidad ante los reguladores y los clientes. También es crucial que los bancos mantengan estrategias de “humanos en el bucle” para anular decisiones tomadas por el AI, particularmente si creen que las decisiones del AI podrían llevar a acciones disciplinarias.

Además, garantizar la seguridad de los datos y la privacidad del cliente en las aplicaciones de AI es fundamental, ya que los bancos manejan grandes cantidades de información sensible. Los sistemas impulsados por el AI deben incorporar cifrado avanzado y anonimización de datos para protegerse contra violaciones. El costo promedio de una violación de datos en los servicios financieros es de $4.45 millones por incidente – un costo que el AI puede potencialmente mitigar, siempre y cuando se implemente con otras medidas de seguridad sólidas.

La necesidad de un desarrollo de AI responsable

Cada pocas semanas, un nuevo desarrollo en la tecnología de AI parece hacer titulares, planteando la importante pregunta: ¿estos avances están fundamentados en la responsabilidad o están impulsados únicamente por incentivos financieros? Un enfoque responsable en el desarrollo de AI es fundamental para capitalizar completamente el AI, especialmente para los bancos. Esto implica un monitoreo continuo, pruebas y ajustes de los modelos de AI para garantizar que operen según lo previsto. Una estrategia de AI bien redondeada incluye una validación rigurosa del modelo, protocolos de detección de sesgo, auditorías regulares y, lo más importante, limpieza de datos. Además, los sistemas de AI deben diseñarse para aumentar la supervisión humana en lugar de reemplazarla, especialmente en escenarios de toma de decisiones complejos. Este enfoque garantiza que el AI sirva como una herramienta de empoderamiento, permitiendo a los empleados de banca centrarse en tareas que requieren pensamiento crítico, empatía y interacción con el cliente.

Crear un camino equilibrado hacia adelante

El potencial del AI para revolucionar la banca es innegable, pero el camino hacia adelante requiere una consideración cuidadosa de las necesidades tecnológicas y éticas. Los bancos están en una posición única para liderar la adopción responsable del AI, estableciendo los estándares para otras industrias sobre cómo integrar la innovación con la responsabilidad. Al centrarse en modelos de AI transparentes, cumplidores y centrados en el cliente, las instituciones financieras pueden transformar la experiencia bancaria, ofreciendo servicios más eficientes sin comprometer la confianza o el cumplimiento regulatorio.

Mirando hacia adelante, la adopción exitosa del AI en la banca dependerá de la colaboración a lo largo de la industria. Los bancos, los reguladores y los proveedores de tecnología deben trabajar juntos para establecer las mejores prácticas, compartir conocimientos y adaptarse a un panorama en constante evolución. A medida que los bancos navegan las complejidades del AI, aquellos que puedan aprovechar su potencial mientras gestionan los riesgos sin duda surgirán como líderes en el futuro de las finanzas.