Aunque la inteligencia artificial generativa (GenAI) ya empezó a transformar procesos en la banca latinoamericana, su verdadero potencial aún está lejos de concretarse, ante los vacíos en talento especializado y entrenamiento adecuado de los modelos.
La GenAI está ganando terreno en la industria financiera y un 58% de las organizaciones reporta que ya ha integrado esta tecnología: un aumento respecto al 45% registrado en 2023, según un estudio de la empresa tecnológica NTT Data.
Así, bancos, como el BBVA, han comenzado a mejorar sus chatbots de atención al cliente estableciendo modelos de aprendizaje continuo, lo que promete no solo una mayor automatización de procesos, sino también mejoras en eficiencia operativa, con la expectativa de lograr un retorno de inversión tangible.
“Mucha gente piensa que IA generativa es un producto final, cuando es simplemente una tendencia; un concepto donde se tienen que aplicar datos y conocimientos: hacer el entrenamiento, validación y, poco a poco, ponerla en la práctica de sus negocios”, señala a iupana Marcio Aguiar, director de la división Enterprise para América Latina de Nvidia, uno de los principales fabricantes de Unidades de Procesamiento Gráfico (GPU, por sus siglas en inglés) necesarios para aplicaciones de IA.
“Lo que pasa es que, se piensa que se va a comprar algo que ya está listo y que va a traer resultados de inmediato. No funciona así”, continúa.
Hablar de GenAI está de moda, pero lo cierto es que para los bancos y fintechs aún hay mucho por recorrer, o como dicen desde Nvidia, entrenar. Aunque la tecnología está disponible, cada organización debe adecuar los modelos generativos a las particularidades de su negocio.
Nvidia advierte que la tecnología se volverá más compleja y robusta en un proceso gradual de adecuación. Por ejemplo, antes, la falta de capacidad de procesamiento limitaba a los bancos a la hora de anticiparse a los comportamientos de sus clientes y mejorar su oferta. Hoy, con arquitecturas más avanzadas de GPU, unidos a nuevos algoritmos, esas condiciones han cambiado significativamente.
“La IA generativa tiene poco más de dos años […]. Es un viaje que hay que empezar”, complementa Aguiar.
¡IA + banca y fintech! En mayo el iupanaDay aterriza en Bogotá. Un día entero para charlar sobre el futuro de las finanzas. Solicita tu invitación exclusiva aquí.
La GenAI para la fintech Aplazo
En este sentido, la fintech mexicana Aplazo, especializada en créditos buy now, pay later, asegura que el uso de GenAI los está ayudado a ampliar su alcance y a mejorar su cobranza.
Su cofundador, Alex Wieland, anota que la inversión hecha se justifica con la expectativa de eficiencia que se alcanzará en el futuro.
“Requiere inversión al inicio, pero tiene un payback claro con el tiempo. En un inicio necesitas traer al talento, necesitamos pensar en la tecnología correcta y hay una curva de aprendizaje en la que empiezas a probar cosas y empiezas a ver los resultados”, anota.
Aguiar de Nvidia coincide en que la captación de talento es el desafío vigente a nivel mundial y que la inversión en científicos de datos es fundamental, mientras resalta que la empresa ofrece capacitaciones para profesionales volcados a la IA.
La GenAI para BBVA
En el caso del BBVA, el enfoque se ha centrado en acompañar a los equipos en este proceso de transformación. La entidad ha identificado dos tipos de trabajadores a la interna: los más cercanos a la ciencia de datos, capaces de liderar cambios profundos en los procesos, y los que recién descubren el potencial de GenAI para optimizar su trabajo.
“Nuestra estrategia es aprender, explorar y eso implica mucho acompañar a las personas”, explica Mónica Nureña, jefa de Estrategia de Datos y Gestión de Cartera de Datos de BBVA en Perú, en una entrevista hecha en julio.
“Tenemos usuarios [trabajadores] mucho más finalistas […] que comienzan a ver la oportunidad de transformar sus procesos de una manera significativa”.
Además, el banco ha priorizado el trabajo interdisciplinario como una forma efectiva de avanzar en esta adopción tecnológica. La colaboración entre áreas técnicas y de negocio ha resultado clave, especialmente en los modelos de riesgo y originación de crédito.
“Los modelos de riesgos deben tener muchísima participación del equipo de negocio para realmente estar generando journeys enfocados […] Y eso lo que nos ha dado más frutos”, agrega.
