El Banco de Bogotá empezó a explorar las utilidades de la inteligencia artificial generativa (GenIA) para gestionar sus PQRS, un acrónimo –generalmente temido por las entidades financieras– que resume peticiones, quejas, reclamos y sugerencias. Desde allí, dice José Luis Alarcón, director de Datos y Analítica de la entidad, el aprendizaje ha caído en cascada hacia otros 15 casos de uso con GenIA.
A diferencia de la IA general, que se centra en el aprendizaje y categorización de la data existente, la IA generativa (una evolución más reciente) es capaz de crear contenido nuevo, abriendo nuevas avenidas para que las instituciones financieras inserten soluciones tecnológicas en un sinfín de procesos cotidianos. Sin embargo, mientras la IA ha sido utilizada en los bancos y fintechs desde hace más dos décadas, la GenIA apenas despega, por lo que la experiencia del Banco de Bogotá puede dejar migajas de pan para la industria.
“Ya el 30% de las PQRS se radican a través de este flujo de IA. Justamente, el mes pasado, alcanzamos en nuestros indicadores de satisfacción de los clientes por primera vez el 80% de satisfacción: un número bastante alto para ser un momento de dolor para el cliente”, enumeró el experto en datos. “Y ese mismo caso ha evolucionado. Ya no solo estamos trabajando en la radicación de la queja; hicimos pruebas para que la IA responda a las PQRS directamente”.
De este modo, el sistema puede comprender el reclamo, verificarlo dentro de las bases de datos del banco, consultar las políticas internas y generar una respuesta final para el cliente. Se proyecta que, para el final del semestre, esta dinámica cubra el 16% del total de los reclamos de la entidad.
Alarcón fue entrevistado en vivo durante el iupanaDay en Bogotá, un evento líder que reunió a la comunidad financiera de América Latina para compartir experiencias sobre la aplicación de la IA.
Aplicaciones infinitas de la GenIA
Una encuesta presentada en el mismo evento por la Superintendencia Financiera de Colombia reveló que el 33% de las entidades del sistema financiero (con una muestra de 256 organizaciones, reguladas o no) ya están implementando proyectos de IA y se espera que ese porcentaje ascienda al 66% en los próximos cinco años.
Esto refleja el creciente interés y el potencial de la tecnología para impactar tanto en la relación con los usuarios como en la eficiencia interna de las instituciones.
“Cuando empezamos a analizar las posibilidades de dónde podíamos aplicar la GenIA y sacarle el mayor valor, en realidad nos salieron posibilidades infinitas. La IA tiene muchas formas de transformar y cambiar la operación de la entidad”, dijo el ejecutivo. “Es poder tener una interacción más humana, más empática e inteligente”.
De los 15 casos en marcha, algunos están en fase piloto y otros en escalamiento. Algunos de los más destacados están en el área comercial y la banca corporativa. Allí, han desarrollado un modelo que permite a un asesor comercial —que debe visitar una empresa para ofrecer servicios financieros— crear rápidamente un plan de negocios, entender el contexto del cliente potencial e identificar oportunidades.
“Lo que esperamos no solo es reducir tiempos, porque sí, estas personas se demoraban unas dos semanas en construir toda esta información y poder generar un plan de negocio, y la IA lo hace en un minuto. Adicionalmente, estamos recopilando la efectividad de lo que propone la IA», señaló.
Otras aplicaciones se enfocan en eficiencia operativa, recursos humanos, cobranzas y contraloría, entre otras áreas. “Creemos que la IA es un elemento que va a transformar a la sociedad y a los bancos”, afirmó.
Desafíos: innovación, costos y alucinaciones
Alarcón también compartió los desafíos que han enfrentado al desarrollar proyectos tangibles con una tecnología aún emergente. En primer lugar, subrayó que se trata de un campo en constante evolución, lo que ha requerido amplios procesos de experimentación para evaluar qué pueden hacer realmente los modelos y con qué nivel de precisión, algo clave en un sector tan riguroso como el financiero.
En segundo lugar, mencionó los costos como una barrera. “Esto exige estar probando distintos modelos y frameworks hasta encontrar el óptimo. Algunos problemas que nos costó muchísimo resolver hace seis meses, hoy ya tienen herramientas nuevas que los solucionan mucho más rápido”, dijo.
Añadió que el objetivo del banco es que la IA “replique el comportamiento de un usuario experto, de un asistente experto, de un comercial experto”. Para ello, están generando nueva información que no siempre está disponible en las bases de datos actuales de las entidades.
Finalmente, se refirió al reto cultural y de confianza, algo que fue mencionado por varios ponentes del evento. “Uno espera que, al tratarse de soluciones tecnológicas, esto funcione como una calculadora que nunca se equivoca”, comparó. Sin embargo, recordó que la naturaleza de la IA es probabilística, y que ante una misma pregunta, puede dar respuestas diferentes.
“Y lo importante es que no se equivoque porque alucina”, advirtió, haciendo referencia a los casos en que los modelos generan respuestas incorrectas o inventadas, debido a su incapacidad para distinguir entre hechos y suposiciones.
