Artículo de opinión de Verónica Sánchez, profesional con más de 23 años de experiencia liderando la práctica Global de Capital Markets  en VASS company S.L, gestionando relaciones con clientes globales, creando y liderando estrategias en la definición de las nuevas hojas de ruta de la transformación digital y dentro de las organizaciones.

Las organizaciones están en la fase de analizar el potencial de incluir en sus procesos la IA Generativa en búsqueda del retorno de la inversión. Esta herramienta podría tener un impacto significativo en el sector bancario, generando un valor por el aumento de la productividad de entre el 2,8 y el 4,7% de los ingresos anuales, entre 200.000 – 340.000 millones/$, derivando en la mejora de la satisfacción del cliente, la toma de decisiones y la experiencia de los empleados, y la reducción de riesgos a través de mejorar la supervisión del fraude y el riesgo.
El uso de la IA Generativa podrá impulsar la mayor parte del impacto de la tecnología en los posibles casos de uso corporativo:

Beneficios adicionales a los tradicionales

La banca es un sector basado en el conocimiento y la tecnología, por lo que las aplicaciones de IA Generativa pueden aportarle beneficios en este sentido:

• Esfuerzos de digitalización con sistemas informáticos heredados. La banca ha invertido en tecnología durante décadas, acumulando una deuda técnica junto con una arquitectura de TI compleja y aislada.
• Amplias plantillas de cara al cliente. La banca depende de un gran número de representantes de servicios, como los CAUs y asesores financieros de gestión de patrimonios.
• Entornos regulatorios/normativos estrictos. La banca tiene un número considerable de necesidades en materia de riesgos, cumplimiento y legislación.

La banca ha iniciado la inclusión de la IA Generativa en sus primeras líneas de negocio y en sus actividades de software. Los primeros en adoptarla están aprovechando soluciones como ChatGPT, así como otras soluciones específicas del sector para aplicaciones de software y conocimiento. Algunos usos demuestran su potencial de valor para la industria:

• Un experto virtual para aumentar el rendimiento de los empleados, entrenado en conocimientos de políticas, normativas, investigación e interacción con el cliente podría proporcionar un apoyo técnico profundo y permanente.

Debemos tener en cuenta que la primera línea de negocio se dedica a validar ofertas e interactuar con los clientes, y facilitar a los trabajadores el acceso a los datos y a la información centralizada de los clientes puede ayudar a mejorar su rendimiento, calidad y eficiencia y, adicionalmente, la experiencia del propio cliente.

Ejemplos de casos de uso de la IA Generativa en el sector banca

• Morgan Stanley está creando un asistente de IA que utiliza GPT-4, con el objetivo de ayudar a los gestores de patrimonios a encontrar y sintetizar respuestas a partir de una base global de conocimientos interna. El modelo combina la búsqueda y la creación de contenidos para que los gestores de patrimonios puedan encontrar y adaptar información para cualquier cliente en cualquier momento.
• Por ejemplo, un banco europeo ha desarrollado un experto virtual en cuestiones medioambientales, sociales y de gobernanza (ESG) sintetizando y extrayendo información de documentos extensos con información no estructurada. El modelo responde a preguntas complejas basándose en una indicación, identificando la fuente de cada respuesta y extrayendo información de imágenes y tablas.
• Por ejemplo, BBVA, ha automatizado procesos para ganar eficiencia con el uso del aprendizaje automático impulsado por datos y algoritmos inteligentes. Ha establecido la personalización de precios, productos, experiencias o asesoramiento, para proteger a la entidad frente a eventos negativos como protección del fraude, ciberseguridad y análisis de riesgos.
• Banco Santander cuenta con herramientas para conectar de manera temprana y personalizada con clientes y gestionar mejor el riesgo, para detectar anormalidades en las cláusulas de un contrato, para detectar talento interno en áreas de RRHH. Ha desplegado varios chatbots para solventar, en tiempo real, necesidades de clientes o empleados, ofrecer productos o servicios y ejecutar transacciones financieras.

Acceso más rápido a la información

En resumen, el uso de la IA Generativa reducirá los costes asociados a las operaciones administrativas. Estos chatbots de cara al cliente podrían evaluar las peticiones de los usuarios y seleccionar al mejor experto en servicios para atenderlas en función de características como el tema, el nivel de dificultad y el tipo de cliente. Gracias a los asistentes generativos de IA, los profesionales del servicio podrían acceder rápidamente a toda la información pertinente, como guías de productos y políticas, para atender instantáneamente las solicitudes de los clientes.

Las herramientas de IA Generativa son útiles para el desarrollo de software

Éstas son algunas de las ventajas del uso de IA Generativa:

• Pueden redactar código basado en el contexto a través de código de entrada o lenguaje natural, ayudando a los desarrolladores a codificar más rápidamente y con menos fricción, a la vez que permiten traducciones automáticas y herramientas de código bajo o nulo.
• Pueden generar, priorizar, ejecutar y revisar automáticamente diferentes pruebas de código, acelerando los tiempos de las pruebas y aumenta la productividad y la eficacia.
• Gran capacidad de traducción a lenguaje natural, optimizando la integración y migración de marcos heredados.
• Pueden revisar el código para detectar defectos e ineficiencias con un resultado de un código más sólido y eficaz.

Factores que la banca debe tener en cuenta para integrar la IA Generativa en las operaciones

• El nivel de regulación de los distintos procesos. Éstos varían desde procesos no regulados, como la atención al cliente, hasta procesos muy regulados, como la calificación del riesgo crediticio.
• Tipo de usuario final. Los usuarios finales varían sus expectativas y su familiaridad con la IA Generativa. por ejemplo, los empleados en comparación con los clientes de alto poder adquisitivo.
• Nivel previsto de automatización del trabajo. Los agentes de IA integrados a través de API podrían actuar de forma casi autónoma, ofreciendo sugerencias en tiempo real a los agentes durante las interacciones con los clientes.
• Limitaciones de los datos. Aunque los datos públicos como los informes anuales, habría que limitar los detalles identificables de los clientes y otros datos internos.

En conclusión, la IA Generativa aspira a transformar el negocio y el trabajo de la banca en el 2024, a través de duplicar plantillas con perfiles en IA y reciclar a los actuales empleados de FrontOffice y BackOffice a medida que la IA entre en las filas de las organizaciones, y éstas puedan digerir los futuros costes, la evolución de la regulación y una guerra por el talento que se está recrudeciendo.