IA generativa: una revolución para el sector financiero

De muchos avances tecnológicos se ha dicho que supondrían una revolución, pero no todos han estado a la altura de las expectativas. El caso de la IA generativa —esa con la capacidad de generar algo nuevo como un texto o una imagen— no es uno de esos ejemplos: a estas alturas, muy pocas personas consideran que los cambios que traerá serán pocos e insustanciales. Especialmente porque llevamos ya más de dos años viendo cómo esta tecnología evoluciona a ritmo vertiginoso semana tras semana. Y también porque los cambios ya han empezado a producirse y son importantes. El sector financiero no es ninguna excepción. De hecho, según un estudio de Bain & Company, las empresas financieras que usan la IA han visto su productividad subir un 20%.

Una de las características principales de este sector es el altísimo volumen de documentos que deben gestionar, algo que hay que hacer teniendo siempre en cuenta los estrictos requisitos normativos a los que están sujetos. La IA supone una ayuda inestimable. Por un lado, con esta tecnología, es posible generar resúmenes automatizados de los documentos, además de tramitar los más complejos usando chatbots como asistentes. A la hora de crear informes reglamentarios, la IA los genera con mayor rapidez y precisión.

Esos son ejemplos sencillos de lo que ya hace la IA generativa en el sector bancario, una industria que no es ajena a los avances tecnológicos. De hecho, esta inteligencia artificial generativa convive con la IA clásica que ya lleva más años agilizando tiempos y tareas en los despachos y oficinas de los bancos y que permite detectar fraudes, supervisar transacciones o evaluar de forma automatizada el riesgo crediticio. Es decir, el de los bancos no es un sector al que asuste incorporar nuevas tecnologías, más bien al contrario.

Sin embargo, para sacarle todo el partido a la IA generativa, es imprescindible alimentarla de datos, pero no vale cualquier tipo de datos: para que la IA los entienda bien, estos deben estar limpios y estructurados, deben ser de calidad. Los datos no estructurados (correos electrónicos y chats de clientes, por ejemplo) tienen también muchísimo potencial, pero son mucho más difíciles de utilizar. En ambos casos, eso sí, es necesario contar con una estrategia de datos y una normativa clara para saber qué se puede utilizar y cómo. Esto es importante en el sector bancario, porque para entrenar la IA pueden ser necesarios datos sensibles de clientes, por ejemplo.

Para aprovechar el potencial de la IA generativa cumpliendo la ley de protección de datos y normativas como BaFin, esa estrategia debe establecer con claridad quién accede a qué datos (y para qué), garantizar la seguridad también en el procesamiento de datos no estructurados, controlar cómo y dónde se almacenan los contenidos generados por IA o dejar constancia acerca de qué decisiones toma la IA y cuáles los empleados.

A la hora de integrar la IA generativa en un banco o cualquier empresa del sector financiero, hay que tener en cuenta estas y otras muchas mil cosas más. Es un proceso que requiere un análisis concienzudo y un conocimiento profundo de las ramificaciones y los recovecos de la tecnología y del sector. En T-Systems ayudamos a dar el paso gracias a una infraestructura de IA que cumple el Reglamento General de Protección de Datos (RGPD), soluciones cloud muy potentes y experiencia en el sector.