Preparación para la IA en banca y servicios financieros: la opinión de un profesional desde el terreno

El debate sobre la IA en el sector de los servicios bancarios y financieros (BFS) muestra un interés y un ritmo crecientes, pero las organizaciones no han desarrollado la preparación suficiente para implementar estas tecnologías. Múltiples organizaciones afirman estar preparadas para la implementación de la IA porque poseen plataformas en la nube y lagos de datos y han establecido proyectos piloto. Desde el terreno, vemos una realidad diferente: la preparación para la IA tiene mucho menos que ver con la tecnología y mucho más con la confianza en los datos.

Una organización alcanza la preparación para la IA mediante la implementación de sistemas de IA que funcionan de forma segura durante todo su periodo operativo. Lo hacen sin interrumpir las actividades comerciales, sin causar problemas normativos y preservando la transparencia en la toma de decisiones. En BFS, ese listón es significativamente más alto que en otros sectores.

Qué significa la preparación para la IA para los líderes del sector financiero

Los líderes empresariales, incluidos los directores financieros, los directores de riesgos y los responsables de cumplimiento normativo y operaciones, deben demostrar su preparación para la IA a través de la confianza:

• El sistema demuestra su capacidad para verificar y explicar los resultados generados por la IA a través de su función de auditoría.
• La organización mantiene la confianza en que la toma de decisiones basada en la inteligencia artificial produce resultados que cumplen con todas las normas reglamentarias requeridas.
• La organización mantiene la confianza en que sus iniciativas de inversión en IA mejoran la eficiencia operativa y, al mismo tiempo, aumentan los niveles de precisión y las capacidades generales de gestión de riesgos.

Para los CIO, CDO, CDAO y directores de ingeniería que lideran las operaciones tecnológicas y de datos, la prioridad para estar preparados para la IA es establecer el control:

• El sistema exige a los usuarios mantener el control sobre todos los aspectos relacionados con la calidad de los datos, junto con la gestión de definiciones y las operaciones de transformación.
• El sistema mantiene el control de la información de linaje que rastrea el origen de los datos desde sus sistemas originales hasta los resultados finales generados por la IA.
• El sistema requiere capacidades de gobernanza que permitan la innovación y, al mismo tiempo, protejan el sistema de cualquier obstáculo que impida el progreso.

BFS utiliza la IA como una capacidad operativa que gestiona los riesgos, en lugar de ser una iniciativa de innovación.

Por qué la preparación para la IA se ha convertido en algo imprescindible

El interés actual de los reguladores, auditores y consejos de administración se centra en los requisitos de implementación de la IA. Se preguntan:

• ¿De dónde proceden los datos?
• ¿Quién es el propietario?
• ¿Cómo se rige?
• ¿Se puede reproducir la decisión seis meses después?

Las organizaciones se enfrentan a retos empresariales cada vez mayores, ya que deben reducir gastos al tiempo que mejoran el servicio al cliente, detienen el fraude y hacen que sus operaciones sean más eficientes. La IA ofrece soluciones, pero crea una complejidad adicional en los sistemas cuando las organizaciones no los preparan para su implementación.

Las organizaciones que inician sus programas antes de estar preparadas se enfrentarán a un aumento de los gastos de corrección, al tiempo que su desarrollo organizativo se ralentizará.

El alto coste de ignorar la preparación para la IA

Los resultados serán visibles cuando la tecnología de IA se incorpore a los sistemas que operan con datos inestables. Estos son problemas comunes en BFS:

• El entrenamiento de modelos con datos que contienen inconsistencias, información incompleta y contenido sesgado.
• La diferencia entre los resultados generados por IA y los documentos financieros y normativos oficiales.
• Reconciliaciones manuales para «explicar» los resultados de la IA a posteriori.
• El equipo de auditoría encuentra múltiples casos de expansión del riesgo de modelo que dieron lugar a múltiples hallazgos de auditoría.
• Los sistemas de IA que permanecen en la fase de desarrollo de prueba de concepto no logran avanzar hacia la implementación operativa.

Los equipos suelen dedicar más tiempo a proteger los resultados generados por la IA que a implementarlos.

El camino del profesional hacia la preparación para la IA en BFS

Las organizaciones que desean tener éxito con la implementación de la IA deben utilizar un método sistemático que puedan ejecutar varias veces. Estos cinco pasos esenciales han demostrado su eficacia en la práctica:

1. Aclarar la propiedad de los datos y los derechos de decisión – La gente duda de la fiabilidad de los sistemas de IA porque no existen normas establecidas en materia de responsabilidad sobre los datos. El sistema necesita reglas definidas que establezcan quién es el propietario del sistema, quién lo mantiene y qué medidas se deben tomar cuando surgen problemas, al tiempo que se proporciona acceso a la información sobre riesgos y datos financieros.
2. Cambiar la calidad de los datos a la izquierda: La IA magnifica los defectos. La implementación de controles de calidad de los datos debe realizarse al principio de los procesos, ya que los problemas no deben aparecer como hallazgos inesperados en los informes o modelos.
3. Haga que Lineage sea operativo, no teórico: Lineage debe mostrar cómo fluyen los datos desde la fuente hasta la transformación y la salida del modelo. La documentación estática no cumple los requisitos que existen en un entorno regulado que necesita control.
4. Unificar los metadatos en los flujos de datos y de IA – La división de los metadatos en secciones separadas produce regiones que siguen siendo imposibles de detectar. Las organizaciones deben establecer definiciones comunes para los elementos de datos junto con sus dominios de aplicación particulares para lograr la gobernanza de los sistemas de IA extensos.
5. Diseñar la gobernanza para facilitar, no para bloquear – El sistema requiere una gobernanza automatizada para funcionar a través de directrices basadas en políticas, que deben conectarse con las operaciones comerciales para establecer la confianza de los usuarios mediante procesos eficientes.

Lo esencial

El proceso de implementación de la preparación para la IA en los servicios bancarios y financieros exige que las organizaciones se concentren en su estado actual de preparación en lugar de buscar modelos o herramientas adicionales. El objetivo se centra en desarrollar la confianza organizativa que respalde el uso de datos para tomar decisiones estratégicas.

Las organizaciones que alcanzarán el éxito serán aquellas que implementen con éxito la IA mediante operaciones responsables, al tiempo que gestionan los retos normativos y generan resultados empresariales coherentes. Las organizaciones deben superar la fase de desarrollo máximo de su tecnología para alcanzar la preparación para la IA. Se trata de una capacidad empresarial.

Las funciones de liderazgo de BFS operan a través de habilidades de liderazgo reales en lugar de utilizar métodos promocionales. Descubra cómo Actian puede ayudar a BFS a garantizar datos fiables para la IA.

Acerca del autor

Acerca de Nagendra Sherman

Nagendra Sherman es el asesor principal de habilitación de datos y transformación de la gobernanza de Actian. Es un asesor con experiencia internacional en transformación de datos e inteligencia artificial que ayuda a las organizaciones a crear bases de datos fiables y listas para la toma de decisiones para el análisis y la inteligencia artificial. Con más de dos décadas de experiencia en banca y servicios financieros, un sector regulado, se especializa en gobernanza de datos, calidad y datos normativos, lo que permite a las organizaciones conciliar el riesgo y las finanzas, establecer una propiedad clara de los datos y poner en práctica la gobernanza y el linaje para que puedan ampliar la IA con confianza.