Ocho formas en que los bancos pueden pasar de la fase piloto a la fase operativa en materia de IA

Los bancos corporativos, comerciales y para pequeñas empresas pueden dar un giro a esta situación y convertirse en pioneros. En junio y julio de 2025, conversamos con líderes del sector bancario y con los equipos de banca corporativa y tecnología de EY, y identificamos ocho formas en que los bancos pueden aprovechar las oportunidades que ofrece la IA.

Sin una plataforma unificada, los bancos corren el riesgo de contar con agentes de IA aislados que limitan la integración de los procesos y las mejoras en el servicio al cliente. «Hoy en día, los bancos dependen en gran medida de la inteligencia artificial integrada en las plataformas que llevan años utilizando», explica Cox. «Pero estos están aislados entre sí, lo que hace imposible interconectar los procesos en un servicio como el de crédito. Y sin esta conexión, resulta imposible modificar la forma en que se otorgan los créditos y mejorar la oferta de servicios al cliente. Un enfoque basado en plataformas lo hace posible».

5. Explorar formas modernas de resolver problemas relacionados con los datos

Los datos incompletos o de baja calidad constituyen el principal obstáculo para la ampliación de la IA. El enfoque habitual para abordar este reto consiste en destinar recursos humanos a ello. Sin embargo, esto tiene sus limitaciones y resulta costoso, por lo que muchos bancos están explorando herramientas basadas en IA que ayuden a mejorar la calidad de los datos. La IA necesita datos de calidad, pero también puede ayudar a mejorar esos datos. Los bancos ya están observando mejoras en la validación de datos y el cumplimiento normativo gracias al uso de herramientas emergentes.

«Ayudamos a un gran banco a utilizar la inteligencia artificial para comprender e interpretar los datos empleados en la suscripción de créditos y verificar si estos eran correctos en el registro subyacente», afirma Adam Smith, EY Americas Corporate, Commercial and SME AI Banking Lead; Managing Director, Financial Services Consulting, Ernst & Young LLP. «Esto supuso un aumento significativo hasta alcanzar aproximadamente el 90 %, lo que permitió a los empleados centrarse en los aspectos específicos en los que era más probable que hubiera errores».

Los bancos deberían estudiar cómo las nuevas herramientas basadas en la inteligencia artificial pueden abordar los desafíos relacionados con los datos y reducir la necesidad de correcciones manuales. Es posible que estas herramientas aún estén en fase de desarrollo, pero ya pueden resultar útiles en la actualidad.

6. Reevaluar el equilibrio entre la nube y las instalaciones propias

A medida que los bancos utilizan cada vez más la inteligencia artificial y la tecnología madura, la potencia de cálculo necesaria aumenta drásticamente. Esto plantea la cuestión de si es mejor utilizar la capacidad en la nube o en las instalaciones. Hay quienes prefieren la escalabilidad y la flexibilidad que ofrece la nube. Otros han adoptado un enfoque híbrido, que combina la nube con las ventajas de seguridad y control que ofrece la infraestructura local.

En realidad, el elevado costo inicial que supone construir una infraestructura informática a gran escala hace que solo sea viable para los bancos más grandes.

Sin embargo, para quienes pueden hacerlo, los beneficios son considerables. «Hemos creado nuestra propia infraestructura de GPU que nos permite desarrollar, implementar y mantener aplicaciones bancarias basadas en IA», afirma Niranjan Vivekanandan, vicepresidente ejecutivo y director de operaciones de RBC Commercial Banking. «Esto nos brinda mayor seguridad, privacidad y soberanía. Eso es fundamental, ya que la confianza es un elemento clave en nuestra relación con los clientes».

Los bancos también deben revisar sus supuestos sobre los costos de la nube y la dependencia de los proveedores. A medida que aumentan las cargas de trabajo de IA, los modelos de precios de la nube están evolucionando, y la dependencia de unos pocos proveedores plantea preocupaciones estratégicas.

7. Evaluar las necesidades futuras en materia de habilidades

La falta de conocimientos tecnológicos podría echar por tierra las ambiciones en materia de IA. Al ser preguntados sobre los desafíos que plantea la generación de valor a partir de la IA autónoma, el 58 % de los bancos señaló la falta de conocimientos y capacidades tecnológicas. Por lo tanto, los bancos son conscientes de que la inteligencia artificial plantea desafíos en materia de competencias.

Hay dos aspectos que deben abordarse. En primer lugar, es necesario que toda la fuerza laboral adquiera las competencias y la confianza necesarias para utilizar herramientas basadas en IA. Es fundamental combinar cursos de capacitación específicos con programas de gestión del cambio. En segundo lugar, a medida que se amplía el uso de la inteligencia artificial, los bancos deben incorporar capacidades específicas a sus equipos tecnológicos, entre ellas ingenieros de software, especialistas en interfaz de usuario y experiencia de usuario, y analistas de negocios.

«Ya se trate de ingenieros de IA y datos, desarrolladores de aplicaciones o especialistas en ciberseguridad, los bancos necesitan entre tres y cinco veces más personal que el que tenían hace cinco años», afirma Sameer Gupta, EY Americas Financial Services AI Leader.

Atraer y retener a este talento es igual de importante. Es posible que los bancos tengan que dar a conocer sus ambiciones en materia de inteligencia artificial para atraer a candidatos que quizá no consideren que el sector bancario sea su opción natural. A nivel interno, ofrecer proyectos variados y trayectorias profesionales claras puede ayudar a retener al talento más solicitado.

8. Renovar la atención al riesgo

La implementación a gran escala de la IA, especialmente en aplicaciones orientadas al cliente, conlleva tanto riesgos como beneficios. La calidad de los resultados que ofrecen las herramientas basadas en IA es su principal preocupación, especialmente si brindan asesoramiento directamente a los clientes. La EY Responsible AI Pulse survey reveló que dos tercios de los líderes del sector bancario consideran que los resultados poco fiables de la IA constituyen una preocupación de grave a moderada, y que el 48 % teme que se tome en serio la información falsa generada por la IA.

A los bancos también les preocupa la gobernanza de los datos, especialmente cuando se utiliza información confidencial para entrenar modelos de lenguaje grandes (LLM, por sus siglas en inglés). Como explica Osamu Abe, jefe de personal para Asia-Pacífico del MUFG Bank: «La filtración de datos es uno de nuestros mayores riesgos». Es posible que no deseemos que nuestros datos privados se combinen con los de otras empresas en los LLM, ya que no sabemos con qué se están mezclando. Nos gustaría poder seleccionar el conjunto de datos específicamente para nuestra empresa y nuestras necesidades.

¿Cómo pueden los bancos mitigar estas amenazas? Para empezar, necesitarán un enfoque más sofisticado para la gestión de riesgos y la gobernanza de los modelos de IA generativa (GenAI) complejos basados en el lenguaje. Y eso implica adquirir nuevas habilidades.

En segundo lugar, deberán abordar las inquietudes relacionadas con la transparencia desde el inicio del diseño de una aplicación de IA y de los flujos de trabajo asociados. Por ejemplo, los diseñadores que trabajan en herramientas de gestión del conocimiento podrían especificar que cualquier recomendación generada por los LLM debe hacer referencia al material de origen. Una evaluación exhaustiva de los riesgos también debería determinar cuándo es necesaria la intervención humana.

Los bancos también deberían colaborar estrechamente con los equipos de riesgo para definir la secuencia de comprobaciones necesarias antes de ampliar los casos de uso de la IA generativa. ING ha adoptado este enfoque. «La IA generativa plantea muchas más dimensiones de riesgo relacionadas con la privacidad, la propiedad intelectual, los proveedores, los datos y la toma de decisiones, por lo que es necesario encontrar una forma de utilizar la tecnología de manera segura», afirma Bahadir Yilmaz, director de análisis de ING. «Contamos con 140 controles que deben evaluarse en relación con la IA general, aunque algunos de ellos se están automatizando».