EY se refiere a la organización global, y puede referirse a una o más, de las firmas miembro de Ernst & Young Global Limited, cada una de las cuales es una entidad legal separada. Ernst & Young Global Limited, una compañía británica limitada por garantía, no presta servicios a los clientes.
La inteligencia artificial solo generará valor real en banca cuando deje de ser un experimento y se convierta en un pilar del plan de negocio
La inteligencia artificial tiene un inmenso potencial en todos los sectores, pero la oportunidad en la banca corporativa, comercial y de pequeñas empresas está en otro nivel. Ya sea crédito, pagos o divisas, los servicios de los bancos son complejos, con muchos documentos y estrictamente regulados, las condiciones perfectas para que la IA genere eficiencia, conocimiento y ventaja competitiva.
Sin embargo, la adopción es inconsistente. La mayoría de las entidades ha ejecutado múltiples proyectos a pequeña escala diseñados para probar la viabilidad y los beneficios de la IA, pero muy pocas han logrado escalar su uso a nivel organizativo. Según el Informe de MIT Technology Review Insights y EY “Reimagining the future of banking with agentic AI”, el 52% de los bancos ha probado la tecnología, pero solo el 16% ha implementado completamente casos de uso donde, por cierto, el resultado ha sido decepcionante.
El sector ha dado pasos importantes, pero ahora necesita un cambio de ritmo. Escalar la IA no es solo una cuestión tecnológica, sino una decisión que marcará la competitividad futura de las entidades.
Aunque la IA se aplica sobre todo a procesos internos de bajo valor, su verdadero potencial en banca es transformar la relación con el cliente. Algunas entidades ya exploran soluciones que automatizan la atención al cliente mediante asistentes virtuales, agilizan trámites como la solicitud de préstamos y permiten a los gestores ofrecer recomendaciones más personalizadas. Aun así, muchas organizaciones siguen siendo prudentes por el riesgo de ‘alucinaciones’ de la IA y por la desconexión entre los equipos técnicos y las áreas comerciales y de negocio.
Porque sí, un error común en la mayoría de los bancos es dar el mando de la inversión en IA a los departamentos de tecnología. Al estar alejados de las áreas comerciales, tienden a aplicar esa tecnología en procesos internos, donde el retorno es menor. Para que la IA genere verdadero valor y mayor rendimiento, deben ser los equipos de negocio quienes impulsen su desarrollo, orientándola hacia mejoras en la experiencia del cliente y en el crecimiento comercial.
Uno de los principales obstáculos para escalar la IA en banca es que muchos de los proyectos se desarrollan de forma aislada, con tecnologías y herramientas específicas que no se pueden aprovechar en otros proyectos. Este enfoque fragmentado eleva los costes y dificulta la integración. Para avanzar de forma sostenible, las entidades deben construir plataformas comunes que agrupen capacidades reutilizables —como el reconocimiento de texto, el aprendizaje automático o la gestión de datos— y que permitan desplegar soluciones de forma más ágil, escalable y eficiente.
Otro asunto delicado es valuar el retorno de la inversión (ROI) de la IA. Resulta complejo y, a corto plazo, suele ser más bajo de lo previsto. Pero, como sucediera con la banca con la llegada de internet, los beneficios financieros se verán al largo plazo, ya que la IA seguirá una trayectoria similar, con ganancias al cabo del tiempo que superarán con creces los resultados inmediatos.
A medida que la IA gana peso en banca, también crecen las necesidades de infraestructura informática. Esto obliga a las entidades a revisar su estrategia tecnológica: algunas apuestan por la nube por su flexibilidad, otras combinan esta opción con infraestructuras propias para reforzar el control y la seguridad. Además, conviene reevaluar los costes reales de la nube y los riesgos de depender de unos pocos proveedores, especialmente en un contexto de cargas de trabajo cada vez más exigentes. Cierto es que uno de los principales obstáculos para escalar la IA en banca sigue siendo la calidad de los datos. Este problema, tradicionalmente, ha sido abordado por los equipos, humanos, de las entidades, pero este enfoque es costoso y limitado. La buena noticia es que la propia IA puede ser parte de la solución al problema de los datos, ayudando a mejorar su calidad y fiabilidad de forma continua.
Pero ninguna estrategia de inteligencia artificial será efectiva sin las personas adecuadas para impulsarla. La falta de capacidades tecnológicas sigue siendo uno de los principales frenos para escalar la IA en banca. El 58 % de las entidades reconoce que necesita reforzar tanto la formación de sus equipos como la incorporación de perfiles especializados. Por un lado, es clave que la plantilla adquiera competencias para trabajar con herramientas basadas en IA. Por otro, será necesario sumar talento técnico —como ingenieros, diseñadores de experiencia de usuario y analistas— que permita desplegar soluciones con impacto real.
En definitiva, la inteligencia artificial solo generará valor real en banca cuando deje de ser un experimento y se convierta en un pilar del plan de negocio. Pero su éxito no dependerá solo de la tecnología, sino de las personas capaces de integrarla, escalarla y darle sentido.
Publicado en ABC
Resumen
La inteligencia artificial tiene un gran potencial en la banca, pero su adopción aún es limitada y pocos bancos han logrado escalarla con éxito. Actualmente se aplica sobre todo en procesos internos, aunque su verdadero valor está en mejorar la relación con el cliente y la competitividad. Los principales obstáculos son la fragmentación tecnológica, la dificultad para medir el retorno y la baja calidad de los datos. Además, falta talento especializado y alineación entre áreas técnicas y de negocio. Para generar impacto real, la IA debe integrarse de forma estratégica y convertirse en parte central del modelo bancario.