No cabe duda de que el gran protagonista del desarrollo es hoy la inteligencia artificial (IA), en todas las industrias. En el sector financiero, se estima que el gasto en esta tecnología aumentará de US$ 35.000 millones a US$ 97.000 millones entre 2023 y 2027, con una tasa de crecimiento anual compuesta de 29%, según datos de Statista.

En esta evolución, la IA generativa (genIA) marcará los mayores cambios. Nicolás Deino, director ejecutivo para la Industria Financiera de Accenture Chile, explica que en los últimos dos años esta viene creciendo con foco en la eficiencia y la optimización de costos de los servicios financieros. Para apuntar al aumento de los ingresos, “necesitarán trabajar estrechamente con el negocio para considerar cómo la genIA puede llevar a nuevas formas de trabajo, nuevos productos y capacidades que puedan ayudar a acelerar los ingresos”, detalla.

“En la era de la IA generativa, la ventaja ya no estará solo en la acumulación de datos, sino que también en la capacidad de generar y utilizar datasets sintéticos para entrenar modelos más precisos, espacio que lideran las fintech”, afirma Josefina Movillo, directora ejecutiva de FinteChile.

Aplicaciones en desarrollo

Accenture Chile reseñó cinco tendencias que marcarán el desarrollo de la IA en el sector financiero.

Los copilotos de IA: que trabajan junto a los empleados, simplificando los flujos de trabajo y entregando nuevas perspectivas que mejoran la productividad. Deino explica que “podrían personalizar estrategias de inversión en tiempo real o predecir tendencias del mercado”.

Movillo explica que los copilotos, una primera versión de la genIA, en su evolución hacia agentes y ecosistemas autónomos, ahora “no solo sugieren respuestas en formato de texto, sino también actúan según el contexto de negocio. Pueden recomendar decisiones frente a diferentes casos como el análisis de riesgos u operaciones internas”.

Web crawlers de IA siempre activos: recopilan y analizan datos de diversas fuentes (prensa, redes sociales, etc.), detectando cambios sutiles en el mercado y los consumidores, lo que permite identificar riesgos, oportunidades y, por ende, realizar una gestión proactiva.

Automatización de tareas con datos no estructurados (como emails, documentos y contenido multimedia): la genIA los procesa y transforma en insights estructurados y accionables. Deino destaca que ello “permitirá que los empleados se concentren en tareas de mayor valor, como la toma de decisiones estratégicas y la resolución creativa de problemas. Ya hemos visto a clientes de servicios financieros desplegar un gran número de agentes de IA generativa altamente enfocados que pueden automatizar procesos, muchas veces sin intervención humana”.

Hiperpersonalización: el procesamiento de toda la data disponible permitirá crear ofertas altamente personalizadas, cambiando de un servicio reactivo a uno verdaderamente intuitivo y receptivo. Incluso, se podría “anticipar y contactar proactivamente a los clientes antes de que siquiera se den cuenta de que algo está mal”, dice el ejecutivo de Accenture.

Gestión de riesgos: “La IA generativa podría desempeñar un papel crucial en la gestión de riesgos a través de la creación y uso de datos sintéticos, que se convertirán en esenciales para mejorar la precisión de los modelos predictivos, en especial, para la detección de fraude, y ayudar a las instituciones financieras a protegerse proactivamente contra amenazas y tomar decisiones más informadas”, añade Nicolás Deino.

Hoy en la banca

Desde la Asociación de Bancos e Instituciones Financieras (ABIF) coinciden en que, actualmente, entre los usos más relevantes de la IA están la atención al cliente con asistentes virtuales, la personalización de productos basada en análisis de datos, y la automatización de tareas para mejorar la eficiencia operativa.

Asimismo, mencionan la detección y prevención de fraudes mediante el monitoreo de patrones de gasto; la mejora en la evaluación del riesgo crediticio; la ejecución automatizada de órdenes de compraventa de instrumentos financieros; la detección de riesgos asociados a ciberseguridad y lavado de activos, y el desarrollo de modelos de riesgo, capital y de proyecciones de variables económicas y financieras.