Por Rafael Caballero, Director de Consultoría de FICO para México
Recientemente, durante la Cumbre Bancaria Global de FT, ejecutivos de grandes instituciones debatieron el impacto de la IA en el sector y, a pesar de las diferencias en el mercado, la región y la madurez tecnológica, el diagnóstico fue sorprendentemente similar. Nos encontramos en medio de una curva de aprendizaje que requiere menos búsqueda de «nuevos algoritmos» y más un cambio de mentalidad.
En el sector financiero, la IA todavía se considera principalmente un mecanismo para ganar eficiencia, automatizar procesos, reducir tiempos y reducir costos. Es importante, especialmente en estructuras complejas presionadas por los márgenes, pero es insuficiente. La tecnología sólo alcanza su máximo valor cuando deja de ser una herramienta para la eficiencia y se convierte en una herramienta para la transformación. El banco que utiliza IA para procesar quejas con mayor rapidez mejora la eficiencia; el que la utiliza para anticipar fricciones y eliminar el problema desde su origen redefine la experiencia del cliente.
Esta diferencia de enfoque es lo que distingue a los pilotos interesantes de aquellos con un impacto real. También explica un fenómeno cada vez más común en el sector: la llamada «pilotitis». Cuando un ejecutivo de un banco europeo mencionó este término en la Cumbre, todos los presentes asintieron. Existen pruebas de valor prometedoras, pero pocas llegan al entorno de producción. Y no por falta de tecnología, sino por falta de escala, integración, gobernanza y métricas de negocio bien definidas.
Los datos son otro punto crítico. Todavía es común escuchar que la IA «limpiará el desorden de datos», cuando la realidad es lo contrario: si la base de datos es deficiente, el modelo amplifica el problema. Esto aplica a Europa, Estados Unidos y también a México, donde los bancos arrastran un gran legado, integraciones complejas y ahora deben lidiar con los fundamentos de Open Finance y las directrices regulatorias relacionadas con la protección de datos, la transparencia y la equidad. La IA no perdona la improvisación. Sin datos limpios, estructurados y accesibles, no hay resultados.
La gobernanza también está en el centro del debate. No porque la IA genere nuevos riesgos, sino porque amplifica los existentes. La popularización de las herramientas generativas ha creado el fenómeno de la » Shadow AI», en el que los empleados utilizan plataformas externas para resolver problemas internos sin comprender plenamente los riesgos de fuga de datos. Soluciones corporativas, también pueden exponer información inadvertidamente si los controles de acceso no están alineados. Bloquear la tecnología no es la solución; ajustar los procesos, los permisos y la gestión de riesgos sí lo es.
Este debate tiene un componente técnico, pero también ético. La IA en el ámbito del crédito, la prevención del fraude, la incorporación y el conocimiento del cliente (KYC, por tus siglas en inglés) requiere explicabilidad, auditabilidad, imparcialidad y robustez. En México, este debate se aceleró con el registro obligatorio de todas las líneas de telefonía móvil (prepago y pospago) vinculándolas a la CURP y una identificación oficial para combatir delitos. No será sorprendente que, en los próximos años, los reguladores comiencen a prestar menos atención a los modelos y más a los resultados, evaluando si existe discriminación, impacto en el consumidor o fallos sistémicos.
Existe también una tensión que debe afrontarse con honestidad. La IA evoluciona en ciclos rápidos y repetitivos, mientras que el cumplimiento normativo bancario evoluciona en ciclos lentos y regulados. Entre estos dos mundos, muchos proyectos fracasan en la burocracia. Los bancos que logren construir una gobernanza proporcional, que proteja sin paralizar, serán los que capturen valor.
En la práctica, el sector financiero tiene una oportunidad excepcional. Cuenta con datos, infraestructura, una regulación sólida, una base de clientes y un problema central que la IA sabe cómo resolver: la toma de decisiones en entornos complejos y dinámicos. La IA ya no es una tendencia experimental, sino una tecnología consolidada en la vida cotidiana del sector, capaz de respaldar decisiones que antes dependían únicamente del juicio humano. En este sentido, el debate ha pasado de ser si los bancos adoptarán la IA a, a ser sobre cuándo y cómo lo harán de forma eficiente y responsable.
Si el sector comprende que la carrera de la IA no es sólo tecnológica, sino también cultural, regulatoria y organizacional, el impacto será profundo. Si continúa considerando la IA simplemente como automatización, se perderá el mayor salto en productividad y experiencia del cliente de los últimos años.
La buena noticia es que hay movimiento. Hay conversaciones más maduras, mayor autoconciencia sobre las limitaciones, mayor interés en una IA Responsable y una mayor comprensión de que la transformación no está en el modelo, sino en lo que la institución hace con él. Estamos al comienzo de un largo ciclo y, como en cualquier transformación estructural, los líderes no serán necesariamente los más rápidos, sino los más conscientes. Y los bancos que asumen este proceso como inevitable tienden a obtener resultados más sólidos y sostenibles a lo largo del tiempo.
