AI Top Business Leaders México | Entrevista editorial
El recorrido de Santander con la inteligencia artificial ha comenzado desde la experimentación, pero dio un giro cuando el banco convirtió la IA en una prioridad estratégica y creó un dominio global de Data & AI con alcance transversal. Alejandro Zárate, CDAIO de Santander México, destaca una decisión clave: separar esta función de tecnología para abordar el rediseño del banco sin quedar absorbidos por las prioridades operativas.
Hoy, Santander México avanza hacia una etapa de consolidación y escalamiento. La estrategia busca superar las iniciativas aisladas mediante una estructura especializada, responsables de IA dentro de las áreas y un portafolio priorizado por valor. Para Zárate, el desafío consiste en conseguir que el negocio repiense sus procesos y participe directamente en el cambio.
Esta entrevista ha sido editada por motivos de claridad y brevedad, sin alterar el sentido de las respuestas.
"Esta transformación no es responsabilidad de Data & AI, sino del negocio y de todas las áreas".
¿Cómo pasó Santander de experimentar con IA a plantear el rediseño del banco?
Empezamos, como muchas organizaciones, experimentando y probando nuevas posibilidades. El cambio llegó cuando el banco definió los datos y la inteligencia artificial como una prioridad estratégica y creó el dominio global de Data & AI para impulsar este proceso de forma transversal. Desde entonces, nos hemos movido muy rápido de la experimentación hacia el escalamiento.
En México, separar datos de tecnología nos ha permitido desarrollar una visión más integral, sin quedar atrapados en las prioridades de la operación interna. Podemos pensar cómo evolucionar esa información para aprovecharla con IA y desarrollar las herramientas necesarias. Nuestra principal prioridad, junto con tecnología, es habilitar el rediseño del banco.
Si el objetivo ya no es experimentar, ¿cómo se organiza la estrategia para que la transformación ocurra en todo el banco y no quede aislada en Data & AI?
Dentro de Data & AI tenemos cuatro frentes: Transformación con IA, plataforma tecnológica, gobierno y operaciones de datos, y analítica. El primero trabaja directamente con las áreas para identificar los procesos que podemos transformar. Cada vez me gusta menos hablar de casos de uso, porque buscamos ir más allá de soluciones puntuales.
Para ello, estamos definiendo AI business owners: expertos de las áreas con quienes construimos el portafolio y priorizamos las iniciativas según su contribución de valor. Esta transformación no es responsabilidad de Data & AI, sino del negocio y de todas las áreas. Nosotros habilitamos, pero el negocio debe apropiarse del cambio.
El modelo de México está organizado en espejo con el global, de modo que lineamientos, capacidades y productos puedan desplegarse localmente. Además, trabajamos con la alta dirección mediante AI Booster e incorporamos la IA a los objetivos trimestrales.
¿Dónde se ve ya esa estrategia en la práctica y qué resultados empiezan a mostrar los principales frentes?
Tenemos proyectos de personalización en depósitos y créditos personales que han funcionado muy bien. En desarrollo de software, el grupo seleccionó Devin como base para el desarrollo asistido por IA, uno de los primeros avances relevantes en el uso de estas capacidades dentro de la operación.
También hemos ampliado el acceso a herramientas de productividad. Empezamos con ChatGPT para aproximadamente el 10% de una plantilla de más de 20.000 empleados y después generalizamos Microsoft Copilot al 100% de la plantilla. Si queremos avanzar hacia una estrategia Data & AI First, las personas necesitan tener acceso, al menos, a una herramienta que les permita incorporar IA a su trabajo cotidiano.
La siguiente apuesta está en agentes conversacionales dentro de la aplicación, capaces de realizar transacciones a partir de una conversación, y en el rediseño de procesos con IA agéntica. Ahora el objetivo es consolidar estas prácticas y ejecutarlas a escala.
"Nuestra visión no es simplemente implementar IA, sino habilitar al negocio para que entregue más valor a los clientes".
¿Qué está resultando más difícil para escalar la transformación?
Escalar una solución que funciona bien en una prueba de concepto es un reto tecnológico importante, pero para mí la principal dificultad está en la adopción y el cambio de mentalidad. Si queremos transformar, por ejemplo, un proceso de reclamación, no basta con incorporar una herramienta: hay que repensar por completo cómo debería funcionar. El riesgo es terminar habilitando tecnología en los mismos procesos que ya existen.
Por eso tenemos una responsabilidad importante en la formación. Necesitamos que nuestros socios de negocio conozcan posibilidades como recomendación, clasificación o predicción, sepan conectarlas con problemas reales y entiendan también sus limitaciones. Es un proceso bidireccional: nosotros debemos conocer qué está intentando lograr cada área. A fin de cuentas, nuestra visión no es simplemente implementar IA, sino habilitar al negocio para que entregue más valor a los clientes.
¿Qué posición ocupa México ante esta nueva etapa de la IA?
México ha sido tradicionalmente un consumidor de innovación: tenemos entusiasmo por adoptar nuevas tecnologías, pero nos cuesta más generarlas y asumir el riesgo de probar algo que todavía no está demostrado. En este momento, eso puede convertirse en una desventaja. Necesitamos más disposición para experimentar y crear.
También es fundamental fortalecer la educación técnica y de ingeniería. Ese talento es el que permite resolver problemas, probar nuevas ideas y desarrollar soluciones. Si queremos pasar de consumir tecnología a generar innovación, necesitamos personas con las capacidades para construirla.
Después de este recorrido, ¿cuál es el aprendizaje más importante que debería quedarse una organización que quiera transformarse con IA?
La principal lección es la importancia de la alineación estratégica, de un mensaje claro y de objetivos definidos. Hay empresas que saben que tienen que adoptar inteligencia artificial, pero no logran articular una estrategia ni una visión concreta de qué quieren conseguir. En Santander, esa alineación desde arriba nos ayuda a convertir una tecnología muy amplia en una agenda accionable.
La IA puede ser muchas cosas: visión por computador, voz o modelos de lenguaje. Precisamente por esa amplitud, si no tienes una visión bien acotada y un modelo claro de hacia dónde quieres ir, se vuelve muy difícil actuar. La claridad estratégica es la que permite traducir ese potencial en decisiones para el negocio.