Las empresas de servicios financieros tienen necesidades únicas en lo que respecta a la IA empresarial. Operan en uno de los sectores más regulados, al tiempo que responden a eventos exte os que se actualizan al segundo. Como resultado, el éxito de la IA agéntica en los servicios financieros depende menos de la sofisticación del sistema y más de la calidad, seguridad y accesibilidad de los datos en los que se basa.
«Todo empieza con los datos», dice Steve Mayzak, director general global de Search AI en Elastic.
La IA agéntica —sistemas capaces de planificar y ejecutar acciones de forma autónoma para completar tareas, en lugar de limitarse a generar respuestas— tiene un potencial enorme para el sector de servicios financieros debido a su capacidad para incorporar datos en tiempo real y optimizar flujos de trabajo complejos. Gartner ha descubierto que más de la mitad de los equipos de servicios financieros ya han implementado o planean implementar IA agéntica.
Sin embargo, introducir IA autónoma en cualquier organización amplifica tanto las fortalezas como las debilidades de los datos subyacentes que utiliza. Para implementar IA agéntica con velocidad, confianza y control, las empresas de servicios financieros deben ser capaces, en primer lugar, de buscar, proteger y contextualizar sus datos a escala. “La IA agéntica amplifica el eslabón más débil de la cadena: la disponibilidad y calidad de los datos”, afirma Mayzak. “Y sus sistemas son tan buenos como su eslabón más débil.”
Las empresas de servicios financieros, por tanto, requieren un almacén de datos centralizado y de confianza que sea de fácil acceso, fiable y gestionable a gran escala.
La importancia capital de la información de calidad
La normativa en el sector de servicios financieros exige un alto grado de rendición de cuentas para todas las herramientas de datos. Según Mayzak, «no basta con explicar de dónde procedían los datos y en qué se transformaron: “Estos son los datos de entrada, y esto es lo que salió”. Se necesita una forma auditable y gobe able de explicar qué información encontró el modelo y la lógica de por qué esos datos eran adecuados para el siguiente paso». Es decir, es necesario poder ver, comprender y describir los procesos subyacentes.
Paralelamente, las empresas de servicios financieros precisan velocidad y precisión para satisfacer las expectativas de los clientes y mantenerse a la vanguardia de la competencia. Los mercados están en constante evolución, y los riesgos y las oportunidades se desplazan con ellos. Si un modelo de IA puede procesar lenguaje natural (datos no estructurados) de fuentes complejas —además de los datos estructurados en hojas de cálculo más fáciles de analizar— esto proporciona a los usuarios información más relevante.
En este ento o, no hay tolerancia al error, incluidas las alucinaciones que plagaron los primeros esfuerzos de IA. Los sistemas de IA agenciales dependen de un acceso rápido a datos de alta calidad, bien gobe ados, seguros y accesibles. En los servicios financieros, esos datos abarcan transacciones, interacciones con clientes, señales de riesgo, políticas y contexto histórico. La tarea de preparar esos datos para la IA no debe subestimarse. «El lenguaje natural es mucho más desordenado que los datos estructurados, y eso hace que el proceso de organizarlo y limpiarlo sea mucho más importante y también mucho más difícil», afirma Mayzak.
Los datos deben estar bien indexados y consolidados en diferentes ubicaciones, no encerrados en los silos de sistemas separados en toda la organización. De lo contrario, los agentes de IA se quedan atrás, proporcionan respuestas inconsistentes y producen decisiones que son más difíciles de rastrear y explicar, socavando la confianza entre reguladores, clientes y las partes interesadas inte as.
Como dice Mayzak, “Hay muchas maneras diferentes de describir cómo ejecutar una operación financiera en un banco. En un mundo impulsado por agentes, necesitamos que esas descripciones sean deterministas —que den los mismos resultados cada vez. Sin embargo, estamos construyendo sobre modelos potentes pero no deterministas. Eso es increíblemente complicado, pero no imposible.”
Para una empresa de servicios financieros, gestionar esto puede ser muy desafiante. Un estudio de Forrester reveló que el 57% de las organizaciones financieras todavía están desarrollando las capacidades inte as necesarias para aprovechar plenamente la IA agéntica. “Los datos existen en muchos formatos diferentes, creados a lo largo de la historia de un banco”, afirma Mayzak. “Pensemos en cualquier banco que lleve 50 años en funcionamiento: podría tener 60 tipos diferentes de PDF para exactamente lo mismo. Y, al mismo tiempo, queremos que el resultado de estos sistemas sea 100% preciso. En muchos casos, no existe el ‘suficientemente bueno’”. Es decir, las empresas deben hacerlo bien y a la primera.
Búsqueda y aseguramiento de resultados
Una plataforma de búsqueda eficaz es clave para resolver el problema de los datos fragmentados, mal indexados e inaccesibles. Las empresas de servicios financieros que puedan filtrar fácilmente tanto sus datos estructurados como no estructurados, mantenerlos seguros y aplicarlos en el contexto adecuado, obtendrán el mayor valor de la IA agéntica. Esto a menudo requiere diseñar sistemas de IA teniendo en cuenta el acceso y la utilidad de los datos para que puedan funcionar más rápido y arrojar resultados más precisos, así como reducir el riesgo. “La búsqueda es la tecnología fundamental que hace que la IA sea precisa y se base en datos reales”, dice Mayzak. “Las plataformas de búsqueda se han convertido en los almacenes de contexto y memoria autorizados que impulsarán esta revolución de la IA”.
Una vez implementados, estas búsquedas mejoradas por IA y sistemas autónomos pueden servir a empresas de servicios financieros para diversos propósitos. Al supervisar la exposición de los clientes, la IA agéntica puede escanear continuamente transacciones, señales de mercado y datos exte os para detectar riesgos emergentes; las plataformas pueden entonces marcar o escalar problemas automáticamente en tiempo real. En la supervisión de operaciones comerciales, los agentes de IA pueden revisar los flujos de trabajo de las operaciones, identificar discrepancias entre diferentes formatos y resolver excepciones paso a paso con una intervención humana mínima. En la elaboración de informes regulatorios, la IA puede recopilar datos de distintos sistemas, generar los informes requeridos y rastrear cómo se produjo cada resultado. Estas aplicaciones de la IA ahorran tiempo a la vez que respaldan las necesidades de auditoría y cumplimiento al ser trazables y explicables.
Aunque estas capacidades ya existen, a menudo son manuales, fragmentadas y difíciles de escalar. La IA agéntica permite a las organizaciones financieras avanzar hacia procesos más automatizados, eficientes y escalables, a la vez que mantienen la precisión y la transparencia requeridas en su ento o altamente regulado. Según Mayzak, "no es tan diferente de cómo operan los humanos hoy en día, solo que se realiza a un ritmo mucho más rápido y a escala".
Construyendo un ecosistema de IA agéntica
El lanzamiento de la IA agéntica puede resultar abrumador, especialmente si otras iniciativas de IA se han estancado inte amente. La recomendación de Mayzak es elegir un caso de uso manejable y permitir que crezca con el tiempo. «El éxito se construye sobre el éxito», afirma. «Aunque las empresas pueden aspirar a automatizar un proceso de negocio de 70 pasos, están descubriendo que hay que empezar por algún sitio. Lo que funciona en el mercado es abordar el problema paso a paso. Una vez que el primer paso funciona, se puede dar el siguiente paso, y el siguiente.»
Las organizaciones de servicios financieros que lideren entre sus pares serán aquellas que integren la IA agéntica en un ecosistema más amplio que incluya controles de seguridad robustos, una buena gobe anza de datos y una gestión eficaz del rendimiento del sistema. Como señala Mayzak, «Hacer esto bien creará un bucle de retroalimentación de IA, donde los ejecutivos obtendrán nuevas señales de estos sistemas para evaluar la eficacia de sus inversiones y generar información fiable y procesable». Al iterar sobre las pruebas piloto y mejorar continuamente, las empresas construirán sistemas agénticos que puedan ser medidos, gestionados y escalados. Esto transformará la IA agéntica en una ventaja competitiva duradera.
Obtenga más información sobre cómo Elastic da soporte a los servicios financieros.
Este contenido fue producido por Insights, la división de contenido a medida de MIT Technology Review. No fue escrito por el equipo editorial de MIT Technology Review. Fue investigado, diseñado y redactado por redactores, editores, analistas e ilustradores humanos. Esto incluye la redacción de encuestas y la recopilación de datos para las mismas. Las herramientas de IA que pudieron haberse utilizado se limitaron a procesos de producción secundarios que superaron una revisión humana exhaustiva.