La inteligencia artificial está revolucionando el sector bancario, imponiendo un cambio de paradigma en la forma en que operan y se gestionan las instituciones financieras. Esta transformación no está exenta de desafíos, en primer lugar el de la gobernanza de la IA, que gira en torno a la gestión de datos y algoritmos.
En Italia, la supervisión de algoritmos y controles es una realidad en constante evolución y requiere competencias específicas para ser gestionada con eficacia. La figuradel Chief Data Officer emerge por tanto con renovada importancia en la era de la IA, convirtiéndose en un punto de referencia clave en la definición de las estrategias corporativas.
Pero la innovación no se detiene ahí: la aparición de tecnologías como la IA generativa y la IA conversacional abren nuevos horizontes para el futuro de la banca, que requieren competencias cada vez más especializadas y avanzadas.
Índice de temas
- Entidades financieras y nuevas tecnologías
- El impacto de la IA en los bancos: un cambio de paradigma
- Supervisión y control de algoritmos: el estado de la técnica en el panorama italiano
- El papel de la Oficina Principal de Datos en la era de la IA
- Las nuevas competencias que exige la introducción de la IA
- IA generativa e IA conversacional: perspectivas de futuro
Entidades financieras y nuevas tecnologías
La introducción de nuevas tecnologías en las entidades financieras ha tenido un efecto disruptivo y seguirá provocando grandes cambios en los próximos años, cuyo mérito recaerá principalmente en las nuevas tecnologías de IA.
Estos cambios no sólo innovarán la forma en que los bancos hacen negocios, sino que también cambiarán profundamente la forma en que organizan su trabajo. De hecho, las herramientas de IA parecen capaces de ampliar las capacidades humanas gracias a su capacidad de comprensión, aprendizaje y razonamiento.
No en vano, existe un fuerte debate sobre el papel que desempeñará la IA en el lugar de trabajo en un futuro próximo. Algunos críticos de la IA especulan con que la máquina sustituirá a los humanos, mientras que otros creen que, durante mucho tiempo, la IA flanqueará los puestos de trabajo actuales en la banca. Sin embargo, hay un claro entendimiento por parte de estos puntos de vista opuestos: esta nueva innovación disruptiva cambiará la dinámica y el equilibrio laboral en el lugar de trabajo, también en el sector financiero.
Para entender en qué pueden plasmarse estos cambios, merece la pena dar un paso atrás y estudiar los planteamientos de IA de las instituciones financieras.
El impacto de la IA en los bancos: un cambio de paradigma
Al principio del auge de la IA, el enfoque más utilizado por las instituciones financieras se centraba en el modelo. Es decir, el objetivo principal era mejorar el rendimiento del modelo de IA optimizando los parámetros de aprendizaje.
El éxito de un modelo se percibía y medía tanto por el diseño del algoritmo como por la sofisticación del modelo real. Este enfoque ofrecía pocas oportunidades de revisar y mejorar sistemática y progresivamente la calidad de los datos.
Sin embargo, en poco tiempo, la democratización de los modelos de IA, tanto dentro de los intermediarios como externamente a través de las comunidades de código abierto, ha hecho que los modelos avanzados y una multitud de proveedores de IA sean accesibles también en el mundo de la tecnología financiera.
Las entidades financieras se dieron cuenta entonces de que, en este proceso de democratización de los algoritmos, la verdadera fuente de ventaja competitiva procedía de los datos que entrenaban en el algoritmo.
Comenzó entonces a adoptarse un enfoque centrado en los datos y basado en una gestión proactiva de las cuestiones relacionadas con su uso (no olvidemos tampoco el papel de la regulación, que dio un impulso considerable a esta perspectiva).
Supervisión y control de algoritmos: el estado de la técnica en el panorama italiano
El supuesto básico de este enfoque es que las aplicaciones de IA son dinámicas, al igual que los conjuntos de datos que las entrenan y supervisan. Esto se traduce en una evolución continua de la arquitectura informática en la que se basan los sistemas de IA. Así pues, la eficacia del sistema de IA se evalúa en función tanto del rendimiento del modelo como de la calidad de sus datos. Los datos son la base misma de los sistemas de inteligencia artificial en general, y su manejo requiere altos niveles de responsabilidad y cuidado, ya que las decisiones erróneas sobre el uso de los datos pueden tener consecuencias éticas y sociales muy importantes. De hecho, sin una gobernanza de los datos, las decisiones de las herramientas de IA podrían violar la privacidad, discriminar, manipular y desinformar. Por lo tanto, todo el ciclo de vida de los datos y el algoritmo debe estar sujeto a una gobernanza y supervisión eficaces.
Si se examinan los datos sobre la supervisión de la IA en el sector bancario y de seguros italiano, se observa que el 75% de las entidades ya han establecido controles de segundo y tercer nivel, principalmente en el ámbito de la Auditoría, para supervisar los algoritmos, mientras que solo el 25% aún no ha formalizado mecanismos de control de algoritmos. En cuanto a la frecuencia de los controles de algoritmos, por otra parte, se observa que más del 50% de las instituciones deciden realizar controles de forma continua sobre la discriminación y el rendimiento de la IA. En el ámbito de la explicabilidad, en cambio, sólo el 38% de las entidades adopta un enfoque de control continuo, mientras que otro 35%, que ha adoptado modelos más sencillos, considera suficiente realizar controles anuales. Todo el sector financiero reconoce, sin embargo, el gran valor de las comprobaciones ex ante durante la fase de desarrollo del algoritmo, aunque sólo un número menor de entidades considera que estas comprobaciones son suficientes durante el ciclo de vida del algoritmo.
El papel de la Oficina Principal de Datos en la era de la IA
Incluso la Oficina Principal de Datos está experimentando una profunda redefinición de sus funciones y competencias. Además de los especialistas en gobernanza de datos (54% de la plantilla en el área de CDO), esta área incluye cada vez más traductores de datos y de negocio (10%) y científicos de datos (20%). Los primeros son figuras con una formación empresarial y una comprensión abstracta de las capacidades de la IA.
Por lo tanto, pueden facilitar el descubrimiento de casos de uso y actuar como intermediarios entre las funciones empresariales y los especialistas en IA. A su vez, los científicos de datos se emplean para respaldar las soluciones de IA. Los especialistas en ética y cumplimiento también aparecen en este ámbito para la gobernanza de los controles ex ante y para la supervisión de primer nivel (1%).
Los equipos técnicos dedicados a la formación y el desarrollo de algoritmos de IA también integran competencias cada vez más diversas: además de los científicos de datos, los ingenieros de ML&robot, los ingenieros de prompt, los especialistas en visión por ordenador, los científicos de deep learning & NPL son figuras técnicas que pueden unirse para desarrollar algoritmos de IA, a pesar de tener formaciones muy diferentes.
Las nuevas competencias que exige la introducción de la IA
Además de la aparición de nuevas personas como consecuencia de la introducción de la IA, también será muy necesario proceder a programas de mejora de las competencias de los empleados existentes, incluso fuera de los equipos técnicos. En primer lugar, es necesario trabajar en la concienciación sobre la IA para que los recursos adquieran una comprensión abstracta de las funciones de la IA. Esta concienciación les permite concebir la IA como una herramienta versátil con un gran potencial en su contexto específico.
Por ejemplo, los empleados reconocen la importancia de los datos de alta calidad como requisito previo para un resultado fiable de la IA. Además, en un mundo en el que los empleados y las tecnologías colaborarán cada vez más estrechamente, las competencias digitales también serán cada vez más fundamentales. De hecho, todo el ecosistema financiero avanza cada vez más hacia una realidad "phygital" (física más digital) y, a medida que los procesos y las interacciones bancarias se digitalizan, es necesario adquirir cada vez más competencias digitales.
IA generativa e IA conversacional: perspectivas de futuro
Por último, la llegada de la IA generativa y la IA conversacional están acelerando aún más estos cambios en las instituciones financieras. En cuanto a las competencias, estas tecnologías están desplazando aún más los límites del cambio, y no solo se hablará de nuevas competencias informáticas, sino también de nuevas competencias de interacción y pensamiento crítico para todas las distintas áreas del banco. Sin embargo, dados los órdenes de magnitud, aún es pronto para hacer predicciones. Lo que es seguro es que 2024 será un año de experimentación para algunos y de implantación sostenida para otros que requerirá estrategias claras de desarrollo y gobernanza.