El avance de la inteligencia artificial generativa (GenIA) está redefiniendo el panorama empresarial global, y uno de los sectores más beneficiados es el bancario. La integración de tecnologías como ChatGPT y GitHub Copilot está allanando el camino para una productividad sin precedentes y una innovación disruptiva al simular la interacción humana y procesar grandes volúmenes de datos.
Las proyecciones de McKinsey & Co resaltan el impacto potencial de la IA generativa, estimando que podría agregar un valor anual de $2.6 a $4.4 trillones en diversos sectores mediante 63 casos de uso analizados. Este pronóstico subraya la capacidad transformadora de la IA, especialmente cuando se incorpora en el software existente.
Específicamente, en el ámbito bancario, se prevé que la IA generativa podría impulsar la productividad entre un 2.8 % y un 4.7 % de los ingresos anuales, equivalente a una ganancia adicional de entre $200 y $340 mil millones. Esta integración no solo optimizará las operaciones, sino que también mejorará la experiencia del cliente, generando beneficios tangibles para el sector.
Un ejemplo notable de esta tendencia es la implementación de IA generativa por parte de Morgan Stanley para desarrollar asistentes virtuales que facilitan el acceso rápido a información relevante para los gestores de patrimonio. Además, la IA agiliza el proceso de desarrollo de software al automatizar tareas como la redacción de código y las pruebas, permitiendo una entrega eficiente de aplicaciones robustas.
Sin embargo, es importante reconocer que la IA generativa no es la única solución en el espectro de la inteligencia artificial. “En el desarrollo de herramientas financieras, por ejemplo, la capacidad numérica limitada de los grandes modelos de lenguaje (LLMs) ha sido un desafío.
Para abordar esta limitación, los equipos de ingeniería están explorando modelos híbridos que combinan los LLMs con otras herramientas de datos para ejecutar cálculos matemáticos precisos de manera efectiva.
Este enfoque se refleja en un prototipo reciente donde una empresa utiliza GenIA para traducir consultas de usuarios en consultas de bases de datos, delegando los cálculos matemáticos a una plataforma de análisis de datos dedicada. Este modelo de trabajo retroalimenta el sistema de IA, generando productos finales como resúmenes de resultados, metodologías de cálculo y código informático para visualizaciones gráficas.
A medida que las empresas avanzan en la adopción de herramientas de GenIA, la implementación de sólidos marcos de gobernanza se vuelve crucial para garantizar la calidad y mitigar los riesgos.
Estos marcos incluyen mecanismos de monitoreo y auditoría continuos para evaluar el comportamiento ético de los sistemas de IA” subraya Hassan Mansur González. “Equipos multidisciplinarios pueden examinar modelos de IA en busca de posibles sesgos o dilemas éticos.
