IA Generativa en Banca: Casos Reales Más Allá del Hype

WAU Marketing
25 jun
5 min de lectura

La pregunta sobre IA generativa en tu institución no es "qué chatbot ponemos". Es "qué tan listos están tus datos para que la IA sirva de algo".

Hay un ruido enorme alrededor de la IA generativa en banca, y casi todo apunta al lugar equivocado: el asistente que contesta preguntas en la app. Eso es lo visible y lo menos transformador. Los casos que de verdad mueven la aguja están más adentro, donde la IA toca los sistemas, el código y los datos del banco. Y ahí aparece una verdad incómoda: la IA generativa rinde en proporción directa a qué tan accesibles y limpios estén tus datos, es decir, a qué tan moderno sea tu core.

Lo que ya están haciendo los grandes (y no es un chatbot)

Conviene mirar casos reales, no promesas. JPMorgan desplegó su plataforma interna de IA generativa, "LLM Suite", a unos 140,000 empleados para tareas como redactar documentos, analizar transcripciones y comparar contratos; el banco proyecta hasta 2,000 millones de dólares en valor relacionado con IA, según reportó CIO Dive. Morgan Stanley puso un asistente sobre su base de conocimiento y una herramienta que genera notas de reuniones, con una adopción del 98% entre sus asesores, de acuerdo con InvestmentNews.

Ninguno de esos casos es "el chatbot del cliente". Son herramientas que se conectan a los documentos, los datos y los flujos internos. Y eso solo funciona si esos datos están disponibles por API, no enterrados en un core que solo habla por lotes.

El caso que más nos interesa: la IA que moderniza el core

Hay un uso de IA generativa que cierra el círculo de todo lo que escribimos en este blog: modernizar el propio core. Citi armó a unos 30,000 desarrolladores con herramientas de codificación asistida por IA y retiró 2,000 aplicaciones heredadas, reportó CIO Dive; más tarde extendió IA agéntica hacia 40,000 desarrolladores, con una herramienta interna que completó cientos de miles de revisiones de código, según American Banker. La IA generativa se está usando para acelerar justo el trabajo de sacar al banco de sus sistemas viejos.

Aquí va el matiz honesto, porque "más allá del hype" significa también no creerse todo: un ensayo controlado de la organización METR encontró que, en desarrolladores experimentados trabajando sobre código real, el uso de herramientas de IA aumentó el tiempo de las tareas en 19%, aunque ellos creían haber ido más rápido. La lección no es "la IA no sirve"; es que el resultado depende del contexto, los datos y la disciplina, no de encender una licencia.

Riesgo y cumplimiento: donde la IA generativa paga rápido

En prevención de fraude y cumplimiento, los números reales son contundentes. Mastercard reportó que su modelo de IA generativa mejora la detección de fraude en promedio un 20% y reduce los falsos positivos en más del 85%, según Fortune. Commonwealth Bank of Australia reporta una reducción del 50% en pérdidas por estafa y del 40% en tiempos de espera del call center con apoyo de IA generativa. Son frentes donde el banco recupera tiempo de su equipo y reduce pérdidas medibles, no demos.

LATAM: avanza, pero con una brecha de fondo

La región se mueve. Nubank compró a Hyperplane, una startup que construye modelos fundacionales para bancos a partir de sus propios datos, informó TechCrunch. En México, Banorte fue el primer banco autorizado por la CNBV para correr sus modelos de IA en la nube, según IT Masters Mag. En Colombia, el 73% de las entidades financieras ya tiene implementaciones basadas en IA, de acuerdo con cifras de Asobancaria reportadas por La República.

Pero hay un freno estructural que conviene nombrar. La Comisión Económica para América Latina y el Caribe advierte que la región concentra el 6.6% del PIB global y apenas el 1.12% de la inversión global en IA: consumimos más soluciones de las que construimos. Para un banco de la región, eso vuelve aún más decisivo tener los cimientos —datos y core— listos para aprovechar la IA que sí está a su alcance.

Por qué todo vuelve al core y a los datos

Esta es la parte que el ruido omite. El Banco Central de Brasil, en su sondeo a las instituciones del sistema financiero, encontró que el 45% señala la mala calidad de los datos como un riesgo de la IA, y que solo el 26.7% de las entidades reguladas usa modelos de IA, según reportó Finsiders Brasil. Traducido: el cuello de botella de la IA no es el modelo, es el dato. Y el dato vive en tu core.

McKinsey estima que la IA generativa podría aportar entre 200,000 y 340,000 millones de dólares anuales a la banca global, equivalente a un 9 a 15% de las utilidades operativas del sector, en su análisis sobre el valor de la IA generativa en banca. Ese premio no lo captura quien compre el modelo más caro; lo captura quien tenga la arquitectura para alimentarlo: datos accesibles por API, en tiempo real, gobernados.

Cómo lo vemos en WAU

En WAU no te vendemos un chatbot. Diseñamos el core que hace que la IA generativa sea posible: datos expuestos por API, en tiempo real, con gobernanza y trazabilidad, de modo que cuando conectes IA —para cumplimiento, para productividad, para modernizar tu propio código— tenga de qué alimentarse. La IA no arregla un core legado; un core moderno es lo que vuelve útil a la IA.

Si quieres separar el hype de los casos que de verdad pagan en tu institución, hablemos. Te ayudamos a ver qué exige tu arquitectura para que la IA generativa rinda. 👉 Agenda una conversación con nuestro equipo.