Aunque el 95% de las organizaciones aún no percibe un impacto tangible de la IA, los empleos más expuestos —especialmente en edades de 22 a 25 años— han experimentado una caída relativa del 13%. El lenguaje humano se perfila como el nuevo idioma de programación, y la IA promete transformar significativamente la manera de trabajar y operar de las empresas. Sin embargo, la redefinición de la verdad y el razonamiento en un mundo donde los datos pueden manipularse plantea desafíos críticos para la toma de decisiones. Entramos en un mundo sin procesos ¿de quién es la verdad? del que ha manipulado el dato. No hay razonamiento.
Estamos ante una revolución industrial silenciosa: más máquinas y menor intervención humana. El rally en activos ligados a la IA continúa, planteando una posible retroalimentación: menos empleo, mayor inversión tecnológica y, paradójicamente, aún menos empleo.
Carlos Ruiz de Antequera, CIO de March AM, reflexiona sobre ello: “Estamos posiblemente ante una nueva revolución industrial, con menor intensidad en capital humano y mayor apalancamiento en eficiencia tecnológica. Después de los ajustes en plantilla que las grandes tecnológicas pusieron en práctica en 2022-2023, la eficiencia de los hiperescaladores (Alphabet, Microsoft, Meta, Amazon y Oracle; medida como EBIT por empleado) ha retomado una clara tendencia alcista”.
Escuchando a influencers de la IA, en el evento “IA en el sector financiero: descifrando casos reales con los líderes de la industria”, Fernando Lucini, Global Data Science & Machine Learning Lead en Accenture, a quien le precede su experiencia en dos mundos -el de la investigación profunda en IA durante 30 años y el de educar a CEOs y líderes sobre lo que pueden hacer con esta tecnología- y, Elena González-Blanco, Head of AI for EMEA Digital Natives at Microsoft, analizaron el hype de la IA, sus desafíos en el sector bancario y la fragilidad de los modelos actuales. Ambos coincidieron en que, aunque la IA genera entusiasmo, la realidad de su impacto operativo aún es limitada.
La paradoja de la IA: promesas de eficiencia versus fragilidad de los modelos y expectativas irreales
Ambos, Lucini y González-Blanco, capitanes de la IA, top influencers en esta materia, ofrecen datos interesantes sobre el impacto, los desafíos para los bancos y la fragilidad de los agentes de la IA.
Abordando la naturaleza de la información en la IA y el impacto de ChatGPT, Lucini advierte que “el nivel de hype y verdad en la IA es alto… hay tanto verdad como desinformación. La proliferación de casos de uso refleja más la imaginación de los usuarios que la capacidad real de la IA”.
Lucini es crítico con modelos de IA que «parecen pensar» pero en realidad «están adivinando» y su explicación interna es más ilusión que razonamiento real.
Desafíos de medición y confianza en los modelos de IA
Construir modelos de IA requiere inversiones multimillonarias, porque gran parte del trabajo permanece invisible bajo la superficie. OpenAI proyecta gastar hasta 115.000 millones de dólares hasta 2029, con un gasto anual que podría alcanzar los 45.000 millones en 2028. Anthropic, fundada en 2021 por ex-investigadores de OpenAI, ha recaudado 18.200 millones y tiene una valoración reciente de 61.500 millones.
Sin embargo, como advierte Lucini, la verdadera pregunta no es cuánto dinero se invierte, sino dónde se destinan los chips: allí es donde surge la innovación.
Es difícil elegir qué modelos de IA usar, los propios creadores a menudo desconocen su funcionamiento interno y las diferencias entre versiones suelen ser mínimas. Esto ha llevado a una proliferación de modelos poco fiables, donde la información incorporada puede sesgar resultados y opiniones. Según el ejecutivo de Accenture, “un 95% de las organizaciones no ven el impacto claro de la IA, lo que sugiere una falta de retorno tangible”.
Un ejemplo sectorial: problemas operacionales y la paradoja de la IA en la banca
¿Quién gasta y hace más casos de uso? Banca y seguro. En la banca, muchos casos de uso de la IA se encuentran estancados. Comprender las reglas de estos modelos y generar un “valor real” exige una integración profunda en procesos complejos, que pueden incluir cientos de pasos. La escasez de expertos agrava la situación, dificultando la automatización y la planificación a largo plazo. Aunque las juntas directivas demandan soluciones de IA generativa a escala, los casos de valor claramente justificados aún son escasos.
La IA generativa en la banca refleja una paradoja: la mayoría de los proyectos siguen en modo piloto. Los bancos automatizan principalmente tareas de bajo riesgo y alto volumen, mientras que más del 75% de los casos de uso permanecen en fase de descubrimiento. Según Lucini, “el ROI es incierto e irregular; los líderes plantean preguntas estratégicas en lugar de técnicas, y las expectativas rara vez coinciden con la realidad, dificultando diferenciar entre experimentación y aplicación real”.
¿Dónde se encuentra el valor? Los procesos repetitivos y de alto volumen se automatizan primero por motivos de eficiencia. En cambio, los procesos de extremo a extremo (E2E) o de alto impacto son más complejos, están ligados a KPIs estratégicos y requieren competencias y enfoques especializados.
Fragilidad de los agentes de IA y el concepto de «memoria»
Los modelos actuales carecen de memoria y de un razonamiento consolidado, lo que los hace frágiles y propensos a “mentir”. Lucini prevé un futuro dominado por “herramientas desechables” de IA, utilizadas por profesionales que no necesariamente comprenderán su funcionamiento interno, lo que exigirá nuevas formas de preparación y capacitación.
La IA transformará 100% la manera de trabajar y de operar en los bancos, ya que los clientes esperarán servicios tan avanzados como los ofrecidos por gigantes tecnológicos como Amazon. Sin embargo, la integración efectiva de la IA en el mundo real es compleja y, según Lucini, constituye la “frontera de los próximos diez años”.
El impacto de la IA abarca desde la experiencia del cliente hasta la toma de decisiones y la operativa interna de los empleados. Adoptar una mentalidad abierta y una estrategia de “doble velocidad” permitirá gestionar de manera efectiva las innovaciones de corto y largo plazo.
González-Blanco: una visión optimista
La lideresa de Microsoft ofrece una visión optimista: considera que la IA ha madurado y que los modelos actuales son capaces de resolver diversas tareas con eficiencia. En el ámbito bancario, subraya que el valor real proviene de comprender los problemas de negocio y de fomentar la colaboración entre bancos y empresas tecnológicas para aplicar la IA de manera efectiva.
Según González-Blanco, la IA tiene raíces que se remontan a los años 50 y ha evolucionado de manera significativa. Desde el punto de vista tecnológico, la tecnología actual es avanzada. En Europa, cada país avanza a distinto ritmo: Francia desarrolla IA de manera intensiva, Reino Unido es un referente en impacto y fintech, el ejemplo ha sido Revolut; mientras que, sorprendentemente, África lidera en número de startups fintech.
La IA representa un cambio profundo y multifacético: promete eficiencia, innovación y nuevos servicios, pero enfrenta desafíos claros en integración, fiabilidad y retorno de inversión. Mientras algunos líderes muestran optimismo, la realidad indica que la adopción efectiva requerirá tiempo, inversión estratégica y un equilibrio entre experimentación y aplicación práctica, además de regulación y control, para evitar males mayores.
Artículo escrito por Cristina Murgas, periodista y Managing Partner de Bonsái Consultores.
Por Funds Society, Miami