En el informe Servicios financieros a prueba del futuro con IA se identifican los cinco principales retos IA sector financiero que deberán afrontar las entidades bancarias si quieren aprovechar las capacidades de esta tecnología sin comprometer la eficiencia operativa ni la seguridad de los datos. A medida que los bancos exploran aplicaciones que van desde la atención personalizada al cliente hasta la detección de fraudes, surgen obstáculos organizativos, económicos y normativos que pueden condicionar el ritmo y el alcance de la transformación.
Según el estudio, el mercado global de la inteligencia artificial en el sector bancario alcanzó los 17 000 millones de euros en 2023 y podría situarse en torno a los 300 000 millones en 2033. Además, un 85 % de los usuarios considera que la IA tendrá un impacto significativo en la mejora de los servicios financieros.
Curva de aprendizaje y formación interna
Uno de los primeros escollos para las entidades financieras es la adaptación cultural y técnica que implica la IA. La implantación de capacidades analíticas avanzadas obliga a los empleados, desde la alta dirección hasta los equipos de atención al cliente, a adquirir nuevas pericias en algoritmos, modelado de datos y gestión de resultados. Este proceso requiere diseñar programas de capacitación sistemática y planes de gestión del cambio, con inversión inicial en formación que puede parecer elevada. No obstante, el salto cualitativo en la toma de decisiones y la automatización de tareas rutinarias justifica, a medio plazo, la dedicación de recursos a la creación de un ecosistema de aprendizaje continuo.
Costes de implementación e incertidumbre financiera
El despliegue de soluciones de inteligencia artificial conlleva desembolsos variables según la escala del proyecto y la infraestructura requerida. Entre los principales componentes de gasto figuran la ampliación de la capacidad en la nube o en centros de datos propios, los procesos de integración y limpieza de información y la contratación de perfiles especializados como científicos de datos e ingenieros de IA. Para minimizar el impacto en el presupuesto, el informe recomienda adoptar un enfoque gradual: pilotar aplicaciones concretas con un alto retorno de la inversión (ROI) antes de escalarlas y optar por arquitecturas modulares que permitan incorporar módulos adicionales conforme la madurez tecnológica de la entidad avance.
Regulación y seguridad de la información
El marco normativo que rige la actividad bancaria sitúa la privacidad de clientes y la protección de datos en el centro del diseño de cualquier iniciativa basada en IA. Las leyes europeas, como el Reglamento General de Protección de Datos (GDPR), y normativas extraterritoriales, como la CCPA en Estados Unidos, imponen requisitos estrictos sobre el tratamiento y la transferencia transfronteriza de información. Al mismo tiempo, los modelos de IA incrementan la superficie de riesgo en ciberseguridad al procesar volúmenes masivos de datos sensibles. Esto obliga a las instituciones a incorporar principios de “privacidad desde el diseño” y a reforzar sus equipos legales y de gobernanza para garantizar la conformidad en cada fase del ciclo de vida del dato.
Brecha de talento y desarrollo de competencias
La alta demanda de especialistas en IA y el ritmo acelerado de innovación crean una brecha de talento que dificulta a las entidades financieras captar y retener profesionales con experiencia en machine learning, procesamiento de lenguaje natural o visión por computador. Para mitigar esta escasez, el informe propone desarrollar programas de formación interna, alianzas con centros académicos y la creación de comunidades de práctica que permitan la transferencia de conocimientos entre departamentos. De este modo, se promueve una cultura de colaboración y se consolida un banco de competencias que sostenga futuros proyectos de mayor envergadura.
Flexibilidad y modularidad de los sistemas de IA
La adopción de plataformas propietarias y cerradas puede traducirse en dependencia tecnológica y riesgo de obsolescencia rápida. Las soluciones rígidas suelen carecer de la adaptabilidad necesaria para incorporar nuevos modelos, responder a cambios normativos o ajustarse a las expectativas de los clientes. Ante este escenario, se aconseja optar por infraestructuras abiertas y basadas en modularidad, como proyectos de código abierto o servicios cloud configurables, que faciliten la integración de componentes de terceros y permitan escalar capacidades sin incurrir en bloqueos de proveedor.
“La inteligencia artificial no es sólo un avance tecnológico, sino que es una revolución operativa que está redefiniendo todo el sector bancario, incluyendo el servicio que ofrecen a sus clientes. Por eso, aquellas entidades que la abracen no sólo optimizarán sus procesos, sino que desbloquearán un valor sin precedentes a nivel de gestión y personalización, asegurando su futuro”, señala Nicolás Kaplún, Financial Services AI Studio CEO de Globant.
Perspectiva de futuro para la banca
La convergencia de estos cinco retos define el camino que debe seguir el sector financiero para consolidar entornos resilientes y preparados ante la evolución de la IA. Superar la curva de aprendizaje y cerrar la brecha de talento dotará a las organizaciones de capacidad de impulso; gestionar con rigor los costes y asegurar el cumplimiento normativo garantizará la viabilidad; y optar por sistemas flexibles favorecerá la agilidad necesaria para responder a nuevas demandas. En su conjunto, estas acciones situarán a las entidades en una posición sólida para capitalizar las aplicaciones de la IA y mantener la competitividad en un mercado en constante transformación.
