El sector financiero duplica inversión en IA: cómo se preparan empresas de Latam

El sector financiero duplica inversión en IA: cómo se preparan empresas de Latam

Autor: NetGO Financial Risk Management
Fecha: Junio 2024

Compartir

Los desembolsos en el área alcanzarían los USD 400.000 millones en 2027, y un cuarto de ese total sería aportado por el sector financiero que duplica inversión en IA. Qué tareas ya se delegan a esta tecnología. Cuáles son los beneficios y cuáles los riesgos.

Si el 2023 fue el año de la irrupción de la inteligencia artificial, el 2024 está siendo el de la consolidación, y los próximos prometen ser los de la generalización de su uso en la mayoría de los sectores. Se estima que las ventas de software, hardware y servicios para sistemas de IA crezcan 29% este año, alcanzando los USD 166.000 millones. Además se pronostica que llegarían a los USD 400.000 millones en 2027.

Se espera que el sector financiero sea el que lidere el crecimiento: para ese mismo año habrá duplicado la inversión actual llevándola a USD 97.000 millones, con una tasa anual compuesta de 29%, según datos de la consultora tecnológica International Data Corporation (IDC).

Inversión en inteligencia artificial 2024

Qué están haciendo las grandes entidades financieras con la inteligencia artificial

La inteligencia artificial cada vez tiene más aplicaciones prácticas en entidades financieras de todo el mundo. A continuación, repasamos algunas de las más relevantes.

Fondos de cobertura: una encuesta de BNP Paribas a fondos que suman USD250.000 millones en activos reveló que el 80% ya utiliza ChatGPT de forma profesional. El 35% cree que su uso crecerá en el próximo año.

JP Morgan: el mayor prestamista de EEUU destina USD 15.000 millones al año a esta tecnología, a la que asignó un equipo de 200 empleados. Está utilizando la IA en prospectiva, marketing, gestión del riesgo, prevención del fraude, procesamiento de pagos y transferencia de dinero.

Amundi: la compañía de inversiones más grande de Europa (gestiona 2 billones de euros) utiliza IA para personalizar las carteras de algunos de sus más de 100 millones de clientes y monitorear la actitud de los inversionistas en tiempo real.

Morgan Stanley: desarrolló Debrief, un asistente impulsado por GPT-4 que automatiza la toma de notas y la generación de resúmenes y borradores de mails para asesores. Esto les permitirá a los asesores enfocarse más en los clientes y menos en tareas administrativas.

Bancos centrales: están haciendo uso de la IA para la recolección de información y compilación estadística. También la utilizan para hacer análisis macroeconómicos y financieros, y para supervisar el correcto funcionamiento de los sistemas de pago.

El Banco de Canadá desarrolló una herramienta de aprendizaje automático para detectar anomalías en las presentaciones reglamentarias, lo que libera al personal para poder hacer un seguimiento del análisis.

El Banco Central Europeo (BCE) utiliza IA para la clasificación automática de datos procedentes de 10 millones de entidades empresariales y públicas, y también para la extracción automática de datos para realizar un seguimiento en tiempo real de los precios de los productos.

Firmas como JP Morgan ya invierten USD 15.000 millones al año en inteligencia artificial. Otras como Morgan Stanley desarrollaron un asistente con IA que le ahorrará a sus asesores media hora por reunión.

Equipo NetGO

Implementación de la IA en empresas de Latam

El IBM Global AI Adoption Index 2023 reveló que creció un 67% la adopción de la IA en empresas de más de 1000 empleados de Argentina, Brasil, Chile, Colombia, México y Perú. Esta cifra está por encima de la media mundial, que es del 59%.

La investigación también muestra que las empresas latinoamericanas están abiertas al uso de IA generativa: 37% de ellas ya la incorporó y 45% la está explorando. Las mayores barreras que encontraron hasta el momento fueron las habilidades, experiencia y conocimientos limitados en esta tecnología (32%).

Sin embargo, para abordar esta problemática, el 38% de las empresas de Latinoamérica planean invertir en capacitación y desarrollo de la fuerza laboral durante los próximos 12 meses.

Sector financiero duplica inversión en IA: beneficios de su uso

  • Mejora en la eficiencia a partir de la automatización de procesos, análisis de riesgos y optimización de recursos
  • Seguridad de las operaciones: el Comité de Supervisión Bancaria de Basilea destacó sus bondades en la detección de fraudes y prevención del lavado de dinero
  • Atención al cliente mejorada y personalizada
  • Ayuda a las instituciones a mantenerse competitivas en un mercado en constante evolución

Límites y problemas del uso de la IA en finanzas

El Comité de Supervisión Bancaria de Basilea resaltó que la implementación de la IA en finanzas también plantea desafíos, como la dificultad de entender los resultados de modelos opacos y el potencial de sesgos y aumento de los ciberriesgos.

Un informe del Fondo Monetario Internacional (FMI) advierte que puede verse limitada en ciertos usos como la toma de decisiones institucionales sobre inversión y negociación. Esto porque algunos datos de la IA son poco fiables, y si bien esta tecnología puede responder bien ante situaciones previsibles, no es tan eficiente ante otras de alto impacto y sin precedentes.

Otros actores son todavía más pesimistas, como el caso de Gary Gensler, presidente de la Comisión de Bolsa y Valores de Estados Unidos, quien advierte sobre los riesgos de la que IA fomente la concentración de posiciones e incremente los riesgos de una enorme crisis financiera.

Algo similar indican desde el Centro de Estudios de Política Europea, donde temen que las herramientas de la IA exacerben crisis porque están entrenadas con datos pasados que podrían no reflejar la realidad del momento.

En síntesis, y pese al enorme avance de la IA, todavía se sigue pensando que no resulta recomendable confiar todo un proceso a esta tecnología. El consejo pasa por aprovechar su potencial para hacerse cargo de tareas repetitivas y tediosas pero dedicarle tiempo a la comprobación de los resultados, interpretación y comprensión. Esto se vuelve más relevante sobre todo en tareas complejas como los análisis financieros.