Los agentes de IA de hoy y las herramientas de generación de IA tienen el potencial de rehacer la industria financiera, pero solo si el liderazgo aborda los factores humanos en la transformación de la IA. Esto es más que una estrategia de sentirse bien, que es crucial para garantizar un retorno de la inversión en la inversión de IA. Si bien la IA Agesica puede generar hasta $ 40 mil millones en valor a través de aumentos de ingresos y ahorros de costos para 2028, Gartner predice que para entonces, más del 40% de los planes proxy de IA se cerrarán debido a “actualizar los costos continuos, un valor comercial poco claro o un control de riesgo insuficiente”.
La inversión de AI y AI AI Gen proporcionan situaciones de alto riesgo y alta recompensa para los sectores bancarios y financieros. El éxito de la IA comienza con la comprensión de que incluso los modelos de IA más poderosos de hoy deben ser capacitados como si fueran nuevos empleados que necesitaran tiempo para aprender y desarrollar hábitos. Al mismo tiempo, los empleados necesitan nuevas habilidades para colaborar y administrar con agentes y procesos de IA, así como nuevas vías para guiar la innovación.
Nuevos roles para la IA y el personal bancario
Agent AI es la última solución de automatización adoptada por la industria de servicios financieros. El proceso comenzó con la automatización de procesos robóticos (RPA) basados en reglas, desarrollado en modelos de IA simples que pueden aprovechar los datos no estructurados y luego evolucionar en Gen AI que pueden crear un nuevo contenido, ahora avanzando al complejo proceso de extremo a extremo que puede curar procesos complejos de extremo a extremo con la máxima autonomía. A diferencia de las herramientas de automatización en el pasado, Proxy AI funciona como miembros del equipo y, como cualquier miembro nuevo, cambia la dinámica del equipo. Todos en el equipo necesitan saber cómo trabajar con un agente, incluido el inicio, el control y la verificación del trabajo del agente.
Agent AI es ideal para servicios financieros, ya que muchas tareas (como el desarrollo de la estrategia de gestión de patrimonio) están personalizadas para cada cliente. La IA también puede automatizar y orquestar procesos repetitivos y complejos que actualmente requieren mucho trabajo manual, como el cliente de conocimiento (KYC) verificando el abordaje y el cumplimiento de los nuevos clientes. La implementación de IA en estos casos de uso, junto con otro marketing hiperpersonalizado en bancos minoristas, permite a las instituciones lograr más en el mismo número de personas.
Digamos que si el agente de IA está trabajando en el 50% al 85% del proceso repetitivo, los trabajadores que completan el resto de las tareas también necesitarán nuevas habilidades para administrar el agente. Por ejemplo, los departamentos de TI del banco siempre están abrumados por las solicitudes. Con la automatización de IA y los agentes, los equipos de TI pueden completar más requisitos del lado comercial:
- Gen AI puede generar automáticamente una gran cantidad de código requerido.
- El agente AI puede analizar y resolver boletos de soporte.
- Los miembros del equipo de TI humano pueden participar en proyectos de alto valor y supervisar la IA, si han obtenido la capacitación que deben hacer.
Prepárese para la implementación de IA en la industria bancaria
A pesar de su potencial, hay pocos agentes de producción en la industria bancaria, aunque hay muchos en la fase piloto. Con algunos desafíos, la confianza y el cumplimiento pueden ser los mayores obstáculos para la implementación total.
Uno son los requisitos de capacitación modelo. Poco después del despliegue, los muchos agentes de IA pueden lograr aproximadamente el 85% de precisión, pero llevar el resto al 99% o 100% requiere tiempo y capacitación con las habilidades apropiadas. La capacitación exitosa del modelo de IA también requiere una base de datos sólido, que puede llevar tiempo para construir.
El segundo desafío es la gestión de riesgos modelo, incluida la ciberseguridad y la gobernanza. Los sistemas de IA Agentic deben cumplir con las regulaciones de ética y privacidad de datos de la organización. Esto requiere el desarrollo de barandillas y procesos de verificación de modelos transparentes, incluida la documentación y los requisitos previos. El cumplimiento basado en el diseño garantiza que los sistemas AGESIC o basados en IA estén diseñados y construidos para facilitar la validación de los equipos de gestión de riesgos modelo.
El tercer y más probable que se pase por alto es la gestión del cambio. No puede implementar sistemas proxy ai o gen ai sin unirse a todos los equipos, porque de lo contrario la adopción puede ser un problema. Según un estudio de la Universidad de Stanford, mientras que casi el 70% de los trabajadores dicen que dan la bienvenida a la automatización de IA, lo que les da más tiempo para hacer un trabajo más importante, el 45% tiene “dudas sobre la precisión y confiabilidad de los sistemas de IA”. Estas preguntas, si no se abordan a través de la capacitación de modelo adecuada, la validación del modelo y la capacitación de los empleados, tienen el potencial de socavar la adopción y el ROI.
¿Dónde puede la IA banca en los próximos años?
Los bancos que implementan con éxito agentes e IA pueden esperar cambios significativos en múltiples áreas.
Nueva estrategia de participación de marca
Es fácil imaginar a un agente que casi paga a los clientes bancarios para que se vuelvan invisibles en la forma en que pagan en Uber. Por ejemplo, el agente de IA del emisor de su tarjeta podría manejar todo el trabajo por usted, en lugar de pagar por separado por su hotel, automóvil y boletos aéreos. Si los clientes ya no necesitan interactuar con sus proveedores de servicios financieros para su experiencia cotidiana, los bancos deberán encontrar nuevas formas de mantener la conciencia y la lealtad de la marca.
Mejoras de cumplimiento y gestión de riesgos
Cuando KYC y otros procesos están altamente automatizados y los agentes pueden coordinar grandes cantidades de datos para predicciones de riesgo más precisas, los bancos pueden gestionar los riesgos de manera más efectiva y mantener el cumplimiento más fácilmente. Esto puede ayudar a las instituciones a evitar pérdidas financieras graves y hacer clima en cualquier transición económica que pueda lograrse en el futuro.
Centrarse más en las habilidades de gestión y la innovación
Los empleados necesitarán las habilidades para capacitar, administrar y monitorear a los agentes de IA, así como cualquier iteración de IA y automatización a continuación. También necesitan oportunidades para completar tareas más innovadoras y valiosas para alcanzar su máximo potencial.
No estamos seguros del rendimiento futuro, pero depende en gran medida de cómo las instituciones financieras desarrollan e implementan sus programas de capacitación de IA y empleados en los próximos años. Estos proyectos que se centran en la capacitación, la validación y la gestión del cambio pueden ayudar a las organizaciones a realizar con éxito el valor que la IA ofrece hoy.
