En los últimos meses me he encontrado con una pregunta que muchos líderes del sector financiero me hacen con tono desafiante: “¿Qué hacemos con la inteligencia artificial en nuestros bancos? ¿Cómo evitamos quedarnos atrás sin tirar millones por la ventana?” Y mi respuesta suele ser una reflexión que incomoda: lo que está en juego no es solo eficiencia o automatización; es la reinvención completa del rol que un banco puede jugar en la vida de sus clientes.
No estamos en una era de transformación digital. Eso ya pasó. Hoy vivimos una era de transformación cognitiva. Y quien no lo entienda, quedará atrapado en soluciones brillantes, pero irrelevantes. Porque implementar IA no es adoptar una herramienta; es rediseñar la lógica operativa de una organización financiera.
Lo primero que aprendí observando a los bancos más avanzados globalmente es que el éxito en IA requiere un acto de equilibrio brutal: ser lo suficientemente flexibles para adaptarse al vértigo tecnológico, pero lo suficientemente decididos como para evitar el parálisis por análisis. Esta danza entre agilidad y ejecución es lo que diferencia a los pioneros de los rezagados.
Tomemos el ejemplo de NatWest, que decidió cancelar un proyecto de NLP propio en cuanto ChatGPT mostró ser más eficiente. No se aferraron a lo ya invertido. Cambiaron. Y esa capacidad de matar ideas queridas es, paradójicamente, una de las señales más fuertes de madurez organizacional.
Ahora bien, ¿cómo se logra esto en América Latina, donde convivimos con estructuras tradicionales, presupuestos acotados y regulaciones complejas? La clave no está en replicar lo que hacen los gigantes del norte, sino en adoptar lo esencial: construir plataformas de IA modelo-agnósticas, que permitan cambiar de proveedor sin rehacer todo desde cero. Este enfoque, ya adoptado por bancos como JPMorgan, es especialmente relevante en nuestra región, donde la soberanía de datos y la resiliencia operativa son prioridades.
Pero la tecnología no es el corazón de esta historia. Las personas lo son.
Uno de los errores más comunes que veo en Latinoamérica es pensar que la IA es terreno exclusivo de los tecnólogos. Nada más lejos de la verdad. Los mejores casos de uso emergen cuando se empodera a los equipos de negocio para experimentar, construir y adaptar soluciones con IA. No se trata de enseñar a todos a programar, sino de formar una nueva generación de “traductores de valor”: personas que entienden los problemas reales de negocio y saben cómo encarar soluciones con herramientas cognitivas.
UBS lo entendió y lanzó un programa de formación en IA para 50.000 empleados, incluyendo una mentoría inversa entre juniors y altos ejecutivos. Esa es la revolución cultural que necesitamos. No son solo cursos, es un cambio de mentalidad que debe permear hasta los comités de dirección.
Y si hablamos de IA sin hablar de confianza, estamos ignorando el elefante en la habitación. En el contexto financiero, donde manejamos vidas, no solo balances, desplegar IA sin mecanismos sólidos de gobernanza, ética y validación es una receta para el desastre. En América Latina, donde la confianza en las instituciones muchas veces es baja, este punto es aún más crítico. Implementar IA debe ir de la mano de nuevas reglas de juego, que equilibren innovación con responsabilidad.
¿Dónde empezar entonces? Con lo simple, pero potente. Las ganancias más inmediatas no están en los agentes autónomos ni en las decisiones crediticias automatizadas. Están en herramientas que ayuden a los equipos internos: copilotos para desarrolladores, buscadores de políticas internas, asistentes para preparar reuniones. HSBC, por ejemplo, logró mejoras de eficiencia de hasta 30% con GitHub Copilot. Y BBVA redujo drásticamente el tiempo para actualizar sus bases de datos de colaterales inmobiliarios con un uso básico de ChatGPT.
Estos casos muestran algo crucial: no necesitas esperar el “gran caso de uso”. Comenzar con pequeños pilotos internos permite aprender, construir confianza y preparar el terreno para escalar.
Pero ojo: escalar no significa atomizar. Muchos bancos cayeron en la trampa de “dejar florecer mil casos de uso” y terminaron con un caos difícil de gobernar. El nuevo enfoque debe ser focalizado y estratégico. Escuchar al negocio, pero filtrar con inteligencia. Y eso solo lo puede hacer una función central de IA empoderada, conectada con todos los niveles de la organización.
Finalmente, quiero hablar del futuro: los sistemas agentic.
Hoy estamos en la infancia de una nueva generación de asistentes bancarios, capaces de no solo entender preguntas, sino ejecutar tareas por los clientes. Imagina que tu app bancaria no solo te diga cuánto gastaste, sino que renegocie por vos tu plan de tarjeta o te recomiende un fondo con base en tu perfil, y lo contrate automáticamente si das el visto bueno. Este no es un sueño futurista. Es el presente de bancos como CommBank o Capital One.
Pero cuidado: la tentación de ir rápido puede costar caro. Un error en un bot de retail puede ser molesto. Uno en un bot bancario, devastador. Por eso, en nuestra región, donde cada interacción cuenta, debemos avanzar en este camino con doble capa de seguridad: técnica y humana. No se trata de frenar, sino de avanzar con propósito.
El mensaje que quiero dejarles es simple pero contundente: no subestimen lo que la IA puede hacer, pero tampoco la usen como una moda. La IA en banca no es una herramienta más. Es el nuevo sistema operativo de la industria. Y quienes no la entiendan así, serán desplazados no por la tecnología, sino por quienes la sepan aplicar con visión estratégica.
Hoy más que nunca, Latinoamérica tiene la oportunidad de ser laboratorio y no solo consumidor de innovación bancaria. Pero eso requiere liderazgo valiente, que se anime a desaprender, a reentrenar, a replantear cada rincón del banco. Estoy aquí para acompañarlos en ese proceso.
Porque el futuro no se predice. Se diseña.
Diego San Esteban