Los gigantes bancarios de China y Estados Unidos están adoptando la IA generativa.

Escrito por: Samora Kariuki

Compilación: Deep Tide TechFlow

La ola global de IA

¿Cómo utilizan los bancos la inteligencia artificial generativa en la práctica?

Si dejamos de lado los titulares y el sensacionalismo, la esencia del problema es: ¿cómo utilizan los bancos más grandes del mundo la IA generativa? No se trata del potencial futuro, ni de la publicidad de los proveedores, sino de dónde están ya las aplicaciones prácticas.

En los últimos dos años, la industria financiera global ha entrado silenciosamente en la era de la IA generativa. Sin embargo, este proceso no es uniforme, sino que presenta un patrón de distinción interna y externa: el despliegue discreto de herramientas internas, las pruebas cautelosas orientadas al cliente y algunas innovaciones audaces están transformando gradualmente la estructura interna de la banca.

Comenzar desde adentro y luego expandirse gradualmente.

La aplicación de la IA tiene un punto en común: comienza con herramientas de productividad internas.

Las principales aplicaciones de la IA generativa se centran en mejorar la productividad interna: estas herramientas ayudan a los empleados a realizar más trabajo con menos recursos. Desde el asistente de analistas de JPMorgan que analiza la investigación de acciones, hasta las herramientas impulsadas por GPT que apoyan a los asesores de gestión de patrimonio de Morgan Stanley, el enfoque inicial ha sido empoderar a los profesionales bancarios en lugar de reemplazarlos.

Goldman Sachs está construyendo asistentes de IA para desarrolladores; la herramienta de resumen de IA de Citi ayuda a los empleados a manejar memorandos y redactar correos electrónicos; "SC GPT" de Standard Chartered ya está disponible para sus 70,000 empleados, utilizada para todos los aspectos desde la redacción de propuestas hasta cuestiones de recursos humanos.

Dado el entorno altamente regulado en el que vivimos, la implementación de herramientas internas tiene mucho sentido. Esto permite a los bancos experimentar y mejorar las capacidades de IA sin tocar las líneas rojas regulatorias. Si uno se refiere a las recientes acciones del CBN (Banco Central de Nigeria) contra Zap, entonces "la precaución prevalece" es claramente la opción más sabia.

Observación de la línea de negocio: ¿Dónde está el valor?

El progreso de las aplicaciones de IA varía entre diferentes departamentos. Existen diferencias en la velocidad de adopción de la IA generativa entre los distintos departamentos de negocio. Entre ellos, la banca minorista lidera en términos de volumen de transacciones. En este ámbito, los chatbots impulsados por IA generativa como Fargo de Wells Fargo y Erica de Bank of America manejan cientos de millones de interacciones cada año. En Europa, Commerzbank en Alemania ha lanzado recientemente su propio chatbot, Ava.

Sin embargo, el problema es que algunas de estas herramientas en realidad no utilizan IA generativa, sino que dependen de técnicas de aprendizaje automático tradicionales. Por ejemplo, Erica de Bank of America funciona más como un «Turco mecánico» (Mechanical Turk, que implica la ilusión de automatización lograda a través de la intervención humana). A pesar de esto, lo importante son los experimentos en sí, no las etiquetas tecnológicas.

En el ámbito empresarial y de la banca de inversión, la transformación es más sutil. Las herramientas internas de JPMorgan principalmente apoyan a los equipos de investigación y ventas, en lugar de dirigirse directamente a los clientes. Deutsche Bank, por su parte, utiliza la IA para analizar los registros de comunicación con los clientes; esto no es servicio al cliente, sino potenciación de datos, ayudando a los banqueros a comprender y servir a los clientes de manera más rápida y efectiva.

La gestión patrimonial se encuentra en un punto intermedio. Las herramientas de IA de Morgan Stanley no hablan directamente con los clientes, pero garantizan que los asesores estén bien preparados antes de cada reunión. Deutsche Bank y First Abu Dhabi Bank son asistentes piloto para clientes de primer nivel diseñados para responder preguntas complejas de inversión en tiempo real.

Diferencias regionales: ¿quién está a la cabeza?

Fuente: Evident AI Index

La región de América del Norte está a la vanguardia como se esperaba. Los bancos de EE. UU., como JPMorgan, Capital One, Wells Fargo, Citi y Royal Bank of Canada (RBC), han transformado la IA en un motor de productividad. Gracias a su colaboración con OpenAI y Microsoft, han tenido acceso a los modelos de IA más avanzados.

Europa es más cautelosa. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank y HSBC están probando internamente herramientas de IA y han establecido más medidas de seguridad. El Reglamento General de Protección de Datos de la Unión Europea (GDPR) tiene un impacto profundo en ellos. Como siempre, Europa se centra más en la regulación que en el avance tecnológico, lo que podría costarle caro.

África y América Latina aún se encuentran en las primeras etapas del desarrollo de la IA, pero el progreso es rápido. Nubank de Brasil se destaca, asociándose con OpenAI para implementar herramientas de IA en las instalaciones y, finalmente, expandirse al servicio al cliente. En Sudáfrica, Standard Bank y Nedbank están probando la IA en el control de riesgos, los servicios de soporte y el desarrollo.

China: Construir una pila de tecnología de IA autónoma

Los bancos en China no solo están utilizando IA, sino que también están construyendo una pila de tecnología de IA.

El Banco Industrial y Comercial de China (ICBC) ha lanzado "Zhi Yong", un modelo de lenguaje de gran tamaño con 100 mil millones de parámetros, desarrollado internamente. Este modelo ha sido invocado más de mil millones de veces, apoyando 200 escenarios de negocio, desde análisis de documentos hasta automatización de marketing. Esto no es solo una aplicación de herramientas internas, sino una transformación fundamental en la forma de operar del banco.

El Grupo Ant (Ant Group) ha lanzado dos modelos de lenguaje de gran escala en el campo financiero: Zhixiaobao 2.0 y Zhixiaozhu 1.0. El primero está dirigido a los usuarios comunes de Alipay y tiene como objetivo explicar los productos financieros; el segundo brinda apoyo a los asesores de gestión de patrimonio, puede resumir informes de mercado y generar ideas sobre carteras de inversión.

Ping An Group, un gigante fintech que integra seguros, banca y tecnología, ha ido más allá. Desarrolló AskBob, un asistente de IA generativa que atiende tanto a clientes como a gestores de cuentas. Para los clientes, AskBob puede responder preguntas sobre inversiones y seguros en chino natural; Para los asesores, extrae y resume el historial del cliente, los datos de productos y los materiales de marketing, transformando a cada agente en un experto financiero mejorado digitalmente. El objetivo de Ping An es redefinir la consultoría financiera a través de la IA, no solo para responder preguntas, sino para anticipar la demanda con anticipación.

En China, el marco regulatorio fomenta fuertemente la localización de datos y la transparencia de los modelos; estas instituciones han optado por un camino a largo plazo: construir IA personalizada que se adapte a la regulación nacional, el idioma y el entorno del mercado. Además, China cuenta con una suficiente densidad de talento, lo que permite a los bancos desarrollar de manera independiente modelos básicos, lo cual puede ser un logro único a nivel global.

¿Quién está proporcionando soporte técnico?

Algunas empresas conocidas aparecen con frecuencia a nivel mundial: Microsoft se ha convertido en la plataforma más común a través de Azure OpenAI. Desde Morgan Stanley hasta Standard Chartered, muchos bancos están ejecutando sus modelos en el entorno seguro de Microsoft.

El LLM (modelo de lenguaje grande) de Google también se está utilizando, por ejemplo, Wells Fargo utiliza Flan para respaldar su Fargo. En China, se depende principalmente de la tecnología local, como DeepSeek y Hunyuan.

Bancos como JPMorgan Chase, el Banco Industrial y Comercial de China y el Grupo Ping An están entrenando sus propios modelos. Sin embargo, la mayoría de los bancos están afinando modelos existentes. La clave no está en tener el modelo en sí, sino en controlar la capa de datos y la coordinación del funcionamiento del modelo.

Exploración de la diversificación de aplicaciones de IA a nivel mundial

La imagen original se encuentra en el texto original, compilado por: Shenchao TechFlow

¿Y qué?

En un sector altamente regulado, la precaución es crucial, por lo que los bancos están recurriendo a la IA en lugar de estar directamente en primera línea. Sin embargo, como hemos observado en otros cambios de plataforma, la toma de decisiones decisiva y la experimentación rápida son clave. La regulación nunca se adelanta a la aplicación de la ley, y no es prudente esperar a que la regulación esté en vigor antes de experimentar con la IA. Recuerdo haber creado una banca de agencia hace más de una década en un país donde no había regulación. Una vez que terminamos, nos convertimos en los que explicamos el negocio al banco central. Si yo fuera miembro de la junta directiva de un banco, preguntaría: "¿Cuántos experimentos estamos haciendo?" ¿Cuántos insights estamos generando?"

Para medir realmente el progreso, tenemos que volver a los principios básicos del cambio de plataforma. Su estrategia de IA debe responder a las siguientes preguntas:

"¿Nuestra estrategia de IA ha reconstruido la arquitectura central? ¿Ha reducido los costos en 100 veces? ¿Ha desbloqueado nuevos modelos de valor? ¿Ha estimulado la conexión del ecosistema? ¿Ha revolucionado el mercado? ¿Ha logrado la democratización del acceso?"

La lógica es clara: el escepticismo es necesario, pero tanto la lógica como los hechos sugieren que la IA es un nuevo cambio de plataforma. Además, la lógica y los hechos también muestran que los cambios de plataforma en el pasado a menudo han llevado a cambios revolucionarios en los mercados financieros. Citibank, por ejemplo, amplió significativamente su negocio minorista con el uso de la tecnología en los años 70 y 80. Capital One ha crecido desde cero hasta convertirse en uno de los 10 principales bancos del mercado y tiene una fuerte presencia en industrias relacionadas, como préstamos para automóviles e hipotecas. En África, Equity Bank ha aprovechado la ola de la tecnología cliente-servidor para convertirse en el banco más grande por capitalización de mercado en África Oriental. Del mismo modo, Access Bank, GT Bank y Capitec se han subido a la ola en sus respectivos mercados.

La era de las plataformas de IA ha llegado, y creará ganadores. El enfoque no está en los perdedores, sino en cómo los ganadores ocupan una participación de mercado significativa en campos específicos. Por ejemplo, el éxito de Stripe en el ámbito de los pagos es un caso típico. Estos avances iniciales a menudo conducen al crecimiento de la participación de mercado en campos adyacentes, como Nubank, que se ha convertido en un jugador importante en el ámbito de las pequeñas y medianas empresas y la banca minorista a través de su negocio de tarjetas de crédito.

Mi opinión es que los ganadores en la era de la IA se centrarán en los costes de las relaciones. Ya no es solo un juego de trading. Las transacciones ya se han realizado y ahora son un juego de experiencia del cliente y gestión de relaciones. Esta es la idea central en la que deben centrarse los líderes de servicios financieros. ¿Cómo puede lograr una mejora de 100 veces en la experiencia del cliente y la banca relacional a una fracción del costo? Como banco, ¿cómo puede aprovechar la tecnología inteligente para ayudar mejor a los clientes a administrar sus finanzas, negocios y vidas? El jugador que sea capaz de responder y ejecutar estas preguntas será el ganador final.