¿Cómo aplican realmente los bancos la inteligencia artificial generativa?
Si dejamos de lado los titulares y la exageración, la esencia del problema es: ¿cómo están utilizando 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 las aplicaciones prácticas que ya se han implementado.
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, experimentos cautelosos orientados al cliente y algunas innovaciones audaces que están remodelando 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 como 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 analista de JPMorgan que analiza la investigación de acciones, hasta las herramientas impulsadas por GPT que Morgan Stanley proporciona a los asesores de gestión de patrimonio, el enfoque inicial ha sido empoderar a los profesionales bancarios en lugar de reemplazarlos.
Goldman Sachs está construyendo un asistente de IA para desarrolladores; la herramienta de resumen de IA de Citi ayuda a los empleados a manejar memorandos y redactar correos electrónicos; el "SC GPT" de Standard Chartered ya está en funcionamiento entre sus 70,000 empleados, abarcando todo, desde la redacción de propuestas hasta cuestiones de recursos humanos.
Dado que nos encontramos en un entorno altamente regulado, el despliegue de herramientas internas resulta especialmente razonable. Esto permite a los bancos experimentar y mejorar sus capacidades de IA sin cruzar la línea roja regulatoria. Si se considera la reciente acción del CBN (Banco Central de Nigeria) contra Zap, entonces "la prudencia ante todo" es evidentemente la opción más sensata.
Observación de la línea de negocio: ¿Dónde está el valor?
La adopción de la IA varía de un sector a otro. Existen diferencias en la velocidad a la que la IA generativa está siendo adoptada por las distintas unidades de negocio. Entre ellos, los bancos minoristas están liderando el camino en términos de volumen de transacciones. En este espacio, los chatbots generativos impulsados por IA, como Fargo de Wells Fargo y Erica de Bank of America, manejan cientos de millones de interacciones cada año. En Europa, Commerzbank lanzó recientemente su propio chatbot, Ava.
Sin embargo, el problema es que algunas de estas herramientas en realidad no utilizan inteligencia artificial 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 se refiere a la ilusión de automatización lograda a través de la intervención humana). Aun así, lo importante son los propios experimentos y no las etiquetas tecnológicas.
En la banca corporativa y de inversión, la transformación está más implícita. Las herramientas internas de JPMorgan apoyan principalmente a los equipos de investigación y ventas, en lugar de hacerlo directamente al cliente. Deutsche Bank utiliza la IA para analizar los registros de comunicación con los clientes, que no es servicio al cliente, sino que está habilitado para datos, lo que ayuda a los banqueros a comprender y atender a los clientes más rápido y mejor.
La gestión de patrimonio se sitúa entre ambos. Las herramientas de IA de Morgan Stanley no interactúan directamente con los clientes, pero aseguran que los asesores estén bien preparados antes de cada reunión. Deutsche Bank y First Abu Dhabi Bank están probando asistentes dirigidos a clientes de alto nivel, diseñados para responder en tiempo real a preguntas complejas sobre inversiones.
Diferencias regionales: ¿quién va a la cabeza?
Fuente: Evident AI Index
La región de América del Norte se encuentra en una posición de liderazgo, como se esperaba. Los bancos de Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi y el Royal Bank of Canada (RBC), han convertido la IA en un motor de productividad. Gracias a su colaboración con OpenAI y Microsoft, han tenido acceso temprano a los modelos de IA más avanzados.
Europa es más cautelosa. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank y HSBC están probando herramientas de IA internamente y han implementado más medidas de seguridad. El Reglamento General de Protección de Datos (GDPR) tiene un impacto profundo en ellos. Como siempre, Europa se centra más en la regulación que en el avance tecnológico, lo que podría tener un costo.
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 y se asoció con OpenAI para implementar herramientas de IA en las instalaciones y, finalmente, expandirse al servicio al cliente. En Sudáfrica, Standard Bank y Nedbank están realizando pruebas piloto en el espacio de la IA, cubriendo 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 "Zhiyong", un gran modelo de lenguaje con 100.000 millones de parámetros, desarrollado internamente. El modelo ha sido llamado más de mil millones de veces y admite 200 escenarios comerciales, desde el análisis de documentos hasta la automatización de marketing. No es solo una aplicación de herramientas internas, es un cambio fundamental en la forma en que operan los bancos.
El Grupo Ant (Ant Group) ha lanzado dos grandes modelos de lenguaje 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 productos financieros; el segundo apoya a los asesores de gestión de patrimonio, puede resumir informes del 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 enérgicamente la localización de datos y la transparencia de los modelos, y estas instituciones han optado por un camino a largo plazo: construir una IA personalizada que pueda adaptarse a la regulación nacional, el idioma y el entorno del mercado. Además, China cuenta con una densidad de talento suficiente que permite a los bancos desarrollar de manera independiente modelos base, lo cual podría ser un logro único a nivel mundial.
¿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.
Los LLM (modelos de lenguaje de gran tamaño) de Google también están siendo utilizados, como por ejemplo, el uso de Flan por parte de Wells 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. Pero la mayoría de los bancos están ajustando modelos existentes. La clave no radica 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 en todo el mundo
La imagen original se encuentra en el texto original, traducido 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 parte de la junta directiva de un banco, preguntaría: "¿Cuántos experimentos estamos haciendo?" ¿Cuántos insights estamos generando? ”
Para medir verdaderamente el progreso, es necesario volver a los principios fundamentales de la transformación de la plataforma. Tu estrategia de IA debe responder 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 la aplicación 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 de África Oriental por capitalización de mercado. 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. No se trata de centrarse en los perdedores, se trata de cómo los ganadores tienen una cuota de mercado significativa en un área en particular. El éxito de Stripe en los pagos, por ejemplo, es un ejemplo de ello. Estos primeros avances a menudo conducen a aumentos de participación de mercado en segmentos adyacentes, como el negocio de tarjetas de crédito de Nubank, que se ha convertido en un actor importante en los sectores de banca minorista y pymes.
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.
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
Los gigantes bancarios de China y Estados Unidos están adoptando la IA generativa.
Autor: Samora Kariuki
Compilado por: Shenchao TechFlow
La ola global de IA
¿Cómo aplican realmente los bancos la inteligencia artificial generativa?
Si dejamos de lado los titulares y la exageración, la esencia del problema es: ¿cómo están utilizando 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 las aplicaciones prácticas que ya se han implementado.
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, experimentos cautelosos orientados al cliente y algunas innovaciones audaces que están remodelando 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 como 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 analista de JPMorgan que analiza la investigación de acciones, hasta las herramientas impulsadas por GPT que Morgan Stanley proporciona a los asesores de gestión de patrimonio, el enfoque inicial ha sido empoderar a los profesionales bancarios en lugar de reemplazarlos.
Goldman Sachs está construyendo un asistente de IA para desarrolladores; la herramienta de resumen de IA de Citi ayuda a los empleados a manejar memorandos y redactar correos electrónicos; el "SC GPT" de Standard Chartered ya está en funcionamiento entre sus 70,000 empleados, abarcando todo, desde la redacción de propuestas hasta cuestiones de recursos humanos.
Dado que nos encontramos en un entorno altamente regulado, el despliegue de herramientas internas resulta especialmente razonable. Esto permite a los bancos experimentar y mejorar sus capacidades de IA sin cruzar la línea roja regulatoria. Si se considera la reciente acción del CBN (Banco Central de Nigeria) contra Zap, entonces "la prudencia ante todo" es evidentemente la opción más sensata.
Observación de la línea de negocio: ¿Dónde está el valor?
La adopción de la IA varía de un sector a otro. Existen diferencias en la velocidad a la que la IA generativa está siendo adoptada por las distintas unidades de negocio. Entre ellos, los bancos minoristas están liderando el camino en términos de volumen de transacciones. En este espacio, los chatbots generativos impulsados por IA, como Fargo de Wells Fargo y Erica de Bank of America, manejan cientos de millones de interacciones cada año. En Europa, Commerzbank lanzó recientemente su propio chatbot, Ava.
Sin embargo, el problema es que algunas de estas herramientas en realidad no utilizan inteligencia artificial 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 se refiere a la ilusión de automatización lograda a través de la intervención humana). Aun así, lo importante son los propios experimentos y no las etiquetas tecnológicas.
En la banca corporativa y de inversión, la transformación está más implícita. Las herramientas internas de JPMorgan apoyan principalmente a los equipos de investigación y ventas, en lugar de hacerlo directamente al cliente. Deutsche Bank utiliza la IA para analizar los registros de comunicación con los clientes, que no es servicio al cliente, sino que está habilitado para datos, lo que ayuda a los banqueros a comprender y atender a los clientes más rápido y mejor.
La gestión de patrimonio se sitúa entre ambos. Las herramientas de IA de Morgan Stanley no interactúan directamente con los clientes, pero aseguran que los asesores estén bien preparados antes de cada reunión. Deutsche Bank y First Abu Dhabi Bank están probando asistentes dirigidos a clientes de alto nivel, diseñados para responder en tiempo real a preguntas complejas sobre inversiones.
Diferencias regionales: ¿quién va a la cabeza?
Fuente: Evident AI Index
La región de América del Norte se encuentra en una posición de liderazgo, como se esperaba. Los bancos de Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi y el Royal Bank of Canada (RBC), han convertido la IA en un motor de productividad. Gracias a su colaboración con OpenAI y Microsoft, han tenido acceso temprano a los modelos de IA más avanzados.
Europa es más cautelosa. Banco Bilbao Vizcaya Argentaria (BBVA), Deutsche Bank y HSBC están probando herramientas de IA internamente y han implementado más medidas de seguridad. El Reglamento General de Protección de Datos (GDPR) tiene un impacto profundo en ellos. Como siempre, Europa se centra más en la regulación que en el avance tecnológico, lo que podría tener un costo.
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 y se asoció con OpenAI para implementar herramientas de IA en las instalaciones y, finalmente, expandirse al servicio al cliente. En Sudáfrica, Standard Bank y Nedbank están realizando pruebas piloto en el espacio de la IA, cubriendo 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 "Zhiyong", un gran modelo de lenguaje con 100.000 millones de parámetros, desarrollado internamente. El modelo ha sido llamado más de mil millones de veces y admite 200 escenarios comerciales, desde el análisis de documentos hasta la automatización de marketing. No es solo una aplicación de herramientas internas, es un cambio fundamental en la forma en que operan los bancos.
El Grupo Ant (Ant Group) ha lanzado dos grandes modelos de lenguaje 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 productos financieros; el segundo apoya a los asesores de gestión de patrimonio, puede resumir informes del 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 enérgicamente la localización de datos y la transparencia de los modelos, y estas instituciones han optado por un camino a largo plazo: construir una IA personalizada que pueda adaptarse a la regulación nacional, el idioma y el entorno del mercado. Además, China cuenta con una densidad de talento suficiente que permite a los bancos desarrollar de manera independiente modelos base, lo cual podría ser un logro único a nivel mundial.
¿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.
Los LLM (modelos de lenguaje de gran tamaño) de Google también están siendo utilizados, como por ejemplo, el uso de Flan por parte de Wells 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. Pero la mayoría de los bancos están ajustando modelos existentes. La clave no radica 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 en todo el mundo
La imagen original se encuentra en el texto original, traducido 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 parte de la junta directiva de un banco, preguntaría: "¿Cuántos experimentos estamos haciendo?" ¿Cuántos insights estamos generando? ”
Para medir verdaderamente el progreso, es necesario volver a los principios fundamentales de la transformación de la plataforma. Tu estrategia de IA debe responder 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 la aplicación 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 de África Oriental por capitalización de mercado. 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. No se trata de centrarse en los perdedores, se trata de cómo los ganadores tienen una cuota de mercado significativa en un área en particular. El éxito de Stripe en los pagos, por ejemplo, es un ejemplo de ello. Estos primeros avances a menudo conducen a aumentos de participación de mercado en segmentos adyacentes, como el negocio de tarjetas de crédito de Nubank, que se ha convertido en un actor importante en los sectores de banca minorista y pymes.
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.