Cinco señales que ya estamos viendo en la banca impulsada por la IA
Introducción
Llevo más de quince años participando en proyectos tecnológicos para bancos y empresas de telecomunicaciones. A lo largo de este tiempo he coordinado implementaciones, gestionado riesgos, articulado equipos técnicos con áreas de negocio y participado en iniciativas que van desde infraestructura crítica hasta proyectos de ciberseguridad en entornos altamente regulados.
Hoy, mientras sigo de cerca la evolución del sector desde mi rol como consultora independiente y desde mi experiencia trabajando con herramientas y agentes de inteligencia artificial, noto algo que pocas personas están comentando con suficiente claridad.
La conversación sobre inteligencia artificial en la banca está cambiando mucho más rápido de lo que parece desde afuera.
Y no me refiero a los titulares sobre ChatGPT ni a las demostraciones tecnológicas que suelen captar la atención del mercado. Me refiero a las señales que aparecen cuando se observa con detenimiento lo que están haciendo los bancos, hacia dónde se están dirigiendo las inversiones y cómo las organizaciones comienzan a incorporar estas capacidades en su operación diaria.
Lo que veo es una transformación más profunda que la simple adopción de una nueva tecnología.
Esto no es un informe de consultoría ni una predicción sobre lo que ocurrirá dentro de diez años. Son observaciones basadas en lo que está sucediendo hoy, vistas desde una perspectiva que combina experiencia en el sector financiero con práctica directa en inteligencia artificial aplicada.
Estas son cinco señales que considero especialmente relevantes para entender hacia dónde se está moviendo la banca.
Señal 1: La IA está dejando de ser un proyecto para convertirse en una capacidad organizacional
Hace unos años, cuando se hablaba de inteligencia artificial en los bancos, la conversación giraba en torno a proyectos piloto. Un chatbot aquí, un modelo de scoring allá, una prueba de concepto en algún proceso interno.
Eso está cambiando.
Lo que estoy observando ahora es algo cualitativamente diferente: algunos bancos están creando estructuras organizacionales completas dedicadas a la transformación basada en IA. No un equipo de innovación aislado. No un laboratorio experimental. Sino una capacidad corporativa que atraviesa toda la organización.
BBVA es quizás el ejemplo más visible. Harvard Business Review lo estudia como referente global, no porque haya lanzado un producto llamativo, sino porque logró algo mucho más difícil: que más del 50% de sus empleados usen IA generativa cada semana. No solo los equipos técnicos. Toda la organización, incluyendo la red comercial.
Eso no ocurre por accidente. Ocurre cuando una institución decide que la IA no es una herramienta para algunos, sino una capacidad que debe integrarse en la forma de trabajar de todos.
La señal que veo aquí es esta: la ventaja competitiva ya no estará en quién desarrolla el mejor modelo. Estará en quién construye la capacidad organizacional para operar con IA de manera sostenible y a escala.
Y esa es una conversación muy diferente a la de hace tres años.
Señal 2: El canal ya no importa tanto como la presencia donde está el cliente
Una de las señales más interesantes que he observado recientemente tiene que ver no con tecnología sofisticada, sino con una decisión estratégica muy concreta: ir donde el cliente ya está.
Mibanco lanzó banca por WhatsApp. En Perú, WhatsApp no es solo una aplicación de mensajería. Es el canal de comunicación principal de millones de personas, incluyendo los microempresarios que son el corazón del negocio de Mibanco. Desde esa plataforma, los clientes pueden verificar préstamos aprobados, abrir cuentas de ahorro, consultar saldos, hacer transferencias y resolver dudas en horario extendido.
Esto me parece relevante por una razón que va más allá de la comodidad del usuario.
Durante años, la transformación digital bancaria se midió en términos de aplicaciones móviles descargadas, usuarios activos en banca por internet, o transacciones digitales procesadas. La lógica era: construye el canal digital y el cliente migrará hacia él.
Lo que estoy viendo ahora es una lógica diferente: en lugar de pedirle al cliente que adopte un nuevo canal, ir directamente al canal donde el cliente ya opera.
Es hiperpersonalización en su forma más práctica. No personalización del producto, sino personalización del punto de contacto.
Y esto, combinado con la inteligencia artificial que puede gestionar conversaciones, procesar solicitudes y dar respuestas en tiempo real, abre posibilidades que hace cinco años hubieran sido muy complejas de implementar.
La pregunta que me hago es: ¿cuántos bancos peruanos están pensando en esta dirección, y cuántos siguen invirtiendo en canales digitales propios asumiendo que el cliente los encontrará?
Señal 3: Los agentes inteligentes están pasando de la experimentación a la operación real
Esta es quizás la señal que más me llama la atención, porque la he vivido de primera mano.
Hace algunos meses desarrollé mi propio agente de Inteligencia Artificial, al que llamé ELISA. Lo concebí como una herramienta para apoyar la gestión del conocimiento, la toma de decisiones y la automatización de contenido.
La experiencia me permitió descubrir algo que rara vez aparece en las demostraciones tecnológicas o en las presentaciones de marketing: implementar un agente es solo el comienzo.
Lo verdaderamente complejo viene después.
Mantenerlo actualizado cuando cambia el contexto, asegurar que las respuestas sean consistentes, gestionar los casos en los que no tiene suficiente información, supervisar su desempeño y garantizar que el proceso completo sea confiable requiere mucho más trabajo del que suele imaginarse.
Ahora imaginemos ese desafío a la escala de una institución financiera.
Lo que estoy observando en el sector es que algunos bancos están pasando de experimentar con agentes a incorporarlos gradualmente en sus operaciones. Ya no se trata únicamente de asistentes que responden preguntas. Comienzan a participar en actividades relacionadas con la atención al cliente, el análisis documental, la gestión del conocimiento, el cumplimiento regulatorio y otros procesos de negocio.
Esto representa un cambio importante en la forma en que las organizaciones utilizan la Inteligencia Artificial.
El agente deja de ser una demostración tecnológica para convertirse en una herramienta integrada al trabajo diario de la organización.
Y aquí aparece una pregunta que, en mi opinión, será cada vez más relevante para los sectores regulados como la banca:
Cuando un agente participa activamente en un proceso de negocio, la discusión deja de ser exclusivamente tecnológica.
La verdadera pregunta pasa a ser: ¿cómo lo supervisamos, cómo gestionamos sus riesgos y cómo garantizamos que actúe dentro de los límites definidos por la organización?
Esa conversación apenas está comenzando.
Señal 4: El costo de la IA se está convirtiendo en un problema real que nadie está gestionando bien
Esta señal me parece especialmente relevante porque toca un punto que la mayoría de las conversaciones sobre IA ignoran completamente.
"Tu factura de IA se triplicó... y nadie sabe explicar por qué."
Esa frase resume un problema que está emergiendo con fuerza en las organizaciones que ya están usando IA a escala. El gasto empresarial en IA generativa creció de 11.5 mil millones de dólares en 2024 a 37 mil millones en 2025. Hasta el 80% del gasto en GPU se destina a inferencia, no a entrenamiento. Y el 98% de los equipos de FinOps ya están gestionando gasto en IA.
Está surgiendo una nueva disciplina que se llama AI FinOps: la práctica de alinear el gasto en IA con el valor que genera para el negocio.
No es solo reducir costos. Es algo más sofisticado: medir qué decisiones de IA generan valor, optimizar tokens y arquitecturas para reducir costos sin sacrificar calidad, y gobernar el gasto de manera que sea sostenible.
Para las instituciones financieras esto tiene una dimensión adicional. Los bancos operan en entornos regulados donde cada proceso debe ser trazable, justificable y auditable. Eso aplica también a los procesos en los que participa la IA.
Lo que observo es que muchas organizaciones están invirtiendo en capacidades de IA sin tener todavía claridad sobre cómo medir su retorno real, cómo controlar los costos a medida que escalan, o cómo justificar esas inversiones frente a reguladores y comités de riesgo.
Esa brecha, entre la velocidad de adopción y la madurez en la gestión, es una de las señales que más me preocupa y al mismo tiempo más me parece una oportunidad.
Señal 5: Gobernar la IA se está convirtiendo en una ventaja competitiva, no en un obstáculo
Durante mucho tiempo, el marco regulatorio se percibió como un freno a la innovación tecnológica en la banca.
Lo que estoy observando ahora es algo diferente.
Las instituciones que están construyendo capacidades sólidas de gobierno de IA — políticas claras, procesos de supervisión, trazabilidad de decisiones, gestión de riesgos de modelos — no lo están haciendo solo para cumplir con el regulador. Lo están haciendo porque entienden que esa capacidad les va a permitir escalar más rápido y con menos riesgo que sus competidores.
Existen estándares internacionales como la ISO 42001, que establece un marco de gestión para sistemas de inteligencia artificial. No es solo un certificado. Es una forma de pensar sobre cómo una organización gestiona la IA de manera responsable: qué decisiones toma el modelo, cómo se supervisan, qué pasa cuando algo sale mal, y cómo se garantiza que el sistema siga alineado con los objetivos del negocio.
En el sector financiero peruano, todavía son pocas las organizaciones que están abordando este tema de manera sistemática. La mayoría está en modo de experimentación: implementar, ver qué pasa, ajustar. Eso funciona para un piloto. No funciona cuando la IA empieza a participar en procesos críticos que afectan a clientes, operaciones y cumplimiento regulatorio.
La señal que veo es esta: dentro de pocos años, la capacidad de gobernar la IA de manera efectiva va a separar a las instituciones que puedan escalarla de las que tengan que frenar porque el riesgo se volvió inmanejable.
Y esa capacidad no se construye de un día para otro.
Reflexión final: lo que todo esto significa para los profesionales de tecnología en banca
Llevo semanas observando estas señales y pensando en lo que implican no solo para las instituciones financieras, sino para los profesionales que trabajamos en tecnología dentro de ese sector.
La conversación ha cambiado.
Antes, el valor de un profesional de tecnología en banca se medía por su capacidad de gestionar proyectos, coordinar equipos, asegurar entregas. Todo eso sigue siendo importante. Pero hay algo nuevo que se está volviendo igual de relevante: la capacidad de entender cómo la IA se integra en los procesos de negocio, qué riesgos genera, cómo se gobierna, y cómo se mide su valor real.
No se trata de convertirse en científico de datos o en ingeniero de machine learning.
Se trata de desarrollar una perspectiva que combine el conocimiento del negocio financiero, la experiencia en gestión tecnológica, y la comprensión de cómo funciona la IA en la práctica — no en teoría.
Eso es exactamente lo que intento construir en mi propio trabajo. No solo hablar sobre IA, sino aplicarla, entender sus límites, y desde esa experiencia, contribuir a que las organizaciones la adopten de manera efectiva y sostenible.
Las cinco señales que comparto en este artículo no son predicciones. Son observaciones de alguien que sigue el sector con atención y que cree que la inteligencia artificial, bien gestionada, puede transformar genuinamente la manera en que los bancos sirven a sus clientes y operan internamente.
La pregunta ya no es si la IA va a cambiar la banca.
La pregunta es quién va a estar preparado para liderar ese cambio desde adentro.
No hay comentarios:
Publicar un comentario