La Finance Week volvió a poner el foco en el papel de la inteligencia artificial como palanca de transformación real en el sector financiero. En ese contexto, OpenHub News conversó con Eduardo Ordax, GenAI Lead EMEA en Amazon Web Services, sobre por qué la banca española está liderando la adopción de la IA, cómo los agentes están cambiando las reglas del juego y qué claves deben tener en cuenta las organizaciones para escalar estos modelos de forma segura y con impacto.
¿Cómo está evolucionando la adopción de la IA en la banca española, cómo lo ves desde tu punto de vista y por qué está liderando la transformación?
En general, los sectores financiero y asegurador son los que están adoptando la inteligencia artificial de una manera mucho más rápida. Y el principal motivo es el dato.
Son sectores que tradicionalmente han invertido mucho en desarrollar una estrategia de datos, en construir data lakes, automatizar pipelines de datos y definir estrategias de data governance. Al haber invertido tanto en esa capa, evolucionar de datos a inteligencia artificial es un proceso muy natural.
Tenemos ejemplos claros en España. BBVA, por ejemplo, ha migrado todo su data lake y su plataforma de datos a AWS. Banco Santander es capaz de levantar hasta 12.000 CPUs y ha conseguido reducir un análisis de riesgo que antes tardaba 15 horas a apenas un par de horas. También Openbank, que ha automatizado la gestión documental utilizando servicios de comprensión de texto, permitiendo leer documentos, identificar su contenido y automatizar su procesamiento.
Por eso creo que, en general, son las entidades financieras las que están adoptando la inteligencia artificial de una forma más rápida y natural.
Los agentes de IA prometen cambiar las reglas del juego. ¿Podrías compartir ejemplos reales de cómo ya están automatizando procesos o mejorando la experiencia del cliente?
El principal valor de los agentes es la automatización, especialmente en flujos de trabajo que antes no estaban claramente definidos.
Cuando un flujo está completamente definido, es relativamente sencillo automatizarlo. Pero la inteligencia artificial permite ir un paso más allá, gestionando escenarios mucho más complejos. Ya tenemos muchos clientes que están utilizando agentes para este tipo de casos.
Un ejemplo es Mastercard, que a nivel global utiliza agentes para la detección de fraude. Openbank, de nuevo, ha establecido agentes para automatizar la lectura de documentos, su comprensión y la traducción de esa información a datos digitalizados.
En España también tenemos ejemplos como Liberty, que ha sido capaz de automatizar y migrar todo su framework legacy a nuevos frameworks gracias al uso de inteligencia artificial. De hecho, este es uno de los casos de uso más recurrentes: utilizar agentes para migrar código antiguo, aplicaciones legacy o frameworks antiguos a entornos mucho más modernos, eficientes y automatizados.
Implementar agentes de IA no es sencillo. ¿Qué consejo podrías dar para despegar de forma segura y escalable?
Hay varios aspectos clave. El primero, sin duda, es la seguridad. Cuando montamos soluciones de agentes, especialmente en industrias reguladas, la seguridad es lo primero que se nos viene a la cabeza. En AWS somos compatibles con diferentes frameworks y normativas de seguridad que hacen que estas soluciones sean confiables para el cliente final.
Otro aspecto muy relevante, especialmente en España, es la residencia del dato. Desde hace ya un par de años contamos con una región de AWS en España, lo que permite a las entidades cumplir con requisitos de data residency, es decir, que los datos no salgan de la región en la que operan.
El segundo punto clave es identificar el impacto. Casos de uso hay muchos, pero hay que priorizar aquellos que van a generar mayor retorno de la inversión, reducir costes, mejorar la productividad o incrementar la experiencia del cliente.
En Amazon utilizamos mucho una metodología que llamamos working backwards from the customer. La inteligencia artificial no debe verse como el fin último, sino como un medio, como un catalizador. Partiendo del objetivo final, se trabaja hacia atrás para generar más valor.
También es fundamental iterar rápido. La inteligencia artificial evoluciona prácticamente cada día, y tenemos que estar preparados para mejorar las soluciones de forma continua. Siempre recomiendo empezar con proyectos pequeños, fáciles de implementar, pero que puedan escalar.
Y, por último, la cocreación. En AWS trabajamos junto a nuestros clientes a través de equipos especializados, Innovation Centers, equipos de prototyping y partners, para ayudarles a pasar de ideas o prototipos a soluciones en producción que generen valor real para sus clientes.
Sigue toda la información de Open Hub News en Linkedin o en nuestra newsletter.
