La edición del 20º aniversario del Informe Mundial sobre Banca Minorista del Instituto de Investigación Capgemini, publicado revela que el 80% de los ejecutivos de banca minorista cree que la IA generativa representa un salto significativo en el avance de la tecnología de IA. Sin embargo, solo el 6% de los bancos minoristas está preparado y cuenta con una hoja de ruta para la transformación a escala empresarial impulsada por la IA.
Como consecuencia de la incertidumbre macroeconómica, muchos bancos minoristas se están viendo obligados a tomar decisiones estratégicas para afrontar los retos que plantean sus actuales modelos de negocio. La productividad y la eficiencia están a la cabeza en la lista de prioridades de los directivos bancarios encuestados. En lo que respecta a la tecnología, el 70% de los CXO de los bancos planea aumentar la inversión en transformación digital hasta en un 10% en 2024. Sin embargo, el informe concluye que los bancos no están preparados para adoptar y ampliar la transformación inteligente, que implica la aplicación estratégica de tecnologías avanzadas como la IA, el aprendizaje automático y la IA generativa para impulsar la innovación y la eficiencia.
Los bancos deben actuar con rapidez para evitar el «fracaso silencioso de la IA generativa»
En este informe, Capgemini evaluó 250 bancos minoristas a través de diversos parámetros de negocio y tecnología[1] para entender la madurez de datos de su infraestructura y compromiso con la inteligencia artificial. La mayoría de los bancos están mal preparados para prosperar en un futuro de banca inteligente[2]. A nivel mundial, sólo el 4% de los bancos minoristas obtuvo una puntuación alta en compromiso empresarial y capacidades tecnológicas, mientras que el 41% logró una puntuación media, lo que indica una falta generalizada de preparación para adoptar y aplicar eficazmente la transformación inteligente[3]. Además, las disparidades regionales subrayan aún más este problema. En Norteamérica, el 27% de los bancos mostró una baja preparación, seguidos de Europa con un 31% y Asia-Pacífico (APAC), que evidencia un retraso significativo con un 48% de los bancos consiguiendo una puntuación baja.
Centrarse en soluciones inteligentes, dotadas de capacidades basadas en IA, permitirá a los bancos superar los retos estructurales actuales y, en última instancia, garantizar un crecimiento sostenible. Sin embargo, el éxito debe ser medible: entre los encuestados, sólo el 6% de los bancos ha establecido indicadores clave de rendimiento (KPI) para medir el impacto de la IA y el seguimiento continuo. Más del 60% de los bancos todavía está identificando y desarrollando KPIs, mientras que el 26% de los bancos que ya ha determinado algunos KPIs no los está midiendo.
Según el informe, los bancos corren el riesgo de sucumbir al «fracaso silencioso de la IA generativa» debido al retraso en la obtención de resultados óptimos de sus experimentos con la tecnología. Por ejemplo, sólo el 2% de los ejecutivos reconoce que realiza un seguimiento regular de los KPIs del impacto en el negocio de su rendimiento de IA generativa. Además, el 39% de los ejecutivos expresa insatisfacción con los resultados de sus casos de uso de IA, lo que refuerza aún más esta desconexión. Para combatir esto, el estudio sugiere que los bancos establezcan un observatorio de IA para rastrear, supervisar e informar sobre el impacto real de la IA y la IA generativa, cuando se implementan a escala.
Los empleados de banca dan la bienvenida a los copilotos de IA generativa
La IA generativa tiene un enorme potencial para aumentar la eficiencia y la experiencia del cliente en toda la cadena de valor de la banca minorista. Más de dos de cada tres (70%) empleados de banca se centran en actividades operativas, porcentaje que se eleva al 91% en el caso de los empleados de los equipos de integración de clientes, lo que deja poco tiempo para las interacciones con los mismos. Más del 80% de los empleados de banca califica como «moderada» la eficacia de la automatización en sus funciones (incorporación, préstamos, marketing, centro de contacto), lo que constituye una brecha significativa entre las aspiraciones del banco y la realidad.
Los empleados de banca se declaran más entusiasmados con el potencial de los copilotos de IA generativa para automatizar la detección de fraudes, la visualización y el análisis de datos, así como la redacción y el envío de contenidos personalizados a los clientes. El informe también determina que los bancos podrían optimizar hasta un 66% del tiempo dedicado a operaciones, documentación, cumplimiento y otras actividades relacionadas con la incorporación, mediante la transformación inteligente impulsada por IA y los copilotos de IA generativa.
La IA conversacional podría paliar el abandono de llamadas por parte de los clientes
La pandemia trasladó las ofertas de atención al cliente a los canales digitales, a medida que herramientas de autoservicio como los chatbots se han convertido en la norma. A pesar de este cambio, los clientes expresaron su insatisfacción. Casi dos de cada tres clientes bancarios (61%) se pusieron en contacto con agentes porque no estaban satisfechos con las resoluciones de los chatbots, mientras que el 17% simplemente desconfiaba de los chatbots y prefería agentes humanos.
Los chatbots tradicionales basados en reglas carecen de la flexibilidad y adaptabilidad de los sistemas avanzados basados en IA debido a su incapacidad para gestionar consultas complejas o imprevistas. Más del 60% de los clientes calificó su experiencia con los chatbots solo como regular. Estas condiciones significan que el abandono de llamadas está en aumento, alcanzando el 12% para los bancos de nivel I y casi el 18% para los bancos de nivel II a nivel mundial[4]. Según el informe, los bancos deben crear centros de contacto inteligentes que aprovechen los chatbots con capacidades de IA conversacional y copilotos inteligentes para ayudar a los agentes en sus tareas cotidianas.
[1] El apoyo y el compromiso empresarial se miden por la puntuación de la visión de la IA, la hoja de ruta de adopción de la IA, el presupuesto, el talento, los casos de uso en proyecto, el nivel de supervisión de los KPI y la gobernanza de la IA. La preparación tecnológica y de datos se mide por los sistemas de abastecimiento de datos, la capacidad para gestionar datos en tiempo real, los sistemas para generar datos sintéticos, los lagos de datos centralizados, la capacidad para transformar datos, la configuración de MLOps (operaciones de aprendizaje automático), el enfoque de gestión de datos para modernizar el patrimonio de datos y el marco de gobernanza de datos.[2] La banca inteligente es el resultado de una transformación inteligente en la que los bancos adoptan un alto grado de automatización de procesos a escala empresarial para ofrecer una personalización masiva.
[3] Los bancos que obtienen más de 44 puntos en los parámetros tecnológicos y más de 32 en los parámetros empresariales se clasifican como de puntuación alta. Los bancos con puntuaciones entre 33 y 44 en parámetros tecnológicos y entre 24 y 32 en parámetros empresariales se clasifican como de puntuación media. Los bancos con una puntuación inferior a 33 en los parámetros tecnológicos e inferior a 24 en los parámetros empresariales se clasifican como de puntuación baja.
[4] Los bancos de nivel I tienen activos de 100.000 millones de dólares o más; los bancos de nivel II tienen activos de entre 10.000 y 100.000 millones de dólares.
