En el sector financiero, la conversación sobre Inteligencia Artificial (IA) está dejando de girar en torno a “pruebas de concepto” y empezando a medirse en términos de eficiencia operativa, ingresos y control del riesgo. Esa es la lectura que desprende la sexta edición del informe anual “State of AI in Financial Services” de NVIDIA, elaborado a partir de una encuesta a más de 800 profesionales del sector en todo el mundo.
El mensaje de fondo es claro: bancos, aseguradoras, gestoras y fintech están escalando casos de uso que ya conocen (fraude, riesgo, atención al cliente, back-office) y, a la vez, están abriendo la puerta a una nueva ola: IA generativa y agentes de IA capaces de ejecutar tareas de forma más autónoma.
Los números que explican el cambio (y por qué importan)
La encuesta refleja una percepción mayoritaria de retorno económico:
- 89 % de los encuestados afirma que la IA está ayudando a aumentar ingresos y/o reducir costes.
- 65 % asegura que su organización ya usa IA activamente, frente al 45 % del año anterior.
- 61 % dice estar usando o evaluando IA generativa, con un salto interanual destacado.
- Casi el 100 % declara que el presupuesto de IA aumentará o se mantendrá.
En un entorno donde el coste del capital y el escrutinio regulatorio siguen apretando, este tipo de porcentajes se interpretan como una señal: la IA está dejando de ser un “proyecto de innovación” para convertirse en una línea de inversión estructural.
Open source: flexibilidad, control y menos dependencia
Una de las conclusiones más repetidas en el informe es el peso creciente del open source (modelos y software) como pieza estratégica. En la encuesta, más de 8 de cada 10 participantes lo consideran relevante para su estrategia de IA.
La razón no es ideológica; es práctica:
- Evitar “vendor lock-in” en una tecnología que evoluciona por trimestres.
- Ajustar modelos (fine-tuning) a datos y procesos propios.
- Optimizar costes cuando el despliegue pasa de laboratorio a producción.
- Auditar mejor el comportamiento del sistema (algo clave en finanzas).
En el texto, distintas voces apuntan a la misma idea: la ventaja competitiva no se captura por “usar IA”, sino por entrenar o adaptar capacidades sobre datos y conocimiento interno de la entidad.
La siguiente fase: agentes de IA (y el reto de gobernarlos)
El informe sitúa a los agentes de IA como una tecnología que está entrando en fase de adopción. En la encuesta, un 42 % afirma estar usando o evaluando IA agéntica; dentro de ese grupo, un 21 % declara haber desplegado ya agentes.
En finanzas, el atractivo es directo: automatizar tareas que hoy consumen horas y coordinación humana, por ejemplo:
- Operaciones internas (reconciliaciones, incidencias, reporting).
- Procesamiento documental (KYC, pólizas, siniestros, contratos).
- Soporte al cliente con un salto de productividad.
- Investigación y análisis para equipos de inversión (siempre con control).
El desafío también es evidente: un agente no solo “responde”, sino que actúa. Eso obliga a reforzar controles de seguridad, trazabilidad, permisos y evaluación continua (incluyendo pruebas frente a sesgos y errores).
Dónde se juega la partida: infraestructura híbrida, nube y on-prem
La encuesta también recoge inversión en infraestructura para sostener cargas de IA, con interés en opciones on-prem y cloud, además de esquemas híbridos. En la práctica, el debate se está moviendo hacia una pregunta pragmática: qué cargas deben residir cerca del dato (por latencia, coste o cumplimiento) y cuáles pueden escalarse en nube con elasticidad.
En banca y seguros, donde conviven entornos legacy, requisitos de soberanía del dato y picos de demanda, la estrategia ganadora suele parecerse a esto:
- IA cerca del core para procesos críticos y datos sensibles.
- Nube para prototipado, entrenamiento puntual o escalado temporal.
- Observabilidad y gobernanza como capa transversal, para que el despliegue sea sostenible.
Lo que deberían leer entre líneas los directivos
Más allá de los porcentajes, el informe deja tres implicaciones de negocio:
- La IA se está convirtiendo en un “motor” de eficiencia medible, no solo en innovación.
- Open source entra en el tablero por control y coste, pero obliga a elevar la madurez operativa (seguridad, MLOps, compliance).
- Los agentes empujan a rediseñar procesos, porque la automatización ya no es solo “asistencia”: puede ser ejecución.
Para el sector, el mensaje es incómodo y a la vez clarificador: el coste de no adoptar ya no es únicamente perder productividad, sino quedarse atrás en velocidad de producto, control del fraude y experiencia de cliente.
Preguntas frecuentes
¿Qué significa “IA agéntica” en el sector financiero?
Se refiere a sistemas de IA capaces de planificar y ejecutar tareas con cierto grado de autonomía (por ejemplo, completar un flujo operativo), en lugar de limitarse a responder preguntas o generar texto.
¿Por qué el open source está ganando terreno en IA para banca y seguros?
Porque permite flexibilidad, reducción de dependencia de un único proveedor y la posibilidad de adaptar modelos a datos propios; a cambio, exige más disciplina en seguridad, MLOps y gobierno del dato.
¿Qué casos de uso están dando ROI más rápido?
El informe subraya ámbitos como detección de fraude, gestión de riesgo, procesamiento documental y atención al cliente, donde la mejora suele ser medible en tiempos, errores y costes.
¿Qué riesgos son los más críticos al escalar IA?
Gobernanza del dato, cumplimiento, sesgos, trazabilidad y seguridad. En particular, con agentes, la clave es auditar acciones, permisos y resultados con telemetría y controles continuos.
vía: blogs.nvidia
