La apuesta de la plataforma de datos: por qué las iniciativas de IA financiera se estancan y cómo escalan los ganadores

Las compañías de servicios financieros no son novatas en la IA, pero las demandas de IA generativa y de agente exponen fallas arraigadas en la infraestructura tradicional. Las compañías que lideran el mercado hoy en día comenzaron a arreglar su arquitectura de datos hace años. Las organizaciones que dependen del procesamiento por lotes y los repositorios de datos fragmentados se están quedando atrás.

"Más del 40 % de los servicios financieros siguen gestionando sus datos en hojas de cálculo", explica Pylarinou. "Más del 50 % tiene datos que están bloqueados en los sistemas que los generan".

Cuando los datos quedan aislados en silos, los modelos de IA carecen del contexto necesario para tomar decisiones precisas. Esto obliga a los equipos a dedicar demasiado tiempo a limpiar y distribuir los datos de forma manual. Esto produce un grave impacto en el negocio. La lentitud en el acceso a los datos impide la detección de fraudes en tiempo real, retrasa las respuestas del servicio al cliente y genera enormes riesgos de incumplimiento normativo.

Muchas organizaciones asumen que sus lagos de datos existentes o las herramientas de automatización del flujo de trabajo son suficientes para la IA. Estos sistemas cumplen una función en términos de análisis e informes, pero no fueron diseñados para las demandas instantáneas de los agentes de IA modernos. Los lagos de datos contienen información histórica, mientras que la IA requiere un contexto inmediato.

Pylarinou señala que estos sistemas no logran resolver el problema fundamental: proporcionar los datos adecuados al modelo adecuado de forma que se cumplan las normas. Para que una plataforma de datos unificada soporte inteligencia artificial avanzada, debe ofrecer las siguientes capacidades:

• Acceso rápido a los datos en milisegundos en vez de segundos

• Recuperación contextual que aporta antecedentes relevantes a cada consulta

• Capacidad de integración entre sistemas para abarcar diferentes esquemas heredados

• Mecanismos de gobernanza integrados para mantener un registro de auditoría y garantizar controles de acceso adecuados

Cuando una plataforma unifica la información que se obtuvo del proceso de incorporación, las transacciones y las señales de comportamiento, permite a la organización responder al instante ante los cambios del mercado. Este cambio traslada el negocio desde los informes reactivos hacia la toma de decisiones proactiva y a la velocidad de la máquina.

"Los datos son los cimientos de cualquier implementación de IA exitosa", agrega Sisk. "Sin una infraestructura sólida, ni siquiera los mejores modelos pueden dar resultados".

Los sistemas heredados albergan décadas de distintas estructuras de datos. En el caso de las grandes organizaciones, casi nunca es viable desmontar y reemplazar estos sistemas centrales. En cambio, deben implementar una capa adicional que unifique los datos procedentes de fuentes dispares.

Los esquemas unificados deben tener en cuenta la importancia del contexto. Los metadatos no solo ayudan al usuario a entender para qué sirven los datos, sino que también proporcionan el contexto necesario para que un agente o de un modelo de lenguaje grande (LLM) tome decisiones.

Para lograr esta unificación sin interrumpir las operaciones, los líderes deberían enfocarse en:

1. Ampliar los sistemas existentes en vez de intentar sustituirlos por completo

2. Crear un esquema común que puedan leer tanto las personas como los grandes modelos de lenguaje

3. Priorizar motores de búsqueda capaces de una recuperación de datos increíblemente rápida

Al aplicar este enfoque, las empresas de servicios financieros pueden extraer registros de transacciones de los mainframes y enriquecerlos con información contextual. Estos datos enriquecidos proporcionan información inmediata para la prevención del fraude y el análisis del comportamiento del cliente.

A medida que los modelos de IA se vuelven más autónomos, los marcos de trabajo tradicionales de gestión de riesgos se vuelven obsoletos. Las organizaciones no pueden confiar en la monitorización basada en reglas para los modelos no deterministas. La confianza debe integrarse directamente en la plataforma de datos.

"La mayor brecha en el mercado es, sin dudas, la gobernanza", afirma Pylarinou.

Este punto subraya la necesidad de que las organizaciones implementen el logging en cada paso. Esto hace que cada acción de IA sea auditable y explicable. Si una empresa puede demostrar con precisión cómo un modelo de IA llegó a una decisión, ganará la confianza de los reguladores y los clientes. La gobernanza pasa de ser una carga de cumplimiento a una ventaja competitiva. Construir la base para escalar en el futuro.

Las empresas que están obteniendo ganancias con la IA no solo están adoptando modelos mejores. También están tomando mejores decisiones a largo plazo en cuanto a la arquitectura de la plataforma y los datos. Una plataforma de datos unificada, flexible y en tiempo real es la única manera de salir del estancamiento de los proyectos piloto.

Mediante la unificación de datos, los estándares abiertos y la gobernanza estricta, las empresas de servicios financieros pueden poner en funcionamiento la IA de forma segura. El enfoque debe mantenerse en resolver el problema de datos primero.