IA en finanzas prevé mantener a las personas en la toma de decisiones
De acuerdo con especialistas, la inteligencia artificial impulsa la eficiencia en el sector financiero, pero sigue dependiendo del criterio humano para evitar errores, sesgos y problemas regulatorios. Su adopción enfrenta barreras culturales y normativas, y exige mayor capacitación para aprovechar su potencial.
La inteligencia artificial (IA) se consolida como uno de los motores clave de cambio en el sector financiero en México. Su capacidad de análisis masivo, y la mayor eficiencia y nuevas oportunidades de negocio que genera hacen que todos traten de sacarle el mayor provecho. Sin embargo, su adopción también plantea problemas de regulación, cultura organizacional y futuro del empleo.
Durante un encuentro organizado por la empresa de soluciones transaccionales Edenred, con el fin de impulsar buenas prácticas y compartir experiencias en el uso de la IA, especialistas de empresas como Santander, Grupo Salinas, Paga Todo y firmas tecnológicas coincidieron en que la inteligencia artificial no sustituirá al humano, pero sí redefinirá su papel.
La IA como habilitador, no como sustituto
Uno de los consensos más claros entre los participantes fue que la IA no está diseñada para reemplazar a las personas, sino para amplificar sus capacidades. En particular, su valor radica en la capacidad de procesar grandes volúmenes de información y generar análisis en tiempo real.
Sandra Álvarez, Product & Tech Domain Lead de Santander México, explicó que la tecnología permite escalar operaciones de forma significativa, aunque siempre bajo dirección humana. "La inteligencia artificial le da escalabilidad y alcance, pero es el humano el que dirige y define las instrucciones", señaló.
El punto crítico es la supervisión, resaltó. Los modelos de IA requieren entrenamiento continuo y validación para evitar errores y, en ese sentido, el mayor riesgo no es la herramienta en sí, sino el uso que se le da. "El error más fuerte es confiar al 100 % en la herramienta. Siempre se necesita interpretar los resultados con conocimiento del negocio y del entorno", añadió.
Desde la perspectiva legal, este enfoque es aún más relevante. Rafael González Vásquez, director de Legal Operations en Grupo Salinas, subrayó que la responsabilidad no puede automatizarse. "La responsabilidad sobre una persona no se delega a un modelo. Siempre hay un punto donde se requiere criterio humano", afirmó.
Transparencia y trazabilidad para evitar la caja negra
Uno de los retos más importantes al implementar la inteligencia artificial, en particular en el sector financiero, es garantizar la transparencia en la toma de decisiones. González Vásquez advirtió sobre el riesgo de que los modelos se conviertan en "cajas negras", es decir, sistemas cuyos resultados no pueden explicarse. "Implementar una solución requiere que consideres desde el inicio un 'audit trail' que permita explicar por qué se tomó una decisión, incluso frente a una auditoría", explicó.
Este punto es especialmente relevante en México, donde la regulación exige claridad y justificación en decisiones como la aprobación de créditos o la detección de fraude. Sin trazabilidad, la adopción de IA no solo pierde valor, sino que también puede generar riesgos regulatorios importantes.
Aunque la tecnología avanza rápidamente, la adopción de la inteligencia artificial enfrenta un obstáculo menos visible, pero más determinante: la cultura organizacional. El miedo al cambio, la resistencia interna y la falta de capacitación limitan el impacto real de estas herramientas en muchas empresas.
Álvarez reconoció que, en la práctica, muchas organizaciones utilizan la IA de forma superficial. "Se habilitan herramientas, pero se terminan usando para tareas básicas como redactar correos o hacer minutas", señaló.
En la misma línea, Arnaldo Carrillo, responsable de producto para Latinoamérica en Gail, destacó que el miedo es uno de los principales frenos. "El miedo al uso y al resultado es el principal cuello de botella. Muchas empresas creen que comprar una licencia es suficiente, pero no hay capacitación ni estrategia", afirmó.
Esto revela un problema estructural, pues existe una brecha entre la adopción tecnológica y la capacidad organizacional. La transformación digital no puede limitarse a la implementación de herramientas; requiere un cambio profundo en la forma de trabajar.
La regulación es necesaria, pero está desfasada
El sector financiero mexicano opera bajo un marco regulatorio robusto que busca proteger a los usuarios, pero que también puede ralentizar la innovación. Para Álvarez, la regulación es una constante que impacta directamente la adopción de nueva tecnología. "Cuando entras al sistema financiero, la regulación te alcanza, y eso limita la implementación de modelos innovadores", explicó.
El desafío no es la existencia de regulación, sino su velocidad de adaptación. Mientras la tecnología avanza rápidamente, los marcos normativos evolucionan con mayor lentitud. "La velocidad a la que avanza el mundo es más rápida de lo que México puede reaccionar. Eso puede convertirse en un cuello de botella", añadió.
Aun así, los especialistas coincidieron en que la regulación cumple una función esencial, especialmente en ámbitos como la protección de datos y los derechos de los usuarios.
El manejo de datos es uno de los pilares de la inteligencia artificial y, al mismo tiempo, uno de sus mayores retos. En un entorno en el que la mayoría de las empresas operan en la nube, garantizar la privacidad absoluta resulta cada vez más complejo.
Rafael González planteó un enfoque basado en la razonabilidad, ya que "no siempre puedes garantizar que los datos no estén en un modelo, pero sí puedes definir para qué los usas y ser transparente", explicó. Este enfoque implica establecer límites claros, informar a los usuarios y mantener controles constantes sobre el uso de la información.
Además, el uso de la IA puede agravar problemas como el sesgo. Un ejemplo claro es el uso de variables, como el código postal, en los modelos de riesgo crediticio. Aunque estos indicadores pueden ser útiles para identificar patrones, también pueden derivar en decisiones discriminatorias si no se gestionan correctamente. Por ello, los expertos insistieron en la necesidad de supervisión humana y de enriquecer los modelos con más variables.
Una transición inevitable en el empleo
El impacto de la inteligencia artificial en el empleo sigue siendo un tema central. Si bien existe preocupación por la pérdida de puestos de trabajo, los especialistas coincidieron en que el cambio será más complejo que una simple sustitución.
La IA automatizará tareas repetitivas, pero también abrirá nuevas oportunidades laborales en áreas como el análisis de datos, el desarrollo de modelos y la supervisión tecnológica. "La IA no es solo una herramienta, es un entorno. Igual que internet, se va a integrar en todos lados", se señaló durante el panel.
El reto principal será la adaptación. No todos los trabajadores podrán hacer la transición al mismo ritmo, lo que hace indispensable la capacitación.
En ese sentido, las empresas tienen un papel clave, pero también es necesario fortalecer la colaboración con el sector educativo. "Hay una gran oportunidad para ofrecer capacitación en inteligencia artificial y llevar ese conocimiento al día a día", apuntó Álvarez.
Claves para una adopción efectiva
Los especialistas coincidieron en que la implementación exitosa de la inteligencia artificial requiere una estrategia clara. Entre las prácticas recomendadas destacan:
- Eliminar silos de información para mejorar la toma de decisiones.
- Aprovechar el conocimiento interno para entrenar modelos.
- Definir roles y responsabilidades claras.
- Invertir en capacitación continua.
Rafael González destacó la importancia de estructurar el proceso desde el inicio. "Necesitamos estandarizar, entender qué problemas queremos resolver y asignar responsabilidades claras", explicó. Estas acciones permiten maximizar el valor de la tecnología y evitar errores comunes en su implementación.
La inteligencia artificial es un cambio estructural que transformará el sector financiero en México. Su adopción será progresiva, pero inevitable. El desafío para las empresas será encontrar el equilibrio entre la innovación, la regulación y la responsabilidad. En un entorno en el que los datos y la confianza del usuario son fundamentales, la implementación de la IA debe realizarse con cuidado, pero sin frenar su potencial.
