La rentabilidad de la IA en banca se ha convertido en un criterio decisivo para ampliar los proyectos tecnológicos, de acuerdo con un análisis de Softtek. Reducir el tiempo dedicado a una tarea o automatizar una parte del proceso no garantiza por sí solo un ahorro real, mayores ingresos o una mejora del margen: las entidades necesitan comparar el resultado obtenido con todos los costes de implantación y funcionamiento.
La inteligencia artificial ha dejado de evaluarse únicamente por su capacidad técnica en el sector financiero. Después de una etapa marcada por pruebas piloto y casos de uso aislados, las entidades comienzan a exigir que cada iniciativa demuestre su contribución a los ingresos, los costes, el riesgo o la experiencia del cliente.
Esta es una de las principales ideas de The AI-Powered Banking Shift, un libro blanco de Softtek sobre la transformación de la banca. La consultora sostiene que muchas organizaciones han incorporado inteligencia artificial sin integrarla todavía en sus procesos principales ni convertirla en una ventaja económica sostenible.
El análisis recoge que el 78 % de las organizaciones utiliza inteligencia artificial en al menos una función empresarial, pero solo el 8 % habría conseguido ampliar su aplicación más allá de proyectos piloto o usos marginales para generar un impacto económico relevante. Estas cifras proceden de estudios recopilados por Softtek y no de una encuesta propia representativa de toda la banca.
La rentabilidad de la IA en banca va más allá del tiempo ahorrado
Una herramienta puede reducir varios minutos en la preparación de un informe, la revisión de un expediente o la respuesta a una consulta. Sin embargo, esa mejora no se convierte automáticamente en rentabilidad.
Para que exista un ahorro económico, el tiempo liberado debe utilizarse en otras actividades productivas, permitir gestionar más operaciones con los mismos recursos o evitar costes que la empresa habría soportado de otro modo. Cuando la reducción de tiempo queda dispersa entre numerosos empleados y no modifica la organización del trabajo, el beneficio puede ser difícil de capturar.
El libro blanco indica que los casos de uso adoptados con mayor rapidez suelen mejorar la productividad individual y reducir tiempos operativos, pero generan efectos incrementales y fragmentados. El mayor impacto aparece cuando la inteligencia artificial interviene en procesos completos, decisiones críticas y flujos de trabajo conectados, aunque estas implantaciones también exigen más integración, datos, gobernanza y coordinación interna.
Los datos recopilados en el informe ilustran esta diferencia. La inteligencia artificial muestra una mayor influencia declarada en innovación, con un 64 %, que en rentabilidad, con un 36 %; crecimiento de los ingresos, con un 33 %, o ganancia de cuota de mercado, con un 25 %. Las cifras describen tendencias agregadas y no garantizan esos resultados para una entidad concreta.
Medir la situación inicial antes de contratar tecnología
El cálculo debe comenzar antes de seleccionar una herramienta. La empresa necesita identificar un problema concreto y medir cómo funciona actualmente el proceso: cuánto cuesta, cuánto tarda, qué volumen gestiona, cuántos errores produce y qué consecuencias tienen esos fallos.
Sin una referencia inicial no puede saberse si la inteligencia artificial ha mejorado realmente el resultado. Comparar el funcionamiento posterior únicamente con expectativas, demostraciones comerciales o percepciones de los usuarios puede ofrecer una visión incompleta.
En la detección de fraude, por ejemplo, no basta con contar las alertas generadas. Deben medirse las pérdidas evitadas, los falsos positivos, el tiempo dedicado a revisar cada aviso y las operaciones legítimas que pudieron bloquearse. En atención al cliente pueden analizarse el tiempo de respuesta, la resolución en el primer contacto, las reclamaciones y el coste por consulta.
Los proyectos comerciales pueden relacionarse con la captación, la conversión, la venta cruzada o la retención. En operaciones administrativas resultan útiles el coste por expediente, los errores corregidos, las tareas repetidas y el tiempo total transcurrido hasta completar el proceso.
El coste total incluye integración, supervisión y mantenimiento
El presupuesto de una solución no se limita a la licencia o al consumo de un modelo. Para estimar la rentabilidad deben incluirse la preparación de los datos, la conexión con aplicaciones existentes, la adaptación de procesos, la ciberseguridad, las pruebas, la formación y el tiempo que los equipos internos dedican al proyecto.
También forman parte del coste la supervisión humana, el seguimiento de resultados, la corrección de errores, las actualizaciones y la gestión de proveedores. Si la herramienta utiliza servicios cuyo precio depende del número de consultas, documentos o usuarios, el gasto puede aumentar al ampliar su utilización.
Softtek plantea que la transformación más profunda requiere una infraestructura tecnológica preparada, datos accesibles y gobernados, controles de seguridad, modelos operativos coordinados y capacidades para vigilar las decisiones automatizadas. La consultora considera que la inversión tecnológica debe medirse por su impacto en ingresos, riesgo y ejecución, no solo por el número de herramientas desplegadas.
Una fórmula básica consiste en restar el coste total al beneficio económico obtenido y dividir el resultado entre ese coste. No obstante, el periodo de análisis debe estar definido: un proyecto puede generar pérdidas durante su implantación y recuperar la inversión posteriormente, mientras que otro puede ofrecer ahorros iniciales que desaparezcan por el mantenimiento o el incremento del consumo.
Un criterio aplicable también a las pymes
Aunque el informe se centra en la banca, el mismo enfoque puede utilizarse en pymes financieras y no financieras. Antes de poner en marcha un asistente, un sistema predictivo o una automatización, el negocio puede seleccionar una tarea repetitiva cuyo resultado sea verificable y establecer un periodo limitado de prueba.
El piloto debería contar desde el principio con objetivos, costes máximos, responsables y condiciones para continuar, modificar o cancelar la iniciativa. Esta disciplina evita mantener indefinidamente soluciones que funcionan técnicamente, pero no resuelven una necesidad relevante.
La pyme también necesita comprobar si los resultados pueden mantenerse cuando aumenta el volumen. Una demostración con pocos documentos y supervisión intensiva puede no reproducirse al trabajar con toda la actividad real, diferentes tipos de datos y numerosos usuarios.
El rendimiento económico tampoco debe separarse del riesgo. Un ahorro puede quedar anulado por decisiones incorrectas, exposición de información confidencial, interrupciones del servicio o incumplimientos normativos. La evaluación debe incorporar tanto el beneficio esperado como el coste probable de los errores y los controles necesarios para reducirlos.
La principal cuestión no es cuántas tareas utilizan inteligencia artificial, sino qué cambio verificable produce la tecnología en el funcionamiento de la empresa. La reducción de tiempos constituye un indicador útil, pero solo se convierte en valor cuando contribuye a disminuir costes, evitar pérdidas, elevar ingresos, mejorar el servicio o aumentar la capacidad operativa.
