El director de tecnología e información de Bank of America dijo que uno de los errores más comunes que cometen las empresas con la inteligencia artificial es recurrir a ella primero, incluso mientras su propio banco se prepara para duplicar su presupuesto de IA el próximo año.

Los comentarios ofrecen una instantánea de cómo dos pilares de las finanzas globales deciden dónde la IA justifica su inversión y dónde herramientas más simples hacen el trabajo mejor.

"Uno de los mayores errores que nos vemos cometiendo a nosotros mismos y a otros es apresurarse a usar la IA como solución", dijo Hari Gopalkrishnan en la AIQ Summit de Fortune en Nueva York, "cuando los modelos deterministas hacen un trabajo más que suficiente".

Gopalkrishnan participó en el panel junto a Sally Moore, directora de clientes de S&P Global y co directora de Kensho Data & Platforms. El director editorial de Fortune, Andrew Nusca, moderó la discusión.

Bank of America: primero las herramientas simples

Gopalkrishnan dijo que el banco parte de lo que los clientes necesitan y construye un "inventario de procesos" de los pasos detrás de sus solicitudes. Con frecuencia decide no usar IA, "muchas veces", dijo, concluyendo que una aplicación móvil o una regla de decisión en tiempo real pueden ser la mejor respuesta.

Cada proyecto de IA del banco también pasa por una revisión que cubre 16 "pilares" de riesgo, incluidos privacidad, sesgo, impacto en la fuerza laboral y propiedad intelectual. "No vamos a implementar un chatbot que solo entienda ciertos acentos", dijo.

El banco ha usado IA desde hace más de una década, comenzando con modelos de fraude, dijo. Su asistente virtual Erica ha procesado 3.600 millones de transacciones, según Gopalkrishnan, quien agregó que sin ella el banco necesitaría 11.000 personas más para atender las llamadas de los clientes. Un comunicado de prensa del banco en marzo contabilizó las interacciones de Erica con clientes en más de 3.200 millones.

Esa cautela coexiste con un gasto considerable. El CEO Brian Moynihan dijo en septiembre que alrededor de 140 aplicaciones de IA cuestan al banco 400 millones de dólares y generan 800 millones de dólares en beneficios, y que el presupuesto de gastos de IA duplicará el próximo año. La duplicación de presupuestos junto con esa revisión metódica captura la tensión a la que el panel volvió una y otra vez: invertir mucho, pero solo donde la tecnología demuestra que funciona.

El gasto se canaliza con cuidado. Gopalkrishnan dijo que el banco no depende de un modelo específico: una capa de orquestación, llamada Orchestra, envía tareas simples de clasificación a modelos de pesos abiertos aprobados que corren en las GPU propias del banco, mientras que el razonamiento más complejo va a modelos propietarios. Dijo que esta configuración también ayuda a controlar los costos de tokens.

En gestión de patrimonio, dijo que los asesores ahora pueden prepararse para reuniones con clientes en "segundos y minutos", un trabajo que antes tomaba días y semanas.

En cuanto a los agentes autónomos, el banco no tiene prisa. "Hay tanto jugo por exprimir ahora mismo con agentes asistivos que realmente trabajan con humanos en el circuito", dijo Gopalkrishnan. El banco irá más lejos a medida que mejore la infraestructura de control.

También abordó la seguridad y señaló que los modelos de IA son cada vez mejores para encontrar vulnerabilidades de software, lo que hace esenciales la actualización de parches y el desarrollo seguro, tanto si una empresa despliega IA como si no. Lo que está en juego va más allá de una sola institución, argumentó: si un banco pequeño en cualquier lugar tiene un problema, la gente pierde la fe en el sistema financiero.

S&P Global: los datos como moneda

Moore dijo que su empresa, de 160 años, se está reposicionando de manera agresiva y cuidadosa. S&P Global es la agencia de calificación crediticia más grande del mundo y uno de los mayores proveedores de índices, y gran parte de sus datos financieros alimenta flujos de trabajo regulados, dijo.

"Los datos son la moneda dentro de la IA", dijo Moore, y agregó que los clientes necesitan precisión, citas, y auditabilidad y trazabilidad hasta la fuente. En un negocio cuyos datos alimentan flujos de trabajo regulados, esa auditabilidad es la condición para usar IA en absoluto.

Ella atribuyó mérito a una apuesta temprana: S&P Global adquirió la empresa de IA Kensho en 2018, un movimiento que "nos ha dado una ventaja", dijo, explicando que desde entonces la empresa ha puesto a Kensho en el centro del negocio. El 6 de julio, dividió su división Market Intelligence en dos unidades. La primera, Kensho Data & Platforms, empareja "Kensho Data" (la capa de entrega de datos e IA orientada al cliente) con un grupo de Platforms que alberga Capital IQ, Ratings Direct, Visible Alpha y With Intelligence. La segunda unidad es Enterprise Solutions. La CEO Martina Cheung dijo que los cambios deberían impulsar el crecimiento de ingresos y mejores márgenes. La reorganización somete esos objetivos declarados a una prueba concreta de si una estrategia de datos centrada en la IA da resultado.

Hace unos dos años, S&P Global también creó una oficina de cliente principal, dirigida por Moore, para trabajar más de cerca con los clientes. Incluye un grupo de laboratorios y lo que la empresa llama expertos desplegados hacia adelante, que trabajan junto a los clientes en IA.

S&P Global atiende a 60.000 clientes en diferentes etapas de adopción de IA, dijo Moore. La empresa trabaja con laboratorios de IA fronteriza, incorpora sus datos en modelos de lenguaje de gran y herramientas de productividad, y ahora construye sus propios agentes. Los casos de uso van desde tareas amplias, como banqueros preparándose para reuniones y pitch books, hasta agentes especializados construidos para un solo trabajo.

Ofreció un ejemplo. Un banco de primer nivel con 8.000 banqueros estaba combinando conjuntos de contenido de S&P en su propia plataforma. S&P ayudó a llevar el proyecto a producción "seis veces más rápido", dijo, y la precisión subió de alrededor de 60% cuando el banco comenzó a 98% después. No nombró al banco, y las cifras son de S&P.

La empresa también construyó un agente de "creación de memos de crédito" que mantiene a los humanos en el circuito y se basa en la confianza en los datos subyacentes.

Al igual que Gopalkrishnan, Moore enfatizó usar la herramienta correcta para cada trabajo. La opción determinista de S&P Global para modelos de lenguaje es una API, que no genera costos elevados de tokens, dijo, mientras que la más compleja "recuperación adaptativa de datos a escala" cuesta más. Como los clientes pagan por datos, tecnología y eficiencia de personal desde presupuestos distintos, S&P discute con ellos un rango de resultados.

Donde difieren

Al preguntarle si alguna vez elige no usar IA, Gopalkrishnan dijo que la respuesta más simple suele ser la mejor. "La IA no siempre es la respuesta correcta", dijo.

Moore estuvo de acuerdo y luego llevó el punto más lejos. "Creo que Hari lo dijo muy bien. No se trata de la herramienta correcta. Es un poco sobre reinvención", dijo. "¿Qué estoy tratando de resolver aquí? ¿Y hasta dónde puede llevarme esta tecnología?"

Dentro de S&P Global, eso ha significado una oficina central de transformación que reúne a tecnólogos y, más recientemente, a operaciones de datos. Ambas empresas han dejado puntos de referencia medibles para los próximos meses: el presupuesto de IA duplicado del banco entra en vigor el próximo año, y las divisiones reorganizadas de S&P Global serán evaluadas según los objetivos de crecimiento y márgenes de Cheung.

En la ronda final de preguntas rápidas, Moore señaló la "inteligencia integrada", que dijo "crea una oportunidad para ir más allá de los clientes que atiendes hoy".

Gopalkrishnan tuvo la última palabra: "Creo que anticipar las necesidades de tus clientes y servirlos donde se encuentran te diferenciará en un espacio que de otro modo está comoditizado".

Los periodistas de Fortune usaron IA generativa como herramienta de investigación para este artículo, y un editor verificó la exactitud de la información antes de publicarlo. Esta historia fue publicada originalmente en Fortune.com.