Los algoritmos toman el mando en el análisis financiero

Manuel Purón, director de tecnología y arquitectura de Amazon Web Services, señaló que se escucha mucho sobre el uso de IA agentica pero poco sobre las aplicaciones reales de estas tecnologías, y por ello refirió algunas soluciones en torno a su uso en la industria financiera.

Por ejemplo, menciona las virtudes de esta herramienta para comunicar, pues al ser estructuras compuestas por múltiples “agentes” digitales con roles diferenciados está permitiendo a las firmas financieras delegar tareas complejas de análisis y comunicación a la IA.

“En el caso de Parameta, por ejemplo, su equipo de cumplimiento pasó de tardar hasta un mes en revisar normativas en forma manual a revisarlas en cuestión de minutos gracias a un sistema de IA generativa”, apuntó Purón.

La automatización de análisis y respuestas puede incrementar la productividad de los analistas financieros entre 40% y 60%, al reducir tareas repetitivas de investigación y liberar tiempo para actividades de asesoría estratégica y toma de decisiones. Además, la velocidad de respuesta mejora la satisfacción del cliente y acorta los ciclos de atención de días a horas, esto de acuerdo con el reporte de Paramenta al usar esta herramienta.

En el caso de la firma Athene, que ofrece servicios de retiro y reaseguros, ha incorporado modelos capaces de extraer información clave de documentos escaneados, identificar entidades y evaluar riesgos crediticios sin intervención humana. Este tipo de automatización no solo reduce los tiempos operativos que antes tomaban hasta 80 horas por proceso, sino que también mejora la precisión y la trazabilidad de los datos.

El uso de IA para procesamiento documental reduce el tiempo de validación de datos hasta en 90% y elimina errores humanos derivados de la captura manual. En áreas como underwriting o gestión de siniestros, el ahorro en horas-hombre se traduce en una mayor capacidad para manejar volúmenes crecientes de clientes sin aumentar personal, según un informe de IBM llamado AI-Powered Productivity: Finance.

Empresas como Northwestern Mutual y Rocket Companies han implementado mesas de servicio impulsadas por IA capaces de resolver solicitudes técnicas o desbloquear usuarios fuera del horario laboral. Estos sistemas funcionan como “agentes orquestadores” que administran múltiples subagentes, como son especialistas en crédito, inversiones o atención al cliente, para ofrecer soporte integral y continuo.

“La automatización trae consigo un desafío inevitable: proteger la información financiera sensible. En este sentido, las compañías no solo están usando IA para optimizar procesos, sino también para blindar sus plataformas frente a hackeos, filtraciones y delitos financieros”, mencionó Purón.

La detección temprana de amenazas y automatización de protocolos de seguridad puede reducir el tiempo de respuesta ante incidentes hasta en 70%, y evitar pérdidas económicas o interrupciones de servicio.

En el ámbito de las inversiones y la intermediación financiera, Robinhood y Bridgewater Associates apostaron por sistemas que combinan análisis predictivo y detección de anomalías. Por ejemplo, Bridgewater revela que su grupo interno de IA (AIA Labs) tiene como objetivo utilizar machine learning para generar retornos en el mercado y optimizar la eficiencia interna.

Estas herramientas evalúan millones de operaciones diarias, comparan comportamientos históricos y emiten alertas ante posibles fraudes o movimientos sospechosos.

“Los sistemas de detección basados en IA pueden disminuir los falsos positivos hasta en 30% y acelerar la resolución de alertas en más del 60%, reduciendo la carga de trabajo de los equipos antifraude”, indicó el reporte de Robinhood.

En paralelo, la capacidad predictiva de la IA mejora la eficiencia de los portafolios, al optimizar estrategias de inversión en tiempo real.