La personalización masiva de los servicios bancarios

Facundo del Pino, Director de Operaciones

En el evento Fintech Américas 2025 en Miami me tocó dar una presentación junto a Hector Deambrosi, Head of Sales de Infocorp para Latam, sobre las oportunidades que la implementación de Inteligencia Artificial Generativa en banca ofrece para personalizar masivamente la experiencia de los clientes.

En este artículo me gustaría compartir el contenido de nuestra charla, algunas reflexiones y casos aplicados sobre este tema crucial para la transformación digital bancaria.

La inteligencia artificial generativa desafiando paradigmas

El título de nuestra presentación, propuesto por la organización del evento, fue “Hecho a medida: el auge de la personalización masiva”, y tenía como objetivo demostrar cómo en Delto logramos este efecto por medio de la integración de Gen AI en los canales bancarios.

A primera vista el título parece irónico, estamos acostumbrados a que lo personalizado y lo masivo sean opuestos, y en la mayoría de los casos que se nos pueden venir a la mente efectivamente lo son. Sin embargo, la IA generativa tiene uno de sus grandes diferenciales en lograr brindar una experiencia altamente personalizada para cada individuo pero de forma escalable. 

Antes de analizar ejemplos concretos, pongamos ambos conceptos en el contexto de la banca en Latinoamérica:

Los usuarios de los bancos (al igual que de otras instituciones) bajo el paraguas de la personalización buscan:

• Relevancia y timing: que las interacciones sean las que necesitan y en el momento que las necesitan.
• Disponibilidad 24/7: que esté disponible a toda hora.
• Contexto y memoria: que la tecnología identifique quien es el usuario y se acuerde de lo que hablaron antes.
• Solución inmediata: quieren lineamientos claros en el momento de si lo que quieren está resuelto o cuándo se va a resolver. 

Los bancos por su parte, bajo el paraguas de lo masivo buscan:

• Incrementar el revenue: llegar a más clientes con mayor cantidad de productos
• Mejorar la experiencia del cliente: Mejorar la calidad de la interacción ofreciendo más canales con altos estándares de servicio y comodidad así como conveniencia. 
• Eficiencia operativa de costos: que la cantidad de interacciones no sea lineal al costo de realizarlas.
• Escalabilidad: replicar rápidamente modelos que funcionan sin grandes fricciones.  

Anteriormente estos mundos parecían opuestos, muchas veces incluso divididos dentro de unidades disociadas de atención, algunas más populares y otras más premium. 

Con la llegada de la inteligencia artificial generativa, este paradigma comienza a ser cuestionado y se abren posibilidades muy interesantes para que los bancos mejoren la calidad de la experiencia del cliente a un nivel "premium para todos", manteniendo o incluso reduciendo los costos operativos. Veamos algunos números y ejemplos que respaldan esta transformación en la industria bancaria.

El impacto de la Gen AI en banca según las consultoras

Una vez que entendemos el potencial de la IA generativa como un nexo entre la personalización y la masividad, es bastante intuitivo aceptar estas promesas de beneficios, pero siempre resulta conveniente respaldar con números. 

Analizando diferentes fuentes e informes realizados por consultoras de renombre podemos concluir algunos insights sumamente interesantes. En resumen, no solo indican que la implementación de canales conversacionales en Customer Operations (actividades tanto de atención al cliente como transaccionales con el cliente final como transferencias, contratación de seguros, operaciones con tarjetas de crédito, entre otras) tiene un potencial de impacto tremendo, sino que también la industria bancaria en sí misma es la segunda industria con mayor potencial de percibir beneficios.  

Resumen de algunos indicadores clave:

• Marketing, ventas y customer operations (todas actividades de cara al cliente) están entre las 6 actividades con mayor potencial de impacto, representando el 75% de los beneficios totales proyectados.
• Customer Operation es el área de mayores beneficios potenciales en cuanto a la eficiencia operativa con casi un 40%, esto es, dicho de otra manera, lo que podría ahorrarse en costos una empresa para esta actividad incorporando GenAI.
  ‍

‍

Haciendo el corte por sector, como comentaba más arriba, podemos encontrar lo siguiente para la industria bancaria:

• La banca se encuentra en el segundo lugar en el orden del impacto potencial por industria. 
• El alcance económico esperado es de entre el 2.6% y el 4.7% del revenue total de la industria, lo que para la banca es de entre 200 y 340 billones de dólares.
• Las áreas de mayor impacto esperado dentro de la banca son: customer operations, marketing y ventas, software y compliance.

Además de estos indicadores sobre el potencial, también encontramos que la intención de inversión de los tomadores de decisiones está orientada a incrementar la inversión en GenAI en el sector bancario. 

Sin embargo, más allá de las predicciones de altos beneficios y la intención explícita de invertir a favor de ellos, los mismos tomadores de decisiones no se sienten satisfechos con los resultados obtenidos y se encuentran con dificultades para encontrar argumentos suficientes para expandir la implementación más allá de un par de casos de uso. 

Desafíos en la implementación de Inteligencia Artificial Generativa en bancos

A nuestro entender podemos en parte explicar esta disociación entre el potencial y la realidad por un proceso normal que se vive en la mayoría de las disrupciones tecnológicas. Para ponerlo de una forma simplificada, estamos en un momento en el que, luego del hype inicial, nos estamos dando cuenta de que para aprovechar el potencial de los chatbots en la banca, se requiere un trabajo significativo, precauciones y ajustes. Dicho de otra manera, incorporar Gen AI a los procesos de un negocio, y más aún a la industria bancaria, no es tan fácil como parece o a veces nos dicen; pero lo positivo es que es posible. 

Algunos de los desafíos más comunes a los que nos enfrentamos al implementar este tipo de tecnología son los siguientes:

• Control de alucinaciones y segmentación precisa de las capacidades de los agentes conversacionales.
• Uso eficiente y escalable de tokens y gestión de los costos asociados a los LLMs.
• Crecimiento modular e iterativo de los agentes conversacionales para obtener resultados rápidos y construir confianza.
• Infraestructura, seguridad y gobernanza de los datos y potencial información sensible 
• Cumplimiento de regulaciones específicas de la industria bancaria (bancos centrales y superintendencias) nacional e internacionalmente, tanto actuales como futuras. 

Estos desafíos son preocupaciones reales y desafíos para las instituciones financieras que buscan implementar este tipo de tecnología en diferentes unidades de negocio de la banca. Específicamente esos puntos son los dolores que buscamos resolver en Delto con nuestro producto, ofreciendo soluciones conversacionales robustas y seguras para banca. Si deseas conocer más sobre cómo podemos ayudarte, puedes visitar nuestra página de soluciones.

Pero como mencionamos más arriba, este tipo de desafíos, obviamente con las particularidades del caso en cuestión, son parte del proceso normal de aprendizaje e innovación tecnológica. En este caso es clave no perder de vista el potencial beneficio que ofrece y las buenas prácticas necesarias para superar los diversos obstáculos. 

Ejemplos aplicados a la banca en Colombia y Argentina

A continuación, compartimos algunos ejemplos que presentamos en Fintech Américas 2025 y que actualmente estamos implementando en Delto con diferentes clientes para mejorar la experiencia del cliente. Estos son ejemplos meramente representativos de algunas capacidades aplicadas a algunos casos de uso, pero a modo de referencia actualmente en nuestro producto contamos con más de 300 capacidades (nosotros les llamamos skills) pre diseñadas para banca, la mayoría tienen la capacidad de realizar acciones similares a éstas en diferentes casos de uso, tanto de atención al cliente como transaccionales, incluso transferencias, pago de servicios, etc. 

Conclusiones 

Cerramos la charla con algunos insights que comparto a continuación, donde presentamos algunas conclusiones que distan mucho de ser reveladoras, sino más bien de sentido común, pero que al ser de este tipo nos permiten también ver la implementación de proyectos de inteligencia artificial generativa en la banca mucho más cercana y palpable. 

Lo que destacamos fue:

• La Gen AI tiene la capacidad de ser el nexo entre dos “mundos” que parecían enfrentados, la personalización y la masividad. 
• El impacto potencial de esta tecnología es real y muy significativo, especialmente para customer operations dentro de la industria bancaria en Latinoamérica.
• Hay una intención clara de implementar este tipo de tecnología en la industria bancaria y la capacidad de acceso a inversión para hacerlo. 
• Es importante conocer todos los desafíos que se nos van a presentar en el camino y que la tecnología en sí misma no es lo único a tener en cuenta.
  ‍

---------------------------------------------------------------------------------------------------------------------------------------------------------------

En Delto nos especializamos en la implementación de canales conversacionales con inteligencia artificial generativa para la industria bancaria. Si estás interesado en conocer más sobre nuestra solución y cómo podemos ayudarte a transformar la experiencia de tus clientes, no dudes en contactarnos.