Según una encuesta de KPMG, el 71% de las gestoras ya utiliza la IA en la toma de decisiones y el 78% espera un retorno positivo de inversión en los próximos tres años.
COLABORACIÓN escrita por Ignacio Estirado Casado, Socio en Consultoría Sector Financiero, y Giulio Carlo Dell'Amico, responsable de Asset & Wealth Management en KPMG.
A nadie se le escapa el actual furor por la Inteligencia Artificial y cómo puede transformar los modelos de negocio y operativos de las compañías. La capacidad de aprendizaje, pero sobre todo de interacción, a través de lenguajes LLM, ha supuesto un cambio de paradigma, recuperando iniciativas despriorizadas por su complejidad técnica, coste y viabilidad. Según la encuesta KPMG GenAI Survey de 2024 con 225 líderes mundiales, el 71% de las organizaciones ya utiliza la IA para apoyarse en la toma de decisiones, y el 78% considera que las inversiones que se están realizando (y prevén incrementar en los 3 próximos años) tendrán un retorno ROI positivo.
Existe la tentación, cuando relacionamos la Inteligencia Artificial con la gestión de activos, de pensar en una tecnología que “sustituya” al gestor de inversiones y compita en la “búsqueda de Alpha”. Sin embargo, Gestoras y Distribuidores de inversión están actualmente trabajando en diferentes iniciativas, sin ser la búsqueda de rentabilidad del producto la primera. Esta planificación resulta coherente con las mayores fortalezas observadas hasta ahora en la IA, la aplicación de instrucciones concretas en base a patrones claros, pero también con un criterio de prudencia en su uso, pudiendo tener valor incluso sin una decisión automática. Elegir los casos de uso más adecuados, mientras se produce el propio aprendizaje de la compañía, está suponiendo un paso previo a una transformación completa. Una estrategia gradual de este tipo garantiza que las compañías puedan comprender en su totalidad el potencial de la IA, al tiempo que gestionan los riesgos eficazmente, preparando el camino para la innovación sostenible.
Ocho casos de uso en IA en Gestión de Activos
Asumiendo la dificultad de plasmar en un artículo todos los ámbitos, destacar algunas soluciones sectoriales:
- Chatbots conversacionales internos/externos: para que los gestores puedan centrarse en aspectos de mayor valor añadido, las compañías están introduciendo sistemas que permitan resolver dudas generales de sus empleados fuera del negocio (cuestiones laborales, procedimientos de la compañía, gastos, etc.). Para clientes, aunque el grado de prudencia es mayor, y la especialización del gestor aún no puede sustituirse en los clientes de mayor valor, las compañías están combinando diferentes enfoques.
- Herramientas de percepción de sentimiento de mercado y análisis financiero: el análisis de grandes fuentes de información ligadas a la inversión, con especial celeridad, incluyendo resultados de las compañías o instrumentos financieros, research, noticias o publicaciones que constituyen sentimiento de mercado, permite obtener respuestas rápidas al gestor y ayudarle a ordenar su análisis.
- Eficiencia operativa en procedimientos internos: el sector ha analizado las oportunidades en toda su cadena de valor, identificando potencial de simplificación en procesos operativos, como por ejemplo cuestiones de facturación, soporte a procesos de diligencia debida o procesos fiscales. Estos procesos también han impactado en front office, aunque aún existe más foco en middle y back.
- Conciliaciones: la capacidad de reforzar los marcos de control, con mejores validaciones que hasta ahora no eran automatizables, permite anticipar potenciales incidencias y resolverlas, extendiéndose desde procesos diarios hasta reporting periódicos.
- Generación de documentación: cumplir las divulgaciones pre- y post- contractuales de los fondos de inversión requiere un análisis de múltiples subyacentes y de documentos bastante heterogéneos. Los sistemas que ayudan a clasificar la información obtenida y a integrarla en documentos clave ayudan a las compañías.
- Soporte a desarrollos tecnológicos: la propia IA se está tornando en una ayuda fundamental al integrar soluciones tecnológicas, que vinculen los resultados de diferentes sistemas en instrucciones clave para los gestores. Cuando el gestor no contaba con un background tecnológico, poder recurrir a la IA tiene un impacto diferencial.
- Gestión del portfolio y sus riesgos: por supuesto, el análisis más cuantitativo de potenciales desviaciones en los portfolios, ya sea a través de movimientos de mercado, órdenes de clientes, peticiones de colateral o eventos corporativos de los subyacentes, es un foco de análisis de las compañías, que buscan sofisticar las alertas más simples que podían tener tanto las unidades de front como riesgos.
- Experiencia personalizada del cliente y sistemas de recomendación: la IA se utiliza cada vez más para ofrecer experiencias personalizadas a los clientes a través de sistemas avanzados de recomendación. Estas herramientas analizan las preferencias de los clientes, el historial de transacciones y las condiciones del mercado para proponer oportunidades o soluciones de inversión personalizadas.
Ocho pasos clave para avanzar en la implantación de la IA en AM&WM
Los beneficios de la IA no están exentos de riesgos: Entre otros, regulatorios, ciberseguridad, calidad de la información y sus respuestas, la propia gestión del cambio cultural, y la dificultad de trazabilidad en algunos casos. Por ello, resulta clave avanzar en algunas acciones:
- Introducir un modelo de gobierno adecuado de la inteligencia artificial, con responsabilidades claras.
- Disponer de una estrategia clara y priorización de casos de uso, dotando de recursos suficientes a cada prueba para obtener el máximo potencial, aunque esto suponga reducir el número de casos de uso.
- Desarrollar un marco de mitigación de riesgos para hacer frente a posibles fallos de la IA, incluidos errores en los resultados o caídas del sistema, garantizando una rápida resolución y estabilidad operativa.
- Disponer de una infraestructura técnica sólida y adecuada, preparada para hacer frente a los riesgos IT que puedan surgir, y con ayudas claras a los usuarios.
- Introducir un modelo de control adaptado a las particularidades de la IA, que cumpla criterios clave de trazabilidad y las expectativas regulatorias y de otros terceros.
- Fortalecer la capacitación en Inteligencia Artificial (desde cuestiones operativas en prompts o supervisión hasta su integración en el negocio), poniendo a disposición de los usuarios recursos que eviten partir de cero.
- Evaluar diferentes soluciones y combinar capacidades in-house con el aprendizaje existente de terceros en el mercado, para asegurar un time-to-market adecuado.
- Medición del retorno y rentabilidad de las iniciativas, asegurando los beneficios esperados.
Expectativa regulatoria
Aunque el uso de IA en decisiones de inversión no haya sido calificado como tratamiento de alto riesgo en la IA Act, a diferencia de otros modelos como la concesión de crédito a minoristas o tarificación de determinados seguros, sí resultan de aplicación requerimientos regulatorios exigentes en función del uso de la IA:
- Algunos casos de uso analizados en recursos humanos u otros ámbitos pueden caer en la definición de alto riesgo.
- La obligación de incluir un marco de control cubre otros tratamientos diferentes a los de alto riesgo, con hitos especialmente en 2026.
- ESMA ya divulgó un comunicado en 2024 sobre la relación de la IA con regulaciones vigentes como MiFID, esperándose mayor guía sectorial a futuro.
- Ya se ha constituido una Agencia Europea de Inteligencia Artificial, que puede trasladarse a cada país. El rol que adoptará respecto a sector financiero, y en concreto en el ámbito de inversiones, junto a otras autoridades competentes, será una cuestión a clarificar. Mientras algunos países han integrado de momento las funciones de supervisión en instituciones existentes, en España ya se ha establecido una Agencia propia, la AESÍA (Agencia Española de Supervisión de la IA) que trabajará con otros supervisores existentes en la supervisión de la IA.
Próximos pasos
Los casos de uso cada vez más desarrollados y de valor añadido son una buena noticia. En cualquier caso, alcanzar la plenitud en la IA requiere aún el despliegue de estrategias y hojas de ruta más completas, y por supuesto hacerlo bajo un entorno controlado de gobierno y cumplimiento de la regulación. Sin duda, retos significativos para 2025 y 2026. Aunque no exista aún la solución “mágica” para la búsqueda de alpha, la reducción de costes operativos también puede contribuir a reducir el coste del producto al cliente, y por tanto incrementar su rentabilidad.
