Héctor Arias, Global Lead for retail banking de Red Hat.
El sector financiero está transformando su operativa de la mano de la inteligencia artificial generativa. Desde la optimización de procesos internos con sistemas agénticos que son capaces de resolver consultas complejas o prevenir el fraude en tiempo real hasta la redefinición de la interacción con el cliente a través de chatbots y asesores virtuales inteligentes, la IA ha dejado de ser una promesa para convertirse en una realidad que impulsa un cambio profundo en la forma en que las entidades financieras trabajan y se relacionan con sus usuarios. Esta rápida adopción de la IA, sin embargo, hace que nos preguntemos si la infraestructura tecnológica con la que cuentan está preparada para soportar estas nuevas necesidades.
La revolución de la IA generativa viene acompañada de una demanda de recursos computacionales sin precedentes. Gran parte de la conversación inicial se ha centrado en el entrenamiento, el proceso mediante el cual un modelo aprende a partir de ingentes volúmenes de datos. Es un coste que se asume en la fase de preparación del modelo. Sin embargo, el verdadero desafío operativo para las entidades financieras reside en la siguiente fase, que es continua y recurrente: la inferencia.
La inferencia es el motor de análisis de la IA, el proceso mediante el cual un modelo ya entrenado realiza predicciones o genera respuestas en tiempo real. Cada consulta a un asesor virtual, cada análisis de fraude o cada recomendación personalizada implica una operación de inferencia que requiere una gran cantidad de potencia de cálculo, especialmente de las costosas unidades de procesamiento gráfico (GPU).
El uso de un asesor virtual no es el mismo por la noche que por el día, o durante una campaña comercial. Mantener una infraestructura rígida para estos picos de inferencia significa tener recursos caros ociosos. La adopción efectiva de la IA generativa requiere una infraestructura subyacente que no solo sea potente, sino intrínsecamente elástica y capaz de escalar en segundos los recursos a estas fluctuaciones, y reducirse para optimizar costes cuando la demanda disminuye.
La eficiencia de coste de la IA no solo se puede conseguir a través de la infraestructura sino también a través de la arquitectura del modelo. El uso de grandes modelos de lenguaje (LLM) puede ser inviable económicamente para una empresa que tiene que hacer frente a miles de millones de tokens diarios. En estos casos se puede hacer uso de los pequeños modelos de lenguaje (SLM), que, al ser más ligeros y centrados en una finalidad concreta, ofrecen una ejecución de menor consumo, que supone un ahorro en los costes de inferencia.
La evolución tecnológica del sector financiero
La última década en el sector financiero ha estado marcada por una profunda transformación digital, cuya raíz se encuentra en la irrupción de las fintech en el escenario poscrisis de 2008. Lo que inicialmente se percibió como una competencia de nicho, a mediados de la década pasada se consolidó como un desafío estructural que obligó a la banca tradicional a replantear sus cimientos digitales. Sin embargo, su estricto entorno regulatorio llevó al sector financiero a optar por una estrategia dual de transformación.
Por un lado, para gestionar sus sistemas legacy y cumplir con las estrictas regulaciones del sector, la industria siguió apoyándose en la virtualización. Las máquinas virtuales (VMs) ofrecían el aislamiento y la seguridad necesarios, consolidándose como el pilar para las cargas de trabajo tradicionales. Al mismo tiempo, para el desarrollo de nuevas aplicaciones y servicios cloud-native, el sector financiero adoptó de forma acelerada la tecnología de contenedores, de tal manera que podía optar a los entornos de nube híbrida o de múltiples nubes para desarrollar nuevos canales digitales, personalizar la experiencia del cliente y lanzar productos al mercado con total agilidad y flexibilidad.
En la era de la IA, esa misma flexibilidad que los contenedores ya aportan a las aplicaciones y servicios cloud-native se ha vuelto indispensable a nivel de toda la infraestructura. Por un lado, la IA generativa demanda una capacidad de cómputo elástica que las arquitecturas de contenedores ofrecen de manera nativa; y, por otro, los cambios disruptivos en las políticas de licenciamiento de los proveedores tradicionales de virtualización han disparado los costes.
En esta nueva coyuntura el sistema financiero está redefiniendo la virtualización. La transición hacia plataformas híbridas, que permitan gestionar de forma unificada tanto las aplicaciones modernas en contenedores como los sistemas legacy que aún residen en máquinas virtuales, se ha vuelto indispensable. Hoy se puede ejecutar esas máquinas virtuales directamente sobre una plataforma de contenedores, obteniendo así lo mejor de ambos mundos, la agilidad de los contenedores sin renunciar al aislamiento necesario para las cargas de trabajo tradicionales.
Soberanía digital y el rol del código abierto
La adopción de la IA en el sector financiero tiene lugar en un contexto en el que la Unión Europea está desarrollando una amplia legislación a favor de la soberanía digital, con el objetivo de que la innovación se lleve a cabo bajo sus propios valores y no dependa de las decisiones comerciales o geopolíticas de potencias externas.
Esta visión se ha materializado en diferentes normativas que buscan establecer un mercado único digital resiliente y responsable. El Reglamento General de Protección de Datos (RGPD), por ejemplo, sentó las bases para la soberanía sobre los datos personales; el Reglamento sobre la Resiliencia Operativa Digital (DORA) estableció los mecanismos para hacer frente a las crisis de riesgo sistémico y la Ley de IA exige que se asuman responsabilidades cuando se decide qué tecnología va a decidir el futuro de los ciudadanos. En esencia, la Unión Europea está pidiendo a su sistema financiero que sea resiliente, transparente y auditable.
En este escenario en el que es necesario innovar adoptando la revolución tecnológica y adaptándose a la regulación europea, la elección de la tecnológica que está detrás de la infraestructura es clave. Las tecnologías de código abierto ofrecen la agilidad y flexibilidad que demanda la era de la IA y se considera como un factor de soberanía por la propia Comisión Europea de acuerdo con el Marco de Soberanía de Nube aprobado el año pasado.
Una plataforma construida sobre estándares abiertos no solo garantiza que una entidad financiera no quede a merced de un único proveedor, sino que da total independencia frente a la propia empresa que suministra el software. Esto significa que, en un modelo de código abierto con soporte empresarial, si la relación comercial finaliza, la entidad no pierde el acceso a la tecnología. Conserva el código y puede seguir operando su infraestructura de forma indefinida, aunque sin el soporte y las actualizaciones del proveedor. Este punto es fundamental en el contexto de la soberanía digital, ya que proporciona una resiliencia a largo plazo y un control sobre la infraestructura que ninguna tecnología propietaria puede igualar.
El sistema financiero se debe preparar para innovar con la velocidad que demanda la IA, asegurando su resiliencia operativa y afianzando la autonomía tecnológica que exige la Unión Europea en un mundo digital cada vez más complejo.
***Héctor Arias, Global Lead for retail banking deRed Hat
