IA Generativa: ¿Dónde Estamos a Dos Años del Lanzamiento de ChatGPT?
Explorando las aplicaciones reales de la IA Generativa en las industrias de Finanzas y Seguros
Estamos cerca de cumplir dos años desde el lanzamiento de ChatGPT, un hito que reveló el enorme potencial de la IA Generativa. En su momento, se especuló mucho sobre todo lo que esta tecnología podría lograr, emergieron numerosos "expertos" y se realizaron inversiones multimillonarias en startups.
Hoy, dos años después, el panorama es más claro. El "humo" que rodeaba a las expectativas iniciales se ha disipado, y ya sabemos quiénes liderarán la carrera en el desarrollo de modelos e infraestructura de IA Generativa. (Spoiler alert: Amazon, Nvidia, Google, Microsoft/OpenAI y Meta). Ahora podemos identificar con mayor precisión dónde reside el verdadero valor de estas tecnologías.
En este artículo, voy a explorar aplicaciones concretas que hemos observado en la industria financiera y aseguradora de América Latina, así como algunos avances futuros que podemos esperar.
¿Para que ha resultado buena la IA Generativa?
Una de las lecciones más claras que hemos aprendido en estos años es qué hace bien la IA Generativa. Para explicarlo, me gusta utilizar una analogía del libro Thinking, Fast and Slow de Daniel Kahneman. En su texto, Kahneman describe dos tipos de pensamiento que tenemos los humanos:
El Sistema 1 es el que opera de manera rápida, automática y sin esfuerzo consciente, respondiendo a situaciones cotidianas con intuición. Por otro lado, el Sistema 2 es más lento, deliberado y lógico, encargado de resolver problemas más complejos que requieren concentración y análisis.
La IA Generativa sobresale en tareas que encajan dentro del Sistema 1, aquellas que se benefician de velocidad y detección de patrones. Entre sus capacidades más destacadas se encuentran:
Generación de contenido: desde redacción de textos hasta creación de imágenes, es una de las aplicaciones más llamativas y populares.
Transcripción, resumen y análisis sencillo de grandes volúmenes de información, haciendo más accesibles los datos masivos.
Asistir en tareas rutinarias: como copilotos digitales que facilitan tareas como corrección ortográfica y traducción de forma rapidísima.
Atención al cliente y simulación de roles: brindando experiencias de chat que son rápidas y consistentes.
Clasificación y estructuración de datos no estructurados, organizando información caótica de manera eficiente.
En resumen, la IA Generativa es excelente en tareas que requieren velocidad, manejo de grandes cantidades de datos y asistencia en tiempo real, todas áreas donde el Sistema 1 domina.
¿Para que ha resultado mala la IA Generativa?
Por otro lado, la IA Generativa tiene limitaciones claras cuando se trata de tareas relacionadas con el Sistema 2, que requieren razonamiento profundo y deliberado. Un buen ejemplo de esto es hacerle preguntas no tan complejas a ChatGPT, pero que requieren pensar. En esos casos, sus respuestas evidencian las áreas donde no sobresale.
Para resumir las principales debilidades de la IA Generativa:
Razonamiento profundo: La IA Generativa no "piensa" realmente; solo identifica y replica patrones en los datos que ha procesado. Esto la hace ineficaz en situaciones que requieren pensamiento crítico.
Generación de contenido verdaderamente original: Aunque puede producir textos variados, estos a menudo carecen de profundidad o estilo distintivo, resultando en contenido genérico. No tiene la capacidad de razonamiento creativo o reflexivo.
Confiabilidad en situaciones críticas: En contextos donde se necesita alta precisión y fiabilidad, como la medicina o industrias que son altamente reguladas, el riesgo de que la IA genere "alucinaciones" o respuestas incorrectas es demasiado alto. Esto podría tener consecuencias graves si se depende de ella en situaciones críticas.
¿Cómo se está aplicando en la industria financiera?
El éxito del uso de la IA Generativa en las industrias financiera y aseguradora radica en aprovechar sus fortalezas, mientras se mitigan los riesgos asociados a sus limitaciones. Durante estos dos años, hemos visto varios casos donde esta tecnología ha marcado una diferencia tangible:
Atención al cliente y ventas de productos financieros simples: La IA ha demostrado ser efectiva en la resolución de consultas y la venta de productos como seguros de viaje o seguros de salud individuales, donde la capacidad de ofrecer respuestas rápidas y precisas 24/7 es crucial.
Asistentes y copilotos para ejecutivos: Herramientas impulsadas por IA que ayudan a sintetizar grandes volúmenes de información permiten a los ejecutivos tomar decisiones más ágiles y precisas. Esto es especialmente valioso para roles como ejecutivos de cuenta, evaluadores de riesgo, tasadores y liquidadores de seguros, donde la rapidez en el acceso a datos mejora sustancialmente la eficiencia.
Estructuración de información no estructurada: En procesos que requieren una interacción compleja con los usuarios, como los reembolsos de gastos médicos, la IA puede identificar automáticamente información incompleta o faltante, agilizando estos trámites y mejorando la experiencia del cliente.
Auditoría y automatización de procesos de backoffice: En industrias reguladas, muchos procesos de backoffice son fundamentales para el cumplimiento normativo y, en su mayoría, demandan mucho tiempo. La IA Generativa está demostrando su capacidad para automatizar tareas como la evaluación de llamadas de venta, donde puede detectar con mayor precisión que los humanos imprecisiones o errores respecto al guion de ventas del producto.
La IA Generativa ya está teniendo un alto impacto en el sector financiero y asegurador, transformando procesos clave, optimizando tiempos de respuesta y mejorando la experiencia del cliente. Sin embargo, su implementación efectiva depende de un enfoque cuidadoso que maximice sus capacidades mientras se gestionan los riesgos inherentes.
El futuro
El próximo gran avance para la IA Generativa es la capacidad de razonar de manera más profunda. Nuevos modelos están en desarrollo, diseñados para tomarse más tiempo en procesar las respuestas, pero a cambio ofrecer un razonamiento más sólido y confiable. Esto marcará un cambio relevante, permitiendo que la IA no solo actúe de manera rápida y automática, sino que también pueda abordar problemas complejos con mayor precisión y lógica.
Al combinar las capacidades del Sistema 1 con el Sistema 2, la IA Generativa tiene el potencial de transformar significativamente las aplicaciones en la industria financiera y aseguradora. No solo se limitará a automatizar procesos y mejorar experiencias, sino que también podrá abordar tareas más complejas, como el análisis profundo de datos para optimizar la tarificación, el diseño de productos financieros y la automatización de procesos complejos de reclamación, como la liquidación de siniestros en seguros de automóviles. En el futuro, esta tecnología podría ser crucial para generar recomendaciones financieras más sofisticadas, que no solo se basen en patrones comunes, sino que integren un análisis crítico para ofrecer soluciones verdaderamente personalizadas según el perfil y las necesidades específicas de cada cliente.
A diferencia de muchas empresas que dicen estar experimentando con estas tecnologías, en Atipicus contamos con experiencia real en el desarrollo y la implementación de productos digitales que incorporan IA Generativa. Si te interesa saber más de nuestra experiencia no dudes en contactarme a mauricio@atipic.us.