Lo que aprendimos al empezar a hablar con las Big Four sobre IA

Muhammed Gider
4 min de lectura • 
Cuando desplegamos IA en los flujos de trabajo bancarios de las Big Four, descubrimos que el verdadero cuello de botella no eran las herramientas, sino la carga cognitiva. Esto fue lo que cambió cuando dejamos de diseñar para la automatización y empezamos a diseñar para potenciar el criterio humano a escala.

Cuando empezamos a hablar con las Big Four sobre IA, las conversaciones avanzaron sorprendentemente rápido. No hubo una larga introducción ni hizo falta explicar por qué la IA era importante. Casi de inmediato, socios y consultores sénior empezaron a hablar de en qué se les iba realmente el tiempo. No en tomar decisiones ni en extraer conclusiones, sino en la preparación. Extraer datos de distintos sistemas. Cuadrar cifras. Asegurarse de que los análisis se ajustaran a los estándares internos antes siquiera de empezar a pensar en lo que significaban los resultados.

Lo que nos llamó la atención fue que nada de ese trabajo era de escaso valor. Era necesario. Pero también agotador. Personas con muchísima experiencia dedicaban gran parte de su jornada simplemente a llegar al punto en el que pudiera empezar el verdadero trabajo intelectual.

A medida que avanzaban las conversaciones, identificaron más de unas cuantas decenas de procesos en los que la IA podía desempeñar un papel. Elaboración de informes, cumplimiento normativo, controles financieros, análisis fiscal, revisiones internas. A simple vista, parecía un problema clásico de automatización. No lo era.

La mayoría de estos procesos ya contaban con herramientas, plantillas y automatización parcial. Lo que ralentizaba todo estaba entre los pasos. Cambiar de contexto. Conciliar resultados. Aplicar el criterio de forma coherente a información fragmentada. El verdadero coste no era solo el tiempo, sino la carga cognitiva.

Fue entonces cuando cambió el enfoque.

En lugar de preguntarnos cómo podía la IA hacer el trabajo de principio a fin, empezamos a preguntarnos cómo podía apoyar a quienes lo hacían. ¿Y si la IA pudiera encargarse de las partes que agotan la energía, sin quitarles el control? ¿Y si pudiera preparar borradores estructurados, señalar incoherencias y hacer visible su razonamiento, para que los expertos pudieran centrarse en aplicar su criterio en lugar de en la preparación?

Una vez que este enfoque se puso en marcha, el impacto se volvió tangible.

En todos los equipos, los tiempos de ciclo se redujeron entre un 80 y un 90 por ciento en el trabajo analítico recurrente. Los errores manuales, especialmente en los procesos que exigían mucha conciliación, disminuyeron drásticamente. Y, algo igual de importante, los resultados se volvieron más uniformes entre equipos que antes abordaban el mismo trabajo de maneras ligeramente distintas. De media, los consultores recuperaron entre 40 y 50 horas al mes que ahora podían dedicar a trabajo intelectual de mayor valor.

Pero el cambio más interesante no estuvo en las cifras.

Estuvo en cómo las personas hablaban de su trabajo. Las revisiones se volvieron más tranquilas. Las conversaciones, más centradas. Los revisores sénior dedicaban menos tiempo a comprobar si todo era correcto y más a debatir qué significaban realmente los resultados.

Con el tiempo, el sistema dejó de percibirse como una herramienta que había que usar. Empezó a percibirse como una forma compartida de trabajar, que iba asimilando discretamente cómo se tomaban las decisiones y lo reflejaba en análisis posteriores.

Esta experiencia también reforzó algo en lo que llevamos mucho tiempo creyendo. El avance hacia una inteligencia más general no vendrá de sistemas que intenten sustituir a los expertos en ámbitos complejos. Vendrá de sistemas que reduzcan los obstáculos que rodean al pensamiento experto y lo potencien.

En estos proyectos, la IA creó valor no por ser autónoma, sino por ser colaborativa. No tomaba decisiones por las personas. Les ayudaba a tomar mejores decisiones, más rápido.

Si hay un indicio temprano de dónde cobrarán importancia primero los sistemas similares a la AGI, es aquí. No en la automatización completa, sino en el apoyo al criterio humano a gran escala.

Ese cambio, de la automatización a la ampliación de capacidades, fue lo que marcó la diferencia.

Únete a Dvina

Regístrate gratis y reúne todas tus herramientas en un espacio de trabajo sencillo.

Descubre más