La Inteligencia Artificial se ha convertido en una prioridad estratégica para bancos, empresas de pagos y firmas de inversión en todo el mundo. Sin embargo, la mayoría de las instituciones financieras aún no está invirtiendo en la infraestructura de datos necesaria para sostener esa transformación.
De acuerdo con una investigación global realizada por Hitachi Vantara, únicamente el 10% de las organizaciones financieras considera prioritaria la habilitación de plataformas de almacenamiento y datos preparadas para IA, mientras que apenas el 9% prioriza la implementación de hubs de datos centralizados para gobernanza, analítica avanzada y reutilización de datos.
La situación contrasta con otra realidad: el crecimiento exponencial de la información. El estudio encontró que el 35% de las instituciones identifica la gestión del crecimiento de los datos como su principal prioridad de almacenamiento, reflejando una brecha entre el volumen de información que generan y la preparación tecnológica necesaria para convertir esos datos en valor de negocio mediante Inteligencia Artificial.
“La industria financiera está avanzando con rapidez hacia modelos impulsados por IA, pero muchas organizaciones aún operan con entornos de datos fragmentados que limitan la escalabilidad, la visibilidad y la gobernanza necesarias para aprovechar todo el potencial de estas tecnologías”, señaló Octavian Tanase, Chief Product Officer de Hitachi Vantara.
La gobernanza y la soberanía de los datos toman protagonismo
El estudio también muestra que las preocupaciones regulatorias están redefiniendo la estrategia tecnológica del sector financiero.
La segunda prioridad más importante para las organizaciones encuestadas fue garantizar la soberanía de los datos, el cumplimiento normativo y la gobernanza basada en políticas, mencionada por el 30% de los participantes.
La influencia de estos factores sobre las iniciativas de IA es significativa:
- El 99% afirma que las preocupaciones relacionadas con la soberanía de los datos influyen en dónde ejecutan las cargas de trabajo de IA.
- El 19% asegura que estas restricciones limitan significativamente la escalabilidad o el rendimiento de sus proyectos de inteligencia artificial.
- El 23% restringe las cargas de trabajo de IA a regiones geográficas específicas.
- El 21% entrena modelos de forma centralizada mientras mantiene los datos localmente para cumplir requisitos regulatorios.
- El 16% divide procesos de entrenamiento e inferencia entre diferentes ubicaciones debido a normativas de residencia de datos.
Estos resultados cobran especial relevancia en un contexto donde las instituciones financieras buscan aprovechar tecnologías como IA generativa, automatización inteligente, detección de fraude y analítica avanzada, al mismo tiempo que enfrentan crecientes exigencias regulatorias sobre privacidad y localización de la información.
El costo sigue siendo el principal factor de decisión
Aunque la transformación digital y la IA ocupan gran parte de la agenda tecnológica del sector financiero, las decisiones de infraestructura continúan estando fuertemente condicionadas por criterios económicos.
Al evaluar soluciones de almacenamiento de objetos, el 65% de las organizaciones identifica el costo total de propiedad (TCO) como el factor más importante, muy por encima de la resiliencia y disponibilidad de los datos, que fue seleccionada por el 46%.
Según Hitachi Vantara, esta tendencia refleja el desafío que enfrentan muchas instituciones para equilibrar presiones presupuestarias de corto plazo con inversiones estratégicas necesarias para construir arquitecturas preparadas para IA, capaces de soportar tanto datos no estructurados utilizados por modelos de Inteligencia Artificial como sistemas transaccionales críticos para las operaciones financieras.
Hacia plataformas de datos unificadas
A medida que la IA se integra en procesos centrales de negocio, las organizaciones financieras requieren plataformas capaces de administrar de manera unificada datos en bloque, archivos y objetos, reduciendo la fragmentación y fortaleciendo la gobernanza.
“Las instituciones financieras reconocen que la gestión de datos se vuelve cada vez más compleja. Para aprovechar plenamente la IA necesitan plataformas unificadas que proporcionen disponibilidad, resiliencia y acceso consistente a la información crítica que impulsa tanto la innovación como las operaciones del negocio”, añadió Tanase.
Los hallazgos sugieren que el éxito de la IA en el sector financiero dependerá no solo de la adopción de nuevos modelos y aplicaciones, sino de la capacidad de las organizaciones para construir una base sólida de datos que permita escalar estas iniciativas de forma segura, eficiente y conforme a la regulación.
Metodología
Hitachi Vantara encargó a FStech una investigación para evaluar las prioridades emergentes en infraestructura y gestión de datos dentro de las instituciones financieras. El estudio incluyó a 100 altos responsables de toma de decisiones de bancos, empresas de pagos y firmas de inversión de distintas regiones del mundo, incluyendo líderes de TI, datos, seguridad e Inteligencia Artificial.
