La inflexión en los créditos de la IA: Mapeando el cambio en la infraestructura de los préstamos

La IA en el sector de las aplicaciones informáticas ya no es una promesa futura; se ha convertido en una realidad actual, una fuerza que acelera el desarrollo tecnológico. La curva de adopción de la IA ha entrado en su fase intermedia, una fase exponencialmente rápida, un patrón sin precedentes en la historia moderna de las aplicaciones informáticas. Los datos muestran claramente que se está produciendo un cambio paradigmático en este campo. El gasto en IA por parte de las empresas ha aumentado significativamente.De 1.7 mil millones a 37 mil millones desde el año 2023.Ocupa más del 6% del mercado global de SaaS. No se trata simplemente de un crecimiento, sino de una tasa de expansión que supera a cualquier otra categoría de software en la historia.

El camino hacia esta escala de desarrollo tecnológico ha sido excepcionalmente rápido. A diferencia de los software empresariales tradicionales, que suelen seguir un modelo de adquisición centralizado y desde arriba, la IA está logrando sus primeros avances en las empresas cuatro veces más rápido que los software tradicionales. Esta aceleración es impulsada por los usuarios individuales y los equipos que adoptan herramientas para obtener beneficios inmediatos en su productividad. El resultado es un crecimiento explosivo de productos relacionados con la inteligencia artificial; más de la mitad de los gastos en AI en el año 2025 se destinará a aplicaciones orientadas al usuario, que permiten mejorar significativamente los procesos de trabajo.

Sin embargo, sigue existiendo un vacío crítico. A pesar de esta rápida implementación, un estudio reciente realizado por el MIT señala que…La mayoría de las organizaciones aún no han logrado apreciar el valor real de esto.Esto destaca la tensión que existe entre la experimentación inicial y el trabajo duro necesario para lograr una implementación escalable y que genere beneficios económicos. La capa de software se encuentra en la fase más avanzada de la curva S, pero el camino desde la fase piloto hasta la obtención de beneficios sigue siendo largo para muchos.

Esto establece el punto de referencia. La infraestructura necesaria para el uso de la IA se está construyendo y adoptando a un ritmo sin precedentes. En cambio, el mercado de crédito todavía se encuentra en una fase inicial de su proceso de adopción. El rápido desarrollo del sector de software demuestra lo que es posible cuando una nueva forma de hacer las cosas entra en funcionamiento. El cambio que ocurrirá en el ámbito del préstamo será un proceso más lento, pero estará impulsado por la misma infraestructura y dinámica de adopción que están transformando toda la economía.

Mercados de crédito en la curva S: Retrogrado, pero construyendo las bases para el futuro

La adopción exponencial de la tecnología informática es un indicador clave. Los mercados de crédito también siguen una trayectoria similar, pero con un retraso en su desarrollo. La infraestructura necesaria para el préstamo basado en la inteligencia artificial está siendo creada, pero su implementación todavía se encuentra en su fase inicial. En la actualidad, el uso de la inteligencia artificial en el análisis de riesgos crediticios es bastante limitado y no está dirigido al público general. Esto indica que todavía estamos lejos de alcanzar el punto más avanzado de la curva S. Esto no es una señal de fracaso, sino más bien de un proceso necesario de desarrollo.

La prueba más contundente de esta adopción temprana es el aumento en el número de casos de uso de las funciones bancarias fundamentales. Entre los años 2023 y 2024, los bancos europeos experimentaron un incremento significativo en el uso de estas funciones.Un aumento significativo en el uso de la IA para la evaluación de créditos y la detección de fraudes.Este es el primer nivel esencial: la capa de infraestructura. En esta capa, la IA se integra en los elementos fundamentales del proceso de evaluación de riesgos. Los supervisores están evaluando activamente esta transformación digital, mediante inspecciones in situ, durante cuarto año consecutivo, para verificar la ejecución y las tecnologías que respaldan este proceso. Este tipo de análisis oficial indica que la tecnología está pasando de la fase piloto a la fase operativa.

Sin embargo, un análisis más amplio revela que el mercado todavía se encuentra en una fase inicial. Un estudio reciente indicó que, aunque…El 20% de los ejecutivos encargados de manejar el riesgo de crédito ya han implementado al menos un caso de uso de la inteligencia artificial.La mayoría de las aplicaciones aún se encuentran en etapas de planificación o pruebas preliminares. Las aplicaciones siguen estando limitadas a procesos internos, como la revisión de documentos y la generación de informes. Todavía no han logrado transformar el ciclo de vida del crédito, que debe estar orientado al cliente. Este es un rasgo característico de la adopción temprana de estas herramientas: se están adoptando herramientas fundamentales, pero la transformación hacia decisiones hiperpersonalizadas y en tiempo real aún está lejos de ocurrir.

La condición crítica para esta próxima fase es contar con una infraestructura de datos moderna y un sistema de gobierno eficiente. Como señala uno de los análisis,Los sistemas de datos aislados pueden ralentizar la innovación.En cuanto a la fijación de precios y las decisiones tomadas por los bancos, es necesario que estas instituciones utilicen plataformas basadas en la nube, con un sistema de gobierno de datos sólido, acceso seguro y controles de calidad. Este es el fundamento fundamental que no puede negociarse. Esto permite el uso de herramientas de explicación y paneles de control centralizados, lo que permite a las instituciones monitorear el comportamiento de los modelos y asegurar el cumplimiento de las normas. De este modo, la IA se convierte en un sistema confiable y auditable. La construcción de esta infraestructura es parte del trabajo que se debe realizar en esta fase. Una vez completada, esto permitirá que se adopte de manera exponencial esta tecnología, como ya ha demostrado el software.

Requisitos del Nivel de Infraestructura: Computación, Datos y Capital

La transformación de los mercados de crédito mediante la IA no será algo relacionado con actualizaciones de software. Se tratará más bien de una construcción de infraestructuras que requiere una gran cantidad de capital. La adopción exponencial de este tipo de tecnología implica la necesidad de contar con una base física sólida para el procesamiento de datos y la gestión del capital financiero. La escala de las inversiones ya en marcha indica que se está creando esa base, pero su concentración y costos determinarán el ritmo y los ganadores de esta nueva etapa de desarrollo tecnológico.

El compromiso financiero es abrumador. La inversión privada mundial en la inteligencia artificial ha alcanzado un nivel récord.252.3 mil millones en el año 2024Solo la tecnología de IA generativa ya representa una inversión de 33.9 mil millones de dólares, lo que representa más del 20% de todas las inversiones en IA. Estos fondos no se utilizan solo para desarrollar aplicaciones, sino también para financiar los centros de procesamiento y almacenamiento de datos que permitirán el funcionamiento de la próxima generación de servicios financieros. La competencia por esta infraestructura ya está ganada por un único lugar. Las inversiones privadas en IA en Estados Unidos ascienden a 109.1 mil millones de dólares, casi 12 veces más que en China. Esto significa que Estados Unidos tiene una gran ventaja en cuanto al capital necesario para construir e implementar las infraestructuras necesarias para el uso de la IA en los préstamos.

Este capital ya está generando beneficios operativos medibles, lo que constituye un caso claro de retorno sobre la inversión. Las empresas que utilizan la inteligencia artificial durante más de un año informan de un promedio de…Aumento de la productividad del 11.5%Para los sectores que están más expuestos a los efectos de la inteligencia artificial en áreas como los bienes raíces y el transporte, esto representa una oportunidad directa para obtener beneficios económicos. La lógica financiera es simple: el uso de grandes cantidades de capital inicial en la infraestructura de computación y datos permite lograr una eficiencia significativa y sostenible. Esto se asemeja al patrón observado en otros cambios tecnológicos fundamentales, donde la intensidad del capital inicial es seguida por rendimientos exponenciales.

Sin embargo, este proyecto enfrenta un obstáculo crucial: el costo de los recursos computacionales necesarios para ejecutar los modelos de IA. A medida que los modelos de IA crecen, también aumenta su demanda de energía. Esto ha generado una búsqueda estratégica de fuentes de energía, con las grandes empresas tecnológicas buscando acuerdos relacionados con la energía nuclear para alimentar sus operaciones. Para los bancos, las implicaciones son claras: la infraestructura no se trata solo de software, sino también de los costos físicos relacionados con los centros de datos y la energía necesaria para mantenerlos en funcionamiento. Esto crea un alto obstáculo para quienes quieran ingresar al mercado, favoreciendo a aquellas instituciones que cuenten con balances financieros sólidos y asociaciones estratégicas. El mercado crediticio, por su parte, tendrá que seguir este camino de inversión intensiva antes de poder alcanzar la curva de adopción del software. Los cimientos ya están siendo construidos, pero el costo de su construcción determinará quiénes podrán aprovechar esta oportunidad.

Catalizadores, riesgos y lo que hay que vigilar

La infraestructura necesaria para el préstamo impulsado por la inteligencia artificial está en proceso de desarrollo. Pero la próxima fase de adopción depende de algunos factores clave. El factor más importante es la convergencia entre los enormes gastos de capital y las directrices regulatorias formales. Los supervisores ya no simplemente observan; ahora evalúan activamente la implementación de las estrategias de transformación digital. El BCE ha realizado inspecciones in situ durante cuatro años consecutivos, evaluando el uso de la inteligencia artificial en la evaluación de créditos y la detección de fraudes. También ha organizado talleres con los principales bancos sobre temas como la gobernanza y el cumplimiento de las normas. Este tipo de control formal sirve como señal clara de que la tecnología está pasando de la fase piloto a la fase operativa. Cuando los marcos regulatorios relacionados con el riesgo de los modelos y la explicabilidad se establezcan, se eliminará una de las principales incertidumbres, y es probable que esto acelere las inversiones por parte de las instituciones que actualmente están en etapa de planificación.

Sin embargo, el riesgo principal es la brecha en la productividad. El mercado está inundado de capital, pero los resultados del estudio realizado por el MIT indican que…La mayoría de las organizaciones aún no han logrado ver un valor significativo en esto.Los resultados de las inversiones en IA no son precisamente alentadores. Los 11.5% de aumento en la productividad prometidos son solo un estándar, no una garantía real. Si los enormes costos de capital relacionados con la infraestructura de computación y datos no se traducen en una eficiencia operativa mejorada y una reducción del riesgo, eso podría indicar que existe una burbuja. Esta es la principal tensión: la adopción exponencial de software requiere una construcción de infraestructura que sea intensiva en capital. El riesgo es que esta construcción supere la capacidad de generar valor, lo que puede sobrecargar los balances financieros y poner a prueba la paciencia de los inversores.

Un indicador clave de un impacto sostenible, y una posible forma de compensar este riesgo, es la adopción de tecnologías por parte de los mercados que no cuentan con servicios bancarios. En este caso, los motores de análisis de inteligencia artificial ya están permitiendo el acceso financiero a aquellos que no tienen acceso al sistema bancario. En Egipto, por ejemplo, empresas del sector privado están utilizando esta tecnología para proporcionar crédito a quienes no cuentan con servicios bancarios. Esta tendencia ha contribuido a mejorar las condiciones financieras de muchas personas.Aumento del 204% en el número de personas que poseen cuentas bancarias desde el año 2016.Se trata de una oportunidad en el sector de la infraestructura: los modelos de IA, entrenados con datos alternativos, pueden evaluar la solvencia crediticia en lugares donde los métodos tradicionales no son efectivos. El éxito en estos mercados sirve como prueba real de que la infraestructura puede generar valor, lo que podría acelerar su adopción en mercados más maduros, al demostrar la rentabilidad de esta estrategia.

En resumen, se trata de un mercado en un punto de inflexión. Los factores que impulsan este desarrollo son la claridad regulatoria y los casos de uso probados en los mercados emergentes. Pero los riesgos son reales, y se centran en la diferencia entre el valor de la inversión y las ganancias obtenidas. Para los inversores, las principales medidas a considerar son el ritmo de las directrices regulatorias emitidas por organismos como el BCE, así como los primeros resultados financieros de los préstamos basados en inteligencia artificial en los segmentos sin servicios bancarios. Estos indicadores determinarán si la construcción de la infraestructura es una base sólida para el crecimiento exponencial, o si se trata de un camino costoso y poco eficiente.