Es fácil celebrar la IA. Es mucho más difícil de ejecutar

La inteligencia artificial está en todas partes en este momento. Los titulares celebran los avances. Las demos impresionan. La promesa se siente ilimitada. Pero para los bancos y las compañías de pago, el verdadero desafío comienza después de los anuncios — cuando la IA debe operar dentro de los sistemas de los que dependen economías enteras.

Cuando la IA informa las decisiones de autorización de pago, detección de fraude, identidad o riesgo, no hay margen para «moverse rápido y arreglarlo después». Los modelos no pueden fallar silenciosamente. Las decisiones no se retractan. Y la confianza, una vez perdida, es difícil de recuperar. Durante el último año, nuestro enfoque no ha sido perseguir la innovación rápida de forma aislada; ha sido operacionalizar la inteligencia a escala, a través de geografías, entornos regulatorios y panoramas de amenazas.

Para las organizaciones que navegan por un terreno similar, la lección es sencilla pero exigente. La madurez de la IA no se declara. Se gana a través de las decisiones que todos tomamos cuando hay mucho en juego.

Ejecutar IA en producción obliga a un equilibrio: entre velocidad y disciplina, experimentación y responsabilidad, ambición y cuidado. Para las empresas que buscan desarrollar sus capacidades de IA, cuatro áreas son las más importantes, no como principios abstractos, sino como decisiones operativas.

La IA no debería ser responsabilidad de un solo equipo si se espera que impulse todas las áreas de una empresa compleja. Para nuestra empresa, la inteligencia está distribuida en toda la organización, cerca de los problemas que resuelve, pero respaldada por estándares, gobernanza, herramientas y mejores prácticas compartidas.

Esa estructura permite a los equipos innovar mientras mantienen la responsabilidad. También garantiza que los modelos se comporten de manera adecuada, incluso cuando se implementan en diferentes contextos. Según nuestra experiencia, la descentralización sin estándares crea riesgos, y la centralización sin proximidad ralentiza el impacto. El equilibrio importa.

Igual de importante, la madurez de la IA depende de invertir en las personas —no solo en investigadores y científicos de datos, sino en ingenieros, desarrolladores, líderes de producto y operadores que entienden cómo se comportan los modelos en el mundo real. Cuando los equipos confían en los sistemas que están construyendo y utilizando, la adopción llega por añadidura. Cuando no lo hacen, incluso la tecnología más sofisticada se estanca.

Las últimas inversiones de Mastercard en IA se han centrado en crear nuevas capacidades para nuestros clientes que aprovechan nuestras décadas de experiencia en datos, IA y pagos, así como nuevas herramientas para nuestros empleados que pueden tener el mayor alcance. 

Para nuestros clientes, que incluyen miles de bancos y minoristas, ese trabajo se ha centrado en desarrollar tecnologías de comercio agéntico para permitir que un consumidor realice compras directamente en un chat de IA, herramientas de personalización para permitirles tener la mejor experiencia posible y soluciones contra el fraude basadas en más datos que nunca. Para los empleados, esto incluye el despliegue de asistentes de IA para nuestros consultores para permitirles acceder a los documentos que necesitan lo más rápido posible, proporcionar copilotos de codificación para nuestros desarrolladores de software y crear una herramienta impulsada por IA generativa para ayudar a nuestros equipos de atención al cliente a responder preguntas de incorporación e implementación.

Muchas de nuestras inversiones se han concentrado en añadir más inteligencia de IA y toma de decisiones en tiempo real a nuestras capacidades principales. Estos no son experimentos de laboratorio. Son sistemas de nivel de producción que deben funcionar a escala, adaptarse continuamente y resistir tanto los ataques cibercriminales como el escrutinio regulatorio.

Para las instituciones financieras, esto requiere un cambio de mentalidad. La innovación no se mide por la rapidez con la que puedes lanzar algo nuevo, sino por lo crítica que es para tu trabajo y por la fiabilidad con la que funciona una vez que está integrada en las operaciones principales. La experimentación es importante, pero solo si es disciplinada, decidida y diseñada para durar.

El liderazgo en IA tiene tanto que ver con lo que no prometes como con lo que sí haces. En ecosistemas complejos, prometer demasiado crea riesgos tanto interna como externamente.

Hemos sido deliberados en la forma en que hablamos sobre lo que la IA puede y no puede hacer en los pagos. Esa claridad informa las decisiones de inversión, los cronogramas de implementación y cómo se presentan las nuevas capacidades a los clientes y socios. También impulsa el consenso en toda la organización, asegurando que los equipos resuelvan problemas reales en lugar de perseguir posibilidades abstractas.

Comienza con las necesidades del cliente y trabaja hacia atrás hasta llegar a la tecnología. La IA no cambia esa disciplina. En todo caso, lo refuerza.

En los servicios financieros, la confianza no es negociable. Cada modelo debe ser explicable, estar gobernado y ser monitoreado continuamente porque el sistema depende de ello.

Durante el último año, hemos seguido fortaleciendo la forma en que los sistemas de IA se revisan, documentan y miden. Ese trabajo es fundamental. La gobernanza no es algo que se añade al final del despliegue; es lo que permite que la IA opere de forma responsable y a escala. Muchos pueden sentir que esto ralentiza las cosas; nuestra experiencia es la contraria. Con una gobernanza establecida, las personas pueden centrarse en la innovación y en resolver las necesidades de los clientes. 

Muchas de las decisiones que dan forma a la madurez de la IA requieren una visión a largo plazo de hacia dónde se dirige la tecnología y qué necesitan las organizaciones para poder implementarla. Implican construir gobernanza y salvaguardas, integrar nuevas capacidades en los sistemas existentes en lugar de lanzar otros paralelos, y priorizar la confiabilidad sobre la velocidad. Esas elecciones se acumulan con el tiempo.

Nuestra empresa fue reconocida recientemente como líder en IA aplicada por Fast Company y como una de las principales organizaciones en el nuevo Evident Payment AI Index, un nuevo estándar de la industria que evalúa el desarrollo de IA de los proveedores de pagos. Estamos orgullosos del reconocimiento, pero también es importante ver estas evaluaciones externas como indicadores rezagados. Esta clasificación reflejó años de ejecución consistente: inversión temprana en IA, un enfoque de larga data en el fraude y la confianza, y una gobernanza diseñada para la escala. El reconocimiento no era el objetivo, pero reforzó nuestro enfoque de que construir una base sólida de IA y datos nos permitió innovar de manera rápida y confiable.

Esa base es lo que ahora nos permite avanzar de manera responsable, ya sea a través de la introducción de nuestro nuevo modelo de IA fundamental y la expansión de nuestras capacidades de Mastercard Agent Suite, junto con Virtual C-Suite, que incorpora la IA en la toma de decisiones de formas prácticas y reguladas. Estos momentos pueden parecer incrementales desde afuera, pero son el producto de decisiones deliberadas tomadas mucho antes de que llegara el centro de atención.

La lección más amplia es esta: la IA a escala tiene menos que ver con avances que con estándares operativos consistentemente altos. Los modelos mejorarán. Las capacidades se expandirán. Lo que importa es si los sistemas que construimos siguen ganándose la confianza —transacción por transacción, decisión por decisión. Ese es el trabajo. Y es continuo.