La inteligencia artificial generativa (Gen-AI) ha revolucionado el ámbito financiero, prometiendo innovaciones significativas mientras plantea desafíos considerables. Los avances tecnológicos más recientes en modelos de lenguaje generativos, como los LLM, han mejorado la comprensión contextual y la traducción lingüística, permitiendo el manejo eficiente de vastas cantidades de datos, así como respuestas rápidas y específicas.

En el contexto financiero, estos modelos presentan múltiples oportunidades. Facilitan interacciones más interactivas mediante chatbots que pueden manejar consultas complejas, educan a los usuarios sobre conceptos financieros mediante plataformas asistivas, y brindan asesoramiento para decisiones de trading más informadas. La empresa Klarna muestra un ejemplo exitoso, logrando que su nueva herramienta de servicio al cliente basado en IA realice el trabajo de 700 agentes humanos, reduciendo notablemente los tiempos de resolución de tickets.

Por otra parte, Gen-AI enfrenta desafíos importantes, especialmente en términos de escasez de datos privados de calidad para entrenamiento y las altas latencias en la generación de respuestas, lo que podría afectar negativamente su adopción. Además, el pre-entrenamiento y ajuste de los modelos enfrenta problemas de latencia y costos computacionales elevados, mientras que el sesgo inherente y los problemas de privacidad continúan siendo una preocupación en el ámbito financiero, regulado estrictamente.

A pesar de estos retos, existen metodologías prometedoras para entrenar modelos Gen-AI para aplicaciones financieras específicas. Desde el uso de ajustes finos específicos para tareas particulares hasta la incorporación de sistemas agénticos que delegan ciertas funciones a herramientas externas, el potencial de Gen-AI en finanzas sigue firme. Instituciones financieras utilizan estos modelos para personalizar la experiencia del cliente y asistir en decisiones de inversión complejas.