Guía Práctica de IA de Google para Bancos y Fintechs

Karen Zhang explica cómo Google está apoyando a organizaciones en servicios financieros, desde pequeñas fintechs hasta grandes instituciones financieras. El tema común a lo largo de la conversación es usar la IA de manera práctica: mejorar las experiencias del cliente en el front end y reducir la carga de trabajo repetitiva en el back end, para que los equipos puedan enfocarse en el trabajo que requiere juicio real.

Zhang destaca una asociación con Starling Bank para crear un servicio de "inteligencia de gastos". En pocas palabras, permite a los clientes de Starling hacer preguntas en lenguaje natural dentro de la aplicación (escritas o por voz) y obtener respuestas claras sobre sus gastos. En lugar de buscar en extractos y filtros, los usuarios pueden preguntar cosas como: "¿Cuánto he gastado en TFL y transporte durante la última semana?" o "¿Ha cambiado eso semana a semana durante el último mes?"  El objetivo es hacer que los insights de gastos se sientan más como una conversación y sean más fáciles de acceder para los usuarios cotidianos.

Para los equipos de fintech, el ejemplo de Zhang también señala un cambio en el pensamiento de producto. Las interfaces de lenguaje natural reducen la barrera al insight, ya que los clientes no necesitan saber dónde tocar o cómo interpretar gráficos para encontrar lo que necesitan. Bien hecho, esto apoya la elaboración de presupuestos, la detección de patrones y la observación de cambios graduales en el comportamiento, sin convertir al usuario en un analista de datos.

Zhang luego se mueve a la automatización interna, usando un segundo ejemplo con Liberis, con quien Google se asoció para construir un Agente de IA de suscripción llamado Ada, nombrado en honor a Ada Lovelace. La suscripción a menudo involucra grandes volúmenes de información y pasos repetibles, lo que puede crear una carga administrativa pesada. Según Google, Ada trabaja junto a los suscriptores, ayudándolos a través del proceso y reduciendo los costos generales en un 50%. Zhang enmarca el beneficio como eficiencia y enfoque: la IA asume tareas más repetitivas, mientras que los suscriptores dedican más tiempo a decisiones de alto riesgo basadas en conocimiento.

Google termina con un mensaje de escalabilidad: mientras estos ejemplos se sitúan en el espacio fintech de nivel medio, el mismo enfoque puede aplicarse a empresas mucho más pequeñas. La idea es que con el soporte de IA adecuado, los equipos no necesitan una plantilla enorme, "100 suscriptores", como lo expresa Zhang, para ofrecer un servicio sólido. Para bancos y fintechs que intentan equilibrar costo y experiencia del cliente, el punto de Google es directo: usar IA para eliminar fricciones para los clientes y reducir el trabajo repetitivo internamente, mientras se mantiene el juicio humano donde importa.

La publicación Manual práctico de IA de Google para bancos y fintechs apareció primero en FF News | Fintech Finance.