[28/03/2025] El rápido avance de la inteligencia artificial (IA) está imponiendo demandas sin precedentes a las infraestructuras de datos tradicionales, lo que obliga a las empresas del sector de la banca, los servicios financieros y los seguros (BFSI) a priorizar entre la seguridad, la calidad y la sostenibilidad, según una nueva encuesta de Hitachi Vantara, la filial de almacenamiento de datos, infraestructura y gestión de nube híbrida de Hitachi. El Informe sobre el estado de la infraestructura de datos 2024, que refleja las aportaciones de 231 líderes empresariales y de TI mundiales, revela que, si bien el 36% reconoce la importancia de la calidad de los datos para el éxito de la IA, los líderes financieros se centran en la seguridad de los datos, lo que deja lagunas en el rendimiento de la IA y el retorno de la inversión a largo plazo.
Casi la mitad (48%) de los encuestados citan la seguridad de los datos como su principal preocupación para la implementación de la IA, lo que refleja la necesidad crítica de protegerse contra las amenazas internas y externas. Esto es comprensible teniendo en cuenta que el 84% de los encuestados admite que perder datos por un ataque o error sería catastrófico. Sin embargo, los resultados del estudio mostraron que ignorar la calidad de los datos tiene un costo para las instituciones BFSI, que incluye:
- En las empresas BFSI, los datos solo están disponibles cuando y donde se necesitan una cuarta parte del tiempo (25%), y los modelos de IA BFSI son precisos solo el 21% de las veces.
- Al 36% le preocupa el riesgo de una violación de datos por parte de la IA interna, y al 38% le preocupa la incapacidad de recuperar datos del ransomware.
- Aunque los ataques de ransomware son lo más importante para los líderes de TI de BFSI, el 36% dice que una violación de datos causada por un error de la IA es una de las tres principales preocupaciones para ellos, y al 32% le preocupa que un ataque habilitado por IA pueda causar una violación de datos.
"El modelo de negocio de los servicios financieros está inherentemente ligado a la confianza. El daño a la reputación es un riesgo significativo y, por lo tanto, en nuestra industria, la interacción entre la seguridad y la precisión es un desafío crítico y complejo", sostuvo Mark Katz, CTO de Servicios Financieros de Hitachi Vantara, en el comunicado de prensa. "Por ejemplo, si un chatbot revela inadvertidamente información confidencial que se incluyó en los datos de entrenamiento, eso tendrá graves repercusiones. Además, el costo de una respuesta incorrecta o una alucinación representa un riesgo significativo; Si alguien actuara sobre la base de datos erróneos, se plantearían todo tipo de preguntas sobre la responsabilidad".
El ejecutivo comentó que, a pesar de los desafíos de precisión, la adopción de la IA dentro de BFSI se está acelerando. Sin embargo, muchos están implementando IA sin la preparación adecuada, ya que el 71% de los encuestados admite probar e iterar en implementaciones en vivo, mientras que solo el 4% utiliza entornos de sandbox controlados. "La investigación indica que, para muchos líderes de servicios financieros, la calidad de los datos es una de las consideraciones más importantes para implementar con éxito la IA, pero preocupaciones como la seguridad son demasiado urgentes para ignorarlas, y el retorno de la inversión se está resintiendo”.
La encuesta describe las consideraciones clave para construir una infraestructura más resistente y lista para la IA para ayudar a las organizaciones BFSI a prepararse para el futuro, que incluyen:
- Experimentación responsable: Dos de cada cinco líderes de BFSI (42%) dijeron que estaban desarrollando las habilidades necesarias para implementar la IA a través de la experimentación. Las pruebas responsables en entornos aislados seguros pueden mitigar los riesgos y, al mismo tiempo, descubrir el potencial de la IA.
- Sostenibilidad en todos los niveles: Desde el almacenamiento de datos energéticamente eficiente hasta el software optimizado, los líderes empresariales y de TI deben integrar el pensamiento sostenible en su infraestructura, aplicaciones, modelos, prácticas de datos y estrategias desde el principio.
- Simplificar y unificar los sistemas: Reducir la complejidad gestionando entornos híbridos de manera uniforme, automatizando las tareas de seguridad y aprovechando las plataformas de datos unificadas para obtener información más rápida y un entrenamiento de IA optimizado.
- Garantizar la resiliencia de los datos y aproveche la IA para la defensa: Planifique la recuperación con sistemas de redundancia, almacenamiento revertido y restauración de modelos de IA para mitigar los riesgos de errores o ataques. Utilice la IA para identificar riesgos, mejorar la recuperación y proteger los datos con un almacenamiento inmutable, cifrado y autorreparable, para contrarrestar las amenazas de los atacantes habilitados para la IA.
Franca Cavassa, CTOPerú