El pasado 25 de febrero, en el Hotel Pullman de San Isidro, Prediqt y Qlik co-organizaron un desayuno ejecutivo que reunió a líderes de analítica, datos y tecnología del sector financiero peruano. En una conversación entre pares con foco en los desafíos reales que enfrentan las instituciones financieras al momento de llevar la inteligencia artificial de la prueba de concepto a la operación.
Lo que surgió de esa conversación confirmó algo que muchos directivos ya perciben, pero pocos han logrado resolver: el principal obstáculo para escalar la IA en banca no es la tecnología. Es la calidad de los datos que la alimentan.
La IA en banca avanza. Los cimientos, no siempre
La adopción de inteligencia artificial en América Latina crece a un ritmo acelerado. Según Forbes, el 65% de las organizaciones en la región ya utilizan alguna forma de IA en sus operaciones. Sin embargo, según Gartner, más del 85% de los proyectos de IA no logran generar valor tangible más allá de la fase experimental.
La brecha entre adopción y resultados no es tecnológica. Es estructural. Las organizaciones que sí logran escalar la IA comparten un denominador común: han invertido en construir una base de datos sólida, gobernada y confiable antes de desplegar modelos en producción.
En el sector financiero, donde cada decisión tiene consecuencias regulatorias, reputacionales y de negocio, esta realidad es aún más crítica. Un modelo de scoring crediticio, un sistema de detección de fraude o una herramienta de análisis de riesgo solo son tan confiables como los datos que los alimentan.
Una visión estratégica desde Qlik
La presentación estuvo a cargo de Denis Vojnovskis e Isaac Parra, ejecutivos de Qlik para LATAM. Su intervención planteó un marco que resonó con los asistentes: la velocidad de innovación que promete la IA solo es sostenible cuando está respaldada por datos de calidad, estructuras de gobernanza robustas y arquitecturas diseñadas para el control.
Qlik, reconocido por Gartner como líder simultáneo en Calidad de Datos, Integración de Datos y Analítica & Business Intelligence, compartió casos concretos de instituciones financieras de la región que han logrado escalar su estrategia analítica a partir de este enfoque. Entre ellos, CaixaBank y Transbank — dos organizaciones que encontraron en la gobernanza y la trazabilidad de datos no un freno, sino un habilitador de innovación.
Los cuatro pilares que sostienen la IA en entornos regulados
Durante el encuentro, cuatro ejes concentraron la discusión:
— Calidad de datos como activo estratégico. No como un requisito técnico, sino como una decisión de negocio que determina si la IA genera valor real o amplifica el error. Los datos mal gestionados no solo afectan la precisión de los modelos — generan riesgo operacional y regulatorio.
— Gobernanza como habilitadora de la innovación. Las instituciones que avanzan con mayor solidez son las que han institucionalizado sus marcos de gobierno de datos, integrándolos al modelo operativo. La gobernanza no frena la innovación: la hace sostenible.
— Trazabilidad para decisiones auditables. En un entorno regulado, cada decisión impulsada por un modelo debe poder explicarse, rastrearse y defenderse ante reguladores, directorios y equipos de riesgo. La trazabilidad no es un lujo — es una condición de operación.
— Agilidad sin sacrificar el control. Las arquitecturas modernas de datos permiten avanzar con velocidad sin comprometer los mecanismos de supervisión. Integración en tiempo real, calidad automatizada y pipelines confiables son la base para que la IA opere en producción con consistencia.
Velocidad y confianza: no son opuestos
En banca, la velocidad y la confianza no son opuestos. Son complementarios cuando se construyen sobre los cimientos correctos.
Esta idea, que emergió de la conversación misma, resume el espíritu del encuentro. No se trata de elegir entre innovar y controlar. Se trata de construir la infraestructura de datos que permite hacer ambas cosas al mismo tiempo.
Las instituciones financieras que están liderando la transformación analítica en la región no son necesariamente las que tienen los modelos más sofisticados. Son las que han entendido que la confianza en la IA se construye desde adentro: desde la calidad del dato, desde la claridad de los procesos y desde la responsabilidad institucional frente a cada decisión crítica.
¿Quieres explorar cómo aplicar estos enfoques en tu organización?
En Prediqt acompañamos a instituciones financieras en el diseño e implementación de estrategias de datos e IA con foco en resultados y sostenibilidad. Conversemos.