El martes pasado estuve en el Revolution Banking, en Madrid, en un panel sobre industrialización de la inteligencia artificial en banca. Tres ponentes, treinta minutos, Estadio Metropolitano de fondo y una pregunta que lleva años flotando en el ambiente sin que nadie le ponga nombre: ¿por qué muchos de los pilotos de IA nunca llegan a producción?
La pregunta estaba en el guión. Pero la respuesta de verdad no cabe en noventa segundos de panel.
El piloto como zona de confort institucional
Hay algo cómodo en el piloto. Es acotado, es controlado, es financieramente inocuo. Puedes enseñarlo en una presentación al comité, tiene métricas bonitas y, lo más importante, no obliga a nadie a cambiar nada de verdad.
El problema es que llevamos años —en banca y fuera de ella— acumulando pilotos como quien acumula libros en la mesita de noche: con buenas intenciones y sin tiempo real para leerlos.
En el panel planteé lo que creo que son los tres vectores que marcan la diferencia entre un piloto que muere en una demo y una solución que funciona un año después:
- Gobernanza real y dueño claro. No el dueño en el papel del proyecto, sino la persona que se va a levantar a las siete de la mañana cuando el modelo empiece a decir tonterías. Si no existe esa persona antes del despliegue, el sistema está huérfano desde el primer día. Y los huérfanos, en producción, generan problemas caros.
- Control de costes al escalar. En un entorno de pruebas —lo que en tecnología llamamos sandbox, es decir, un cajón de arena donde jugamos sin romper nada real— el gasto es predecible. El problema viene cuando pasas a producción y el modelo empieza a procesar miles de operaciones reales. Los modelos de IA modernos cobran por uso, como el agua o la luz. Si no has pensado en eso antes, la factura del primer mes te va a quitar las ganas de innovar.
- Mantenimiento sostenible. Una solución de IA no es un microondas que enchufas y olvidas. El mundo cambia, los datos cambian, los comportamientos de los clientes cambian. Lo que funcionaba en enero puede estar generando basura en septiembre. Alguien tiene que mirar eso. Y ese alguien necesita tiempo, presupuesto y, sobre todo, que su jefe entienda por qué eso importa.
El cambio que nadie quiere gestionar
Pero hay algo que en treinta minutos de panel es difícil desarrollar sin que te interrumpan para ir al café: el problema no es tecnológico. Es cultural.
La IA está poniendo capacidades tecnológicas en manos de personas que hace cinco años no sabían —ni necesitaban saber— lo que era una API. Eso es extraordinario. Y potencialmente un caos.
Hablamos de personas que ahora pueden construir soluciones que funcionan estupendamente para ellas o para su departamento, pero que han sido diseñadas con una arquitectura mental de los años noventa: pensada para resolver mi problema, no para integrarse con el del resto de la empresa. La innovación llegó antes que la estandarización, y eso tiene un coste que se paga después, cuando intentas escalar algo que nació sin esa intención.
Nota para no técnicos Cuando hablo de arquitectura no me refiero a ladrillos. En tecnología, arquitectura es la forma en que se diseña un sistema: quién habla con quién, dónde viven los datos, cómo se conectan las piezas. Una mala arquitectura es como una casa donde cada habitación tiene su propia instalación eléctrica independiente: cada una funciona, pero no puedes poner la lavadora y el horno a la vez sin que salten los plomos.
El reto de quien gestiona equipos hoy no es permitir la innovación. Es conseguir que esa innovación nazca ya con visión de escala. Que la persona que diseña una solución entienda que no está construyendo para ella sola, sino para una organización que va a tener que mantenerlo, auditarlo y regularlo.
Lo que me llevé del Metropolitano
La IA no es el problema. Nunca lo fue. El problema es la misma canción de siempre: organizaciones que confunden tener una tecnología con saber usarla, proyectos que nacen sin dueño y mueren sin obituario, y una prisa por anunciar la innovación que supera con creces la voluntad de sostenerla.
Llevar la IA de los pilotos a la producción no requiere más talento técnico. Requiere lo que nunca aparece en el presupuesto del proyecto: alguien dispuesto a quedarse cuando el piloto ya no sale en la foto. Y eso, por muy sofisticado que sea el algoritmo, todavía no lo ha resuelto ningún modelo.
Gracias a Nico de Luis y a Shakers por arbitrar el partido con tanto criterio, a IKN por organizar el mayor evento de banca del país, y a Luis Enrique y Javier Ochoa por hacer que treinta minutos dieran para mucho más de lo que caben en treinta minutos.
