Cada año, Gartner publica su Hype Cycle for Artificial Intelligence, una herramienta clave para entender el estado de madurez de las tecnologías emergentes. Sin embargo, para quienes no viven inmersos en el ecosistema técnico, interpretar esta curva puede resultar confuso. Este artículo busca traducir el Hype Cycle 2025 para altos directivos del sector financiero, con foco en su aplicabilidad en banca y seguros.
El ciclo de la euforia y la realidad
El Hype Cycle representa el recorrido típico de una tecnología desde su nacimiento hasta su adopción generalizada. Tiene cinco fases:
- Innovation Trigger: el momento en que una tecnología surge, normalmente impulsada por avances de laboratorio o pruebas piloto.
- Peak of Inflated Expectations: la fase de mayor expectativa. La industria y los medios hablan de “revolución”, se prometen cambios radicales.
- Trough of Disillusionment: llega la realidad. Se evidencian límites, fallos, fricciones de adopción y el entusiasmo cae.
- Slope of Enlightenment: las organizaciones aprenden a usar la tecnología de forma más realista, comienzan los casos de uso sostenibles.
- Plateau of Productivity: la tecnología madura, se integra en procesos, deja de ser moda y se convierte en parte del negocio.
¿Dónde está hoy la IA en 2025?
Según Gartner (junio 2025), la mayoría de las tecnologías de IA todavía están en las fases de entusiasmo o desilusión. Se destacan tres áreas claves para el sector:
1. La IA Generativa está tocando fondo (pero eso es bueno)
El famoso Generative AI (ChatGPT, Copilot, Gemini, Claude, entre otros.) ha pasado del hype desmedido al momento de desilusión. No es una señal de fracaso, sino un punto de inflexión: las empresas están comprendiendo que la IA generativa no es mágica, pero bien aplicada, puede ser transformadora.
¿Qué significa para banca y seguros?
- Ya no se trata de lanzar pilotos masivos, sino de diseñar soluciones centradas en el negocio: asistentes de onboarding, automatización de respuestas regulatorias, generación de reportes, gestión de conocimiento interno.
- Es clave integrar la IA generativa en procesos reales y gobernarla correctamente: seguridad, trazabilidad, cumplimiento normativo.
2. AI Agents e AI Responsible: alto entusiasmo, pero aún falta madurez
Dos conceptos aparecen hoy en la cima del entusiasmo dentro del Hype Cycle 2025: los AI Agents y la AI Responsible. A primera vista, ambos prometen un cambio estructural profundo, pero en la práctica todavía enfrentan importantes desafíos de implementación y escalamiento, especialmente en sectores regulados como banca y seguros.
¿Qué son los AI Agents?
Se trata de sistemas autónomos que pueden observar, razonar y ejecutar tareas sin intervención humana directa. No son simplemente asistentes conversacionales, sino agentes que pueden —en teoría— tomar decisiones, interactuar con otros sistemas y cumplir objetivos de negocio.
¿Qué significa Responsible AI?
Es el conjunto de prácticas para asegurar que los sistemas de IA sean seguros, éticos, justos, auditables y trazables. Incluye desde la transparencia en los modelos, hasta el monitoreo de sesgos, la protección de datos y la explicación de decisiones automatizadas.
¿Por qué importa esto para banca y seguros?
Porque ambos conceptos tocan directamente el corazón del negocio financiero: la confianza y el cumplimiento normativo.
- AI Agents no pueden (ni deben) operar sin control en procesos sensibles como evaluación crediticia, análisis de fraude, o emisión de pólizas. Aunque se habla de agentes “autónomos”, lo realista hoy es trabajar en flujos donde el humano se encuentre en el centro y que permitan optimizar tareas específicas.
- En cuanto a IA Responsable, el mensaje es claro: no basta con cumplir la ley de protección de datos o tener modelos precisos. Hay que entender y controlar cómo las decisiones de la IA afectan a los clientes, al negocio y al riesgo reputacional.
3. Tecnologías en fase de productividad: IA en la nube y conocimiento estructurado
Mientras algunas tecnologías de IA aún se debaten entre la promesa y la realidad, otras ya están generando valor tangible y sostenible. En esta categoría destacan tres conceptos clave: Cloud AI Services, Knowledge Graphs y Model Distillation.
¿Qué son y por qué importan?
- Cloud AI Services: Servicios de inteligencia artificial desplegados en la nube, listos para integrarse en los sistemas de las organizaciones.
- Knowledge Graphs: Representaciones semánticas que conectan información dispersa (clientes, productos, transacciones, eventos) mediante relaciones estructuradas.
- Model Distillation: Técnica para simplificar modelos complejos, manteniendo su rendimiento pero reduciendo su peso computacional.
Implicaciones para banca y seguros:
- Escalabilidad y cumplimiento: mover cargas de IA a la nube no solo permite escalar con eficiencia y rapidez, sino también aprovechar entornos con altos estándares de seguridad y cumplimiento normativo.
- Mejora de la toma de decisiones: un Knowledge Graph bien diseñado puede unificar la visión del cliente, detectar riesgos, anticipar comportamientos y acelerar decisiones operativas o comerciales.
- Eficiencia operativa: aplicar model distillation permite llevar inteligencia a dispositivos livianos o entornos con limitaciones de procesamiento, manteniendo velocidad sin comprometer precisión.
El Hype Cycle 2025 no solo mapea tecnologías: es también una herramienta de reflexión estratégica. A partir de su lectura, estas son cinco recomendaciones para líderes del sector financiero que buscan convertir la inteligencia artificial en un habilitador real de negocio:
- No persigas modas, prioriza madurez tecnológica: evalúa cada tecnología no por su visibilidad mediática, sino por su grado de madurez y aplicabilidad en tu entorno operativo.
- Pasa del piloto a la producción con enfoque integral: dejar atrás los experimentos aislados y avanzar hacia implementaciones sólidas requiere integración con sistemas core, monitoreo continuo, seguridad y cumplimiento normativo.
- Diseña con responsabilidad desde el inicio: asegura principios de IA Responsable desde las fases iniciales: trazabilidad de decisiones, explicabilidad ante auditorías, no discriminación algorítmica.
- Construye capacidades internas, no solo soluciones externas: el principal obstáculo no es tecnológico, sino humano.
- Piensa en escalabilidad desde el diseño: toda iniciativa debe plantearse con una visión de evolución.
La inteligencia artificial no es una solución mágica ni una tendencia pasajera. Es una tecnología fundacional que, bien entendida y aplicada, transforma capacidades y habilita nuevos modelos de negocio en banca y seguros.