es.wedoany.com Noticia: La fricción de datos es el primer problema común que enfrenta Metropolitan Bank de Chicago. Muchos bancos aún dependen de hardware local obsoleto para ejecutar sistemas centrales y utilizan alimentaciones de datos por lotes para el análisis de clientes. Este enfoque ralentiza la toma de decisiones y limita la aplicación práctica de la IA generativa. Una encuesta de Google Cloud en 2023 a ejecutivos de la banca estadounidense mostró que el 49% de los encuestados considera que el mayor beneficio de la IA es mejorar la eficiencia operativa y ahorrar costos, mientras que el 45% ve un mejor análisis de datos y predictivo como un resultado clave. Sin embargo, cada vez que un nuevo modelo necesita extraer datos personalizados de sistemas centrales basados en COBOL o de instancias de SQL Server en centros de datos suburbanos, el progreso del proyecto tiende a estancarse.
La complejidad de la seguridad es otro desafío. La topología híbrida que conecta sucursales con múltiples centros de datos genera políticas de firewall inconsistentes. Los equipos a menudo necesitan realizar revisiones manuales para cada nueva aplicación, lo que introduce retrasos. Al mismo tiempo, organismos reguladores como la Reserva Federal (Federal Reserve), la Oficina del Contralor de la Moneda (OCC) y la Corporación Federal de Seguros de Depósitos (FDIC) enfatizan conjuntamente que los bancos que utilizan la nube pública deben demostrar una sólida resiliencia operativa y gestión de riesgos de terceros. Por lo tanto, los bancos que consideran servicios en la nube buscan una ruta que permita una migración gradual, manteniendo al mismo tiempo una auditabilidad completa.
La previsibilidad de costos se ha convertido en un punto focal a nivel de la junta directiva. Los equipos de liderazgo desean pasar de un modelo de gastos de capital vinculado a los ciclos de actualización de hardware a un modelo de gastos operativos que coincida con el uso, pero aún esperan obtener proyecciones de costos claras. Esto es especialmente importante para los sandboxes de análisis, donde el consumo de recursos puede crecer rápidamente cuando los científicos de datos experimentan con modelos de lenguaje grandes.
Los bancos de la región suelen evaluar las soluciones de modernización en la nube centrándose en la infraestructura de datos, las capacidades de inteligencia artificial y la arquitectura de seguridad. Cada área requiere decisiones diferentes. La evaluación de datos generalmente comienza revisando las arquitecturas existentes de almacenes de datos y lagos de datos. Los equipos examinan si sus entornos de SQL Server, Teradata u Oracle admiten alimentaciones de datos en tiempo real o dependen del procesamiento ETL por lotes nocturno. IDC informa que más del 65% de los bancos a nivel mundial planean priorizar el uso de plataformas de datos basadas en la nube para 2025, con el fin de respaldar informes de riesgo, personalización y regulación en tiempo real. Por lo tanto, los compradores construyen marcos de evaluación en torno a la escalabilidad a largo plazo, en lugar de una migración directa.
La fase de evaluación de IA gira en torno a si la organización prioriza capacidades orientadas al cliente, herramientas de productividad interna o modelos de puntuación de riesgo. Wells Fargo amplió su asociación estratégica con Google Cloud para proporcionar a los empleados herramientas de IA que automaticen tareas rutinarias y mejoren el servicio al cliente, lo que sirve como modelo de referencia para promover iniciativas similares en la banca de sucursales y de inversión. Los bancos que evalúan modelos similares suelen comparar las opciones de alojamiento de modelos ofrecidas por diferentes proveedores de servicios en la nube, cómo se implementa el aislamiento de datos y si la funcionalidad de búsqueda vectorial se integra con los archivos de documentos existentes.
La evaluación de seguridad suele estar determinada por los controles requeridos para la auditoría. Algunos equipos mapean su arquitectura con el Marco de Ciberseguridad del Instituto Nacional de Estándares y Tecnología (NIST) y los controles SP 800-53, mientras que otros prefieren una estructura alineada con ISO 27001. Los compradores se centran en cómo se integran el registro, la captura de paquetes y la estructura de IAM con sus sistemas de gestión de eventos e información de seguridad (SIEM) o herramientas de cumplimiento. También evalúan cómo funciona la conectividad híbrida, ya que varios bancos en Chicago aún ejecutan sistemas de procesamiento de cheques o tarjetas en mainframes locales.
Sogeti US aborda estos problemas guiando a los equipos técnicos para que adopten un modelo de implementación que combine centros de datos locales con servicios alojados en la nube. Una vez que el banco elige una dirección, generalmente adopta una implementación por fases en lugar de una migración masiva. La fase inicial suele centrarse en establecer una conexión de red segura. Algunas instituciones comienzan con túneles IPSec VPN y luego pasan a interconexiones dedicadas una vez que los requisitos de rendimiento y confiabilidad son más claros. La arquitectura de enrutamiento, las políticas de NAT y los rangos de IP superpuestos a menudo se convierten en obstáculos tempranos.
A continuación, suele venir la migración de datos. Los equipos priorizan la migración de cargas de trabajo analíticas, ya que estos sistemas están menos relacionados con las transacciones diarias. Esta fase incluye la reestructuración de tuberías ETL, el establecimiento de una capa de gobierno y la configuración de acceso basado en roles dentro de la estructura de IAM de la nube. Los bancos sujetos a un escrutinio regulatorio estricto suelen integrar directamente los registros de auditoría de la nube en sus paneles de cumplimiento antes de mover cualquier dato sensible.
Los servicios de IA suelen aparecer en fases posteriores. Las instituciones financieras pueden probar primero casos de uso internos, como el resumen de documentos o el análisis de transcripciones de centros de llamadas. Esto ayuda a perfeccionar los flujos de trabajo de bucle humano y los mecanismos de control de sesgos antes de introducir sistemas orientados al cliente. Muchas instituciones enfatizan que los procesos deben alinearse con las políticas internas de gestión de riesgos de modelos, incluidos los procesos de limpieza de entrada y monitoreo de salida.
A lo largo de todas las fases, la coordinación interfuncional es crucial. El equipo de infraestructura maneja la conectividad, el equipo de datos se encarga de la ingesta y transformación de datos, y el equipo de gobierno asegura que cada paso cumpla con las expectativas regulatorias. Socios como Sogeti US pueden ayudar a normalizar estos flujos de trabajo y acelerar las decisiones arquitectónicas.
Los bancos que evalúan los resultados rastrean mejoras directamente relacionadas con los objetivos comerciales. En el ámbito de los datos, los equipos buscan un acceso más oportuno a los atributos de los clientes, una reducción en la combinación manual de datos y la capacidad de realizar análisis entre productos sin múltiples extracciones. Muchos bancos esperan que estas capacidades respalden un marketing y una toma de decisiones de riesgo más inteligentes, lo que coincide con la estimación de McKinsey de 2023 de que el análisis avanzado y la IA pueden generar un aumento de hasta el 25% en las ganancias operativas para la banca minorista.
En cuanto a la IA, los líderes miden la velocidad de implementación de nuevos modelos, la frecuencia con la que las unidades de negocio utilizan asistentes de IA y la capacidad del equipo interno para gestionar el control de indicaciones. También consideran si las herramientas generativas han reducido significativamente los ciclos de revisión manual en procesos de préstamos o cumplimiento. Para la seguridad, el progreso se evalúa mediante el grado de integración de registros y políticas de IAM, la reducción de excepciones de políticas entre sucursales y la mejora en la visibilidad de los informes de resiliencia. Los reguladores enfatizan que los bancos necesitan trazabilidad de las cargas de trabajo en la nube, por lo que los compradores se centran en qué tan bien se integran los registros de la nube con las herramientas de auditoría internas.
En la exploración de la adopción de soluciones de Google Cloud por parte de la banca de Chicago, los compradores generalmente consideran que los movimientos graduales pueden reducir el riesgo, especialmente cuando el sistema de gobierno de datos aún se está perfeccionando. La inversión temprana en la arquitectura de red ahorrará tiempo cuando los sistemas transaccionales necesiten conectarse más adelante. Alinear la implementación con marcos como NIST o ISO simplifica las conversaciones de auditoría, ya que los reguladores ya esperan estas estructuras de control. Los evaluadores también descubren que definir claramente qué cargas de trabajo se migrarán primero y cuáles permanecerán a largo plazo en las instalaciones puede evitar la proliferación de topologías híbridas desordenadas. Una hoja de ruta estructurada mantiene la previsibilidad de la migración y minimiza el retrabajo.
Los bancos regionales y comunitarios fuera de Chicago también enfrentan limitaciones similares. El mismo camino de evaluación se aplica, especialmente cuando proveedores de servicios bancarios centrales como Jack Henry colaboran con Google Cloud para respaldar la modernización de la próxima generación de la pila tecnológica de las instituciones financieras. Los compradores generalmente necesitan objetivos de datos claros, una visión de IA definida, alineación con marcos regulatorios y conectividad híbrida diseñada con un propósito. La mayoría de los bancos implementan en orden secuencial de fases. Establecer la base de red suele ser lo primero y requiere revisión interna. Luego viene la migración de datos, que lleva más tiempo debido a la coordinación de las comprobaciones de gobierno y linaje. Los servicios de IA se agregan una vez que la seguridad y la estructura de datos están estables.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
