Los bancos están recurriendo cada vez más a la inteligencia artificial para reducir costos y mejorar el servicio al cliente, con ahorros que se evidencian de manera más clara en las operaciones de centros de llamadas. La implementación de IA conversacional permite a las instituciones financieras recortar gastos operativos significativos mientras mantienen o mejoran la calidad del servicio, según datos compartidos esta semana por ejecutivos bancarios durante presentaciones de resultados trimestrales.
En KeyCorp, la empresa matriz de KeyBank, el director ejecutivo Christopher Gorman destacó esta semana cómo la IA ya está generando ventajas de costos por interacción durante la conferencia de resultados del cuarto trimestre de 2025. Según Gorman, las llamadas gestionadas por IA cuestan aproximadamente $0.25 cada una, en comparación con $9 por las interacciones manejadas por humanos.
Inversión Tecnológica y Ahorros Operativos en la Banca
KeyBank ha aumentado constantemente su gasto tecnológico para impulsar estas eficiencias, pasando de una tasa de inversión anual de entre $800 millones y $900 millones en años anteriores a aproximadamente $1,000 millones en inversiones en tecnología y operaciones, incluyendo capacidades digitales y de inteligencia artificial mejoradas. Gorman indicó que, aunque es temprano para cuantificar las eficiencias amplias impulsadas por la IA, el banco ha encontrado aproximadamente $100 millones en ahorros anuales a través de esfuerzos de mejora continua.
La IA conversacional y generativa puede reducir los costos operativos cuando se implementa de manera estratégica. Los centros de llamadas tradicionales, durante mucho tiempo afectados por menús de respuesta de voz interactiva ineficientes y cuellos de botella de personal, están siendo modernizados con inteligencia artificial que puede interpretar la intención del cliente y enrutar o resolver consultas más rápido que los sistemas heredados.
Cómo KakaoBank y Lloyds Están Escalando la IA Conversacional
Los bancos internacionales también ofrecen una perspectiva sobre cómo se está escalando la IA conversacional más allá de proyectos piloto. En Corea del Sur, KakaoBank ha desplegado inteligencia artificial conversacional construida sobre Microsoft Azure OpenAI para servir como interfaz principal para consultas de clientes. El sistema permite a los clientes interactuar de manera natural sobre actividad de cuentas, transacciones y servicios financieros dentro de la aplicación móvil de KakaoBank, reduciendo la dependencia de agentes en vivo mientras mantiene tiempos de respuesta rápidos.
El enfoque de KakaoBank refleja una estrategia digital nativa donde la IA se integra directamente en la experiencia central del cliente en lugar de agregarse como una herramienta de soporte. Al resolver preguntas rutinarias de manera conversacional, el banco reduce costos de servicio mientras mantiene a los clientes dentro de su ecosistema digital, donde el compromiso tiende a ser mayor y los costos de servicio más bajos.
En el Reino Unido, Lloyds Bank ha tomado un camino diferente pero complementario con su plataforma de IA generativa llamada Athena. Lloyds está utilizando la herramienta para asistir a clientes y empleados, automatizando respuestas a consultas comunes y ayudando al personal a acceder a información más rápidamente. El banco ha posicionado a Athena para mejorar la calidad del servicio y la productividad mientras alivia la presión sobre los centros de contacto.
En lugar de reemplazar agentes humanos, Lloyds ha enfatizado la IA como una capa de aumento que acelera la resolución y reduce el esfuerzo manual. Ese modelo se alinea con cómo varios grandes bancos están desplegando IA conversacional, recortando costos a través de la automatización mientras preservan la supervisión humana donde el juicio y la empatía importan. Lloyds también planea agregar una aplicación de asistente financiero impulsada por IA este año que proporcionará asesoramiento financiero personalizado.
IA Agéntica y Automatización de Flujos de Trabajo Expanden Ahorros
Más allá del servicio al cliente de primera línea, los bancos están desplegando sistemas de inteligencia artificial agéntica más avanzados que realizan tareas en funciones variadas, desde soporte al cliente hasta operaciones internas. Wells Fargo, por ejemplo, ha ampliado su asociación con Google Cloud para desplegar agentes de IA a escala. Las herramientas automatizan tareas, incluidas consultas de saldo y reemplazos de tarjetas de débito, liberando al personal humano para enfocarse en trabajo de mayor valor y relaciones estratégicas con clientes.
La iniciativa también cubre flujos de trabajo internos, como consultas comerciales complejas y revisión de documentos, con agentes de inteligencia artificial ayudando a los empleados a encontrar información más rápido y completar tareas de manera más eficiente, según informó el banco. Estos sistemas agénticos van más allá de los chatbots reactivos al sintetizar información de fuentes de datos internas y ofrecer interacciones personalizadas las 24 horas, una capacidad que tiene el potencial de reducir las estructuras de costos generales y el tiempo de resolución para muchas funciones de servicio.
Mientras la IA en centros de llamadas ofrece ahorros operativos inmediatos, los bancos están ampliando el alcance de estas tecnologías para mejorar el compromiso y la retención de clientes. Un informe de PYMNTS Intelligence titulado “Beyond the Bot: Why Embedded Conversational AI Is Banking’s Next Strategic Advantage” encontró que el 72% de los clientes bancarios afirman que la personalización influye en dónde eligen realizar sus operaciones bancarias, y la IA conversacional ahora se está posicionando como más que una herramienta de ahorro de costos.
Los bancos continuarán expandiendo sus inversiones en inteligencia artificial durante 2025, con instituciones financieras evaluando nuevas aplicaciones más allá del servicio al cliente. Se espera que las métricas de retorno de inversión y los casos de uso específicos se definan con mayor claridad a medida que más bancos completen ciclos anuales completos con implementaciones de IA a escala, lo que permitirá comparaciones más precisas de eficiencia y satisfacción del cliente.