Los bancos del Reino Unido están gastando alrededor de £3,3 mil millones por año sólo para mantener en funcionamiento los sistemas centrales heredados, casi una cuarta parte de su presupuesto total de TI. Casi la mitad admite que estas plataformas luchan por mantenerse al día con las necesidades diarias y las prioridades estratégicas.
Durante décadas, este costo ha sido aceptado como el precio de la estabilidad. Los sistemas centrales procesan millones de transacciones todos los días, cumplen con las normativas, protegen la confianza del cliente y mantienen el dinero en movimiento. Durante mucho tiempo se ha considerado que reemplazarlos es demasiado arriesgado, demasiado costoso o demasiado perturbador.
El artículo continúa a continuación.
Vicepresidente senior, jefe de tribu de soluciones y datos en Mphasis.
La IA está acelerando el ritmo del cambio de software. Las herramientas que aceleran la codificación, las pruebas automatizadas y la documentación de soporte están acortando los ciclos de desarrollo. Las partes interesadas del negocio esperan lanzamientos más rápidos, un servicio más personalizado y una toma de decisiones más rápida.
Sin embargo, si bien las capacidades de IA avanzan rápidamente, los modelos de entrega de aplicaciones de muchos bancos no han seguido el ritmo. Los equipos están limitados por prácticas manuales y fragmentadas creadas para una era lenta. La brecha entre lo que la IA hace posible y lo que los entornos heredados pueden soportar de manera realista se está volviendo imposible de ignorar.
Fragilidad oculta de los modelos de prestación
Los sistemas heredados son sólo una parte del desafío. El problema más profundo reside en cómo se produce el cambio a su alrededor.
En muchos bancos, los requisitos no están unificados ni definidos de forma coherente. La lógica empresarial está integrada en aplicaciones separadas, duplicada en silos o interpretada de manera diferente por varios equipos. El conocimiento institucional a menudo reside en un pequeño grupo de expertos a largo plazo en lugar de capturarse en activos estructurados y compartidos.
Con el tiempo, esta fragmentación crea capas de deuda técnica y operativa que son más difíciles de ver y de gestionar. La introducción de herramientas de IA en este entorno no resuelve automáticamente estos problemas. De hecho, sin requisitos claros y reglas armoniosas, la IA puede amplificarlos.
Los resultados generados por la IA son tan confiables como los insumos que proporcionan. Cuando la lógica empresarial se define de forma vaga o inconsistente, la IA simplemente reproduce esa inconsistencia a escala. Puede parecer que los equipos se están moviendo rápidamente, pero las liberaciones siguen siendo frágiles, impredecibles y de alto riesgo porque no hay una base estable debajo de la superficie.
El resultado es una paradoja familiar: los bancos invierten en IA para acelerar la entrega, pero el cambio todavía parece lento, costoso y plagado de riesgos de cumplimiento. La IA ha interrumpido la entrega; Reveló cuán frágiles eran ya las tradiciones.
¿Por qué los costos heredados siguen aumentando?
La factura anual de mantenimiento de 3.300 millones de libras no es sólo obra de tecnología antigua. Es un síntoma de complicaciones acumuladas.
Durante décadas, los bancos han construido una densa red de integraciones, soluciones alternativas personalizadas y soluciones puntuales en torno a sus plataformas principales. Cada actualización regulatoria, lanzamiento de producto o consolidación agrega nuevas capas.
La documentación rápidamente se vuelve obsoleta a medida que la lógica se reescribe para satisfacer las necesidades inmediatas, mientras que el conocimiento profundo del sistema se encuentra cada vez más en manos de un grupo cada vez menor de expertos que están a punto de jubilarse.
En este entorno, incluso los pequeños cambios pueden desencadenar efectos en cascada. Los ciclos de prueba se extienden porque los equipos temen romper sistemas que ya no comprenden completamente. Las ventanas de liberación están estrictamente controladas y rodeadas de mecanismos de mitigación de riesgos. La innovación se ve obstaculizada por la necesidad de preservar la estabilidad.
La IA arroja luz sobre esta complejidad. Cuando los equipos de liderazgo ven lo que el desarrollo moderno basado en IA puede lograr en un entorno menos restrictivo, el contraste con sus propios sistemas se vuelve marcado. El costo de oportunidad de mantener el status quo se vuelve difícil de justificar.
De la automatización a la entrega basada en inteligencia
Si la IA revela los límites de los sistemas heredados y los antiguos modelos de entrega, la respuesta no es sólo una mayor automatización. Lo que se necesita es una entrega basada en inteligencia.
La entrega basada en inteligencia incorpora la lógica empresarial y el contexto de decisión directamente en el ciclo de vida del desarrollo de software. En lugar de permitir que las reglas fluyan a través de múltiples bases de código o dependan de interpretaciones individuales, las organizaciones las centralizan y codifican en un formato estructurado y reutilizable.
Los requisitos se estandarizan y se pueden rastrear desde la intención comercial hasta la implementación y las pruebas. La lógica de decisión se vuelve clara, controlada por versiones y auditable.
Una vez establecida esta base, la IA trabaja sobre un terreno mucho más firme. La generación de código está alineada con las reglas comerciales aprobadas. La prueba mapea automáticamente la ruta de decisión definida. El análisis de impacto se vuelve más predecible a medida que las dependencias son visibles y comprendidas.
Reduce el retrabajo y el riesgo y acorta el tiempo a través de la transparencia y el control en lugar de solo la velocidad.
Escalar la IA de manera responsable
Para las instituciones financieras, la velocidad no puede lograrse a expensas de la resiliencia, la seguridad o el cumplimiento normativo. La entrega basada en inteligencia coloca la lógica de decisión en el centro del ciclo de vida, haciendo que el cambio sea más controlable, observable e interpretable.
A medida que crece la adopción de la IA, los reguladores prestan mucha atención a cómo se diseñan, implementan y gestionan las decisiones automatizadas. Las organizaciones que no pueden explicar claramente cómo se aplican las reglas comerciales en todo el sistema enfrentan un mayor escrutinio.
Hacer que la lógica sea clara y rastreable ayuda a abordar estas preocupaciones y al mismo tiempo permite la innovación.
Este enfoque también apoya la evolución del talento. Al reducir la dependencia del conocimiento tribal y la interpretación manual, los equipos pueden centrarse en tareas de alto valor: refinar la lógica empresarial, mejorar la experiencia del cliente y explorar servicios habilitados por IA.
Un verdadero camino a seguir
La conversión no requiere el reemplazo total del sistema original. Pocos bancos pueden permitirse ese nivel de perturbación. El progreso puede comenzar con los propios modelos de prestación.
Al identificar áreas de gran cambio, codificar reglas comerciales y alinear las herramientas de inteligencia artificial con una gestión de decisiones estructurada, los bancos pueden reducir gradualmente la dependencia de procesos frágiles. Con el tiempo, los gastos generales de mantenimiento se reducen, mejora la confianza y surge un camino realista hacia la modernización incremental.
Gastar miles de millones para mantener el núcleo heredado representa tanto una carga como una oportunidad. Redirigir incluso una parte de esa inversión hacia prácticas basadas en inteligencia permite pasar del mantenimiento defensivo a la innovación proactiva.
La IA no es el enemigo ni la panacea de los sistemas heredados. Es un catalizador que revela vulnerabilidades acumuladas a lo largo de años de cambios incrementales. Los bancos que reconsideren cómo entregan software estarán mejor posicionados para escalar la IA de manera segura y sostenible.
Aquellos que no entienden que el mayor riesgo es no adoptar la IA demasiado rápido, sino aferrarse a modelos de prestación que ya no pueden soportar el ritmo de la banca moderna.
Hemos presentado los mejores chatbots de IA para empresas.
Este artículo se creó como parte del canal Expert Insights de TechRadarPro, donde destacamos las mejores y más brillantes mentes de la industria tecnológica actual. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
