Cómo una institución financiera heredada apostó fuerte por la IA generativa

En el sector financiero, las empresas angulares de la industria no tienen por costumbre lanzarse de cabeza a adoptar tecnologías de vanguardia. Al igual que en muchas industrias conservadoras y reguladas, los líderes casi siempre optan por evitar errores costosos y embarazosos en lugar de asumir los riesgos de ser un adoptador precoz. Sin embargo, a principios de 2023, Rob Fauber, el recién nombrado CEO de Moody’s -una empresa centenaria cuyo negocio consiste en la evaluación metódica del riesgo- hizo precisamente eso.

El movimiento se basó en un cálculo contrario: en los primeros días de la IA generativa, quedarse quieto suponía en realidad un riesgo mucho mayor para el futuro de la empresa que adoptar agresivamente una tecnología altamente imperfecta. El enfoque convencional -y el camino que tomaron la mayoría de las empresas- consistía en probar y analizar las deficiencias de esta nueva tecnología, realizar pequeños experimentos en casos de uso limitados y esperar a que se disipara la niebla de la incertidumbre. Entre las alucinaciones de los modelos, los posibles problemas normativos y las preguntas sobre la transparencia, la mayor parte del sector se centró en los riesgos a la baja. Fauber, en cambio, veía la inacción como la mayor amenaza para el negocio de Moody’s, y la IA como una oportunidad crítica que podría tener pronunciadas ventajas para la empresa.

Así que se comprometió a adoptar la tecnología internamente. Sin embargo, había un problema clave: A diferencia de la mayoría de las transformaciones, el objetivo final de esta iniciativa no estaba claro. La tecnología evolucionaba increíblemente rápido y no había casos de uso probados sobre cómo podía aplicarse para crear valor. Fauber comparó la iniciativa con esprintar en la niebla: era posible ver unos pasos por delante, pero no más allá. Eso planteó una serie de preguntas difíciles: cómo elaborar la hoja de ruta de la IA de la empresa y cómo hacer que la junta, el equipo directivo y toda la organización se unieran al viaje, sabiendo que la niebla no iba a disiparse a corto plazo.

Como profesor que estudia cómo organizarse para la innovación, el espíritu empresarial y la estrategia tecnológica, y que entrevistó a varios de los principales líderes de Moody, este enfoque ofrece lecciones sobre cómo las empresas pueden cambiar su forma de trabajar con tecnologías en rápida evolución.

Los primeros días

En los primeros meses de 2023, el rumor en torno a la IA generativa -especialmente tras el lanzamiento de GPT-3.5 por parte de OpenAI- captó la atención del equipo de liderazgo ejecutivo de Moody. Fauber, en particular, empezó a experimentar con el nuevo modelo y a explorar sus capacidades. Junto con el presidente de Moody’s Analytics, Steve Tulenko, decidió que la oleada de blogs y tweets y podcasts y posts sobre la IA generativa no eran palabrería ociosa: la tecnología tenía el poder de transformar elementos centrales de los negocios de Moody’s. La división de análisis de la empresa generaba 750 millones de dólares anuales con la producción y distribución de informes de investigación. Con las capacidades de la IA generativa para digerir, analizar y sintetizar cantidades masivas de datos y para producir destilaciones escritas de alta calidad de estos datos, Fauber y Tulenko vieron un futuro en el que el flujo de ingresos de la empresa basado en los informes podría estar en peligro.

Los dos también miraron a su alrededor a los homólogos de Moody’s en el sector de los servicios financieros, la mayoría de los cuales se encontraban en un compás de espera vigilante. El enfoque más común consistía en crear Consejos de IA, que generalmente incluían a representantes de los departamentos jurídico, técnico, de IT, de cumplimiento y de riesgos. La abundancia de cautela tenía sentido. Las instituciones financieras que han superado 100 años de mercados alcistas, depresiones, recesiones y un constante ataque de malos actores, han tendido a sobrevivir porque han sido eficaces a la hora de gestionar y minimizar el riesgo.

En este caso, sin embargo, la acción parecía una opción mucho menos arriesgada que la inmovilidad. La cuestión, entonces, era ¿por dónde empezar?

Tres principios rectores

La escala del cambio requerido era desalentadora: Fauber esperaba un cambio cultural completo. Para lanzar la iniciativa, estableció tres principios rectores:

• Convertir a todos en innovadores. En primer lugar, la dirección dio luz verde al acceso a la IA generativa en toda la organización. La empresa lo hizo posible desplegando herramientas de IA generativa a cada empleado desde el principio. Más que ningún otro cambio técnico en la historia de la humanidad, la IA generativa permitiría la innovación ascendente. A medida que el equipo experimentaba, llegó a la conclusión de que la tecnología tiene la capacidad de descentralizar la innovación a escala. El objetivo era capacitar a los empleados para que se vieran a sí mismos como capaces de influir en el futuro tanto de sus propias funciones laborales individuales como del funcionamiento más amplio de la empresa. Para captar la idea, Fauber invitó al personal a pensar en sí mismos como “14.000 innovadores”.
• Aprovechen las nuevas ideas, no las descarten. En segundo lugar, Fauber instó a los empleados a adoptar una mentalidad de “sí, y…”. Este enfoque se centró tanto en el personal jurídico, de cumplimiento y de riesgos como en las bases de la organización. La empresa necesitaba el apoyo de todos los grupos para tener éxito: el equipo directivo adoptó la postura de que, cuando se trataba de la IA generativa, una barrera en algún lugar tenía el potencial de ser una barrera en todas partes.
• Ofrecer impacto. Por último, hizo hincapié en la importancia de dar prioridad a las iniciativas que aportaran un valor mensurable al negocio El equilibrio entre la experimentación abierta y el valor real era importante. Fauber sabía que el “factor de distracción” podía ser elevado, por lo que construyó un mecanismo para priorizar y destinar más recursos a aquellas innovaciones que pudieran contribuir de forma significativa al resultado final o superior.

Estos principios se diseñaron para impulsar una revisión cultural y un enfoque federado de la innovación. “La clave era crear y dotar de recursos un entorno en el que la innovación pudiera producirse en cualquier lugar de la organización, pero con las estructuras adecuadas para mantenernos alineados con dos de nuestros valores fundamentales: la confianza y la precisión”, afirma Tulenko.

Para hacer operativa la visión, Moody’s creó el Grupo de Inteligencia Generativa (GiG). El concepto era que cada miembro de la empresa tenía ahora “otro trabajo”: la innovación en IA. Se esperaba que todos exploraran las posibilidades de la IA generativa en primera línea de la organización. En este contexto, GiG actuaba como un pequeño grupo central de habilitación. Su papel consistía en examinar rápidamente la nueva tecnología, ofrecer las herramientas más valiosas a la organización y proteger los mandatos de seguridad, confianza y precisión. En lugar de crear una división separada de IA, esta estructura adoptó el principio de los “14.000 innovadores”.

Un cambio de esta magnitud requería ganarse a los escépticos en todos los niveles de la empresa.

Fauber decidió empezar por arriba. Para demostrar las capacidades de la IA generativa, en la reunión del consejo de administración del segundo trimestre de 2023, abrió con un vídeo deepfake que hizo de sí mismo pronunciando una llamada ficticia sobre las ganancias. El consejo se convenció rápidamente de que la IA generativa tendría implicaciones radicales para el negocio de Moody’s, y se ganó su aceptación para doblar la apuesta.

Para implicar a los empleados, Fauber dirigió tres ayuntamientos en los que fomentó debates francos sobre las implicaciones de la IA generativa para la empresa. Estas reuniones, que a menudo se convocaban con poco tiempo de antelación, se centraron en el acceso masivo y el empoderamiento. Su objetivo era convertir la resistencia en curiosidad y, finalmente, en entusiasmo.

Para posibilitar el cambio cultural, la dirección también sabía que necesitaba crear un nivel básico de fluidez en IA en toda la organización. Para ello, crearon un programa de formación en IA generativa a medida y le adjuntaron un fuerte incentivo: Fauber se comprometió a financiar un fondo de bonificaciones que se activaría si el 95% o más de los empleados de Moody’s lo completaban. Se esperaba que participara todo el mundo, desde los auxiliares administrativos hasta los ejecutivos. La formación era significativamente más técnica que las anterioresiniciativas de formación en toda la empresa**.** Varios empleados de Moody’s fueron los “actores” de estas sesiones, grabadas en casa con Zoom para crear una sensación de urgencia y “crudeza” de los temas. Para animar a los empleados a profundizar aún más, la empresa proporcionó a todos listas de reproducción de vídeos de YouTube y lecturas adicionales. La empresa hizo un seguimiento público del desencadenante del 95% para el pago de la bonificación en una cuenta atrás hasta final de año, y celebró cuando se alcanzó el desencadenante mucho antes de la fecha límite de final de año. El pago de la bonificación en sí figuraba por separado en las declaraciones anuales de beneficios como una bonificación “extra” que iba a toda la empresa.

Entrenarse para un maratón cuando sólo se ven dos pies por delante

La mayoría de los esfuerzos de cambio organizativo implican la transición de una organización de un estado de origen a un estado de destino. La empresa comienza en el punto A y su objetivo es pasar al punto B. Por ejemplo, una empresa de software tradicional podría hacer la transición a un modelo basado en la nube, como Adobe Systems logró con tanto éxito. O una empresa de productos podría aspirar a ser un proveedor de soluciones, como la migración de John Deere de la venta de tractores a las soluciones agrícolas de precisión. Sin embargo, este enfoque no funcionaría para intentar seguir el ritmo de la IA generativa. La tecnología se estaba desarrollando tan rápido, con tantas aplicaciones potenciales, que requeriría un proceso de cambio continuo hacia un estado de destino desconocido. La empresa tendría que estar en un estado casi perpetuo de adaptación.

La velocidad era un objetivo primordial. Los competidores empleaban meses en evaluaciones técnicas de grandes modelos lingüísticos. En lugar de seguir su ejemplo, Moody’s adoptó un enfoque más pragmático. “Considerábamos estos modelos como herramientas de aprovechamiento ’listas para usar’, no como cajas negras inescrutables que requerían meses de análisis”, afirma Tulenko. “Nuestra ventaja competitiva, desde luego, no iba a venir de la construcción de un modelo de base patentado, sino de su aplicación rápida e inteligente a nuestros activos de datos únicos, nuestra experiencia en el dominio y la confianza depositada en nuestra marca.”

La estrategia técnica de Moody’s consistió en integrar rápidamente las nuevas capacidades de IA en los escritorios de todos los empleados de Moody’s, a menudo pocas horas después de que estuvieran disponibles en el mercado. Ya se tratara de la capacidad de interrogar archivos PDF, de la conversión de voz a texto o del análisis de imágenes, a medida que las nuevas funciones iban apareciendo en los LLM disponibles en el mercado, el equipo de Moody’s las adoptaba casi en tiempo real dentro de la infraestructura segura de la empresa. La empresa también creó un pequeño equipo interno y le proporcionó una caja de arena para experimentar con la llegada constante de nuevas herramientas de terceros.

Las asociaciones también fueron clave en la hoja de ruta de Moody’s. En julio de 2023, cuando el impulso crecía internamente, Moody’s se puso en contacto con Microsoft para formar una asociación. El acuerdo, firmado en sólo seis semanas, proporcionó acceso a la infraestructura en la nube de Azure, incluido el acceso seguro a algunos de los modelos de OpenAI. Más allá de eso, Moody’s desarrolló internamente una capa de orquestación que se situaba sobre los modelos base de OpenAI, Anthropic, Meta y Google. El orquestador podía asignar de forma segura los prompt a los distintos modelos, basándose en factores como los costes probables de inferencia y los puntos fuertes de los modelos. El sistema de bajo código/sin código que construyó el equipo permitió a cualquier división de la empresa desarrollar rápidamente sus propias aplicaciones nuevas, pero todas las interacciones de IA debían permanecer dentro del entorno seguro de Moody’s, un requisito fundamental para mantener la confianza de sus clientes.

Estos pasos permitieron a Moody’s mantener la seguridad y la agilidad: conservar toda la actividad a salvo dentro de una infraestructura segura y, al mismo tiempo, ofrecer nuevas capacidades a los empleados al ritmo al que llegaban al mercado.

En las primeras semanas del programa “14.000 innovadores”, los empleados registraron cientos de casos de uso y se ejecutaron millones de prompt contra el propio copiloto de Moody’s. El departamento de atención al cliente desplegó la capacidad “Construya su propio asistente” de la empresa para crear una nueva aplicación -el asistente de atención al cliente- que supuso un ahorro de millones de dólares en los tres primeros meses de su uso. Todo lo aprendido en estos variados casos de uso sentó las bases para el primer esfuerzo comercial de IA generativa de Moody.

Antes del AOE 2023 -apenas 5 meses después de que arrancara la iniciativa de IA generativa- se produjo el lanzamiento comercial del Asistente de Investigación de Moody’s. “Lo que hace único a nuestro Asistente de Investigación no es sólo la tecnología de IA”, explica Tulenko. “Es saber cómo trabajan los profesionales de las finanzas y aplicar esa experiencia de dominio”.

Aquí vienen los agentes

En todo caso, Fauber y el equipo directivo han impulsado una aceleración del cambio en los últimos meses, para seguir el ritmo sin precedentes del progreso en el ecosistema de la IA generativa. En marzo de 2024, muy por delante del rumor del sector sobre los flujos de trabajo agénticos, Moody’s ya había construido y desplegado sus propios agentes. Esta iniciativa, conocida internamente como Recon.AI, demostró la rapidez con la que la nueva Moody’s podía pasar del libro blanco a los experimentos y a la instanciación de la innovación.

En diciembre de 2024, Moody’s compartió escenario con Amazon, un nuevo socio de IA generativa, cuando AWS lanzó su producto Bedrock Agents. El enfoque multiagente de Moody’s está diseñado para generar informes exhaustivos sobre riesgos financieros para los clientes. Anteriormente, la creación de un informe de este tipo habría requerido una semana de trabajo de un analista experimentado de Moody’s. Un agente supervisor de IA con un equipo de subagentes de IA podría realizar la misma tarea de análisis en sólo una hora.

Lecciones para otras empresas

La experiencia de Moody’s puede ofrecer a otras empresas lecciones concretas sobre cómo adoptar esta tecnología.

La espera tiene un precio.

Un verdadero cálculo del riesgo de la IA generativa tiene muy en cuenta los inconvenientes de la inacción. Para Moody’s, el peligro de la inacción podría haber abierto la puerta a nuevos tipos de competidores que ahora disponían de herramientas que reducían las barreras para entrar en los mercados tradicionales de Moody’s. También había que tener en cuenta el riesgo de pérdida de talento: Moody’s no podía permitirse dejar a sus empleados fuera de las oportunidades de adaptarse y aprender. Ponderar fuertemente el riesgo de la inacción ayudó a los líderes a tomar la decisión inicial de entrar de lleno. Los grandes pasos que se dieron como resultado de esa decisión inicial marcaron la pauta para el resto del esfuerzo de transformación: la gente se sintió capacitada y el mercado se levantó y lo notó. Esos nuevos competidores acudían ahora a Moody’s para asociarse, en lugar de para competir.

Adopte la innovación descentralizada.

Si va acompañada de la capacitación y el empoderamiento de toda la organización, la IA generativa cambiará radicalmente el lugar de la innovación, de grupos centralizados y dedicados (como I+D, producto) con grandes presupuestos, a grupos ascendentes a escala. El enfoque de experimentación masiva acortó el tiempo de comercialización del producto debido al gran número de opciones entre las que elegir. El riesgo al que se enfrentaba Moody’s con este enfoque era el de la priorización, no el de la opcionalidad, un buen problema a tener en cuenta.

El cambio es una constante.

El ritmo de avance y la cantidad de incertidumbre de la IA generativa exigen que los líderes desarrollen y apliquen procesos de cambio continuo. Las organizaciones tendrán que permanecer en continuo movimiento. Moody’s se adaptó a este nuevo paradigma centrándose en centralizar sólo aquellos elementos que permitían escalar. Además, al incorporar el riesgo, el cumplimiento y los aspectos legales directamente en el programa de cambio, evitó algunos de los obstáculos comunes que ralentizan a las organizaciones o atrapan los esfuerzos ambiciosos en prolongadas evaluaciones de riesgo.

No vaya solo.

La IA generativa es ecosistémica, y es probable que las asociaciones externas sean esenciales para obtener sus beneficios. La capacidad no sólo de obtener un acceso temprano a las hojas de ruta de las grandes empresas tecnológicas, sino también de darles forma, informó sobre la planificación prospectiva que Moody’s podía emprender dada la incertidumbre. Identificar rápidamente dónde necesita -o se beneficiaría de- ayuda externa puede permitirle asignar mejor los escasos recursos a las competencias básicas.

La educación y la capacitación crean aceptación y los incentivos financieros ponen la pelota en movimiento.

Reducir la incertidumbre, ofrecer transparencia y ser abierto sobre el impacto, combinado con un claro deseo de educar y capacitar a todos los empleados aunque algunos se vieran claramente afectados (negativamente) por el cambio, funcionó como técnica para conseguir que los empleados se inclinaran. Una vez establecidas las bases para la adopción, Moody’s descubrió que la actividad práctica y el acceso práctico funcionaban bien como técnica para impulsar el cambio.

De copiloto a compañeros de trabajo agénticos

A medida que Moody’s adoptaba la IA, surgían de forma natural preguntas sobre el futuro de su plantilla. La IA presentará muchas oportunidades para aumentar la eficiencia, lo que plantea la posibilidad de que Moody’s pueda aumentar significativamente sus ingresos sin un incremento proporcional de la plantilla de la empresa. En este sentido, Fauber pudo ver un futuro en el que la estructura de la organización evolucionaría de su actual forma piramidal a algo más estrecho, mejorando la eficiencia operativa en relación con el crecimiento escalable y posicionando a Moody’s como una empresa más ágil en la era de la IA que se aproxima rápidamente. Esta visión futurista complementa el pensamiento actual de Fauber sobre el impacto de la mano de obra: “En Moody’s, veo la IA generativa como una historia de potenciación humana, no de sustitución humana”.

El temprano viaje de Moody’s hacia la IA generativa ofrece una convincente lección de adaptación proactiva. Gracias al reconocimiento temprano del potencial transformador de la IA generativa, Fauber, Tulenko y su equipo empezaron a reinventar una empresa centenaria en menos de un año. El viaje no ha estado exento de desafíos, pero gracias a un equipo de liderazgo ágil y convencido, un enfoque en el cambio cultural, una serie de asociaciones estratégicas clave y un compromiso masivo con la innovación en toda la empresa impulsada desde la base, Moody’s está forjando su pasado hacia un futuro radicalmente diferente, primero con IA generativa.