«Un buen modelo IA integrado en un mal proceso tendrá un impacto limitado»

Tomás Arteaga dirige el área de Data Science & Analytics de Deutsche Bank Private Bank España. Antes estuvo en BBVA, donde lideraba la analítica para Negocios, PYMEs y autónomos, y en Deutsche Bank empezó como Director de Customer Analytics.

Con él hemos hablado de lo que supuso pasar de un banco nacional a la filial de un grupo global, de personalización, de analítica en tiempo real, de la regulación europea sobre IA y de cómo se encaja lo que llega de Alemania con lo que necesita el negocio en España.

[MCPRO] Venías de BBVA, donde liderabas analítica para Negocios, PYMEs y autónomos, y llegaste a Deutsche Bank como Director de Customer Analytics antes de asumir Data Science & Analytics. ¿Qué fue lo que más te sorprendió al cambiar de un banco nacional a una filial de un banco global alemán? ¿Dónde esperabas más madurez analítica de la que encontraste, y dónde encontraste más de la que esperabas?

[Tomás Arteaga] Con el paso del tiempo, una de las cosas que más he aprendido es que la madurez analítica no depende solo del tamaño de una organización ni de la disponibilidad de tecnología. Depende, sobre todo, de la capacidad de incorporar los datos de forma natural en la toma de decisiones y de construir una cultura en la que negocio, tecnología y análisis trabajen con un objetivo común.

En organizaciones grandes suele existir una combinación interesante: por un lado, capacidades globales, estándares y una visión muy estructurada; por otro, realidades locales que obligan a adaptar el enfoque a cada mercado, cliente y prioridad de negocio. Ese equilibrio entre escala y cercanía es uno de los retos más relevantes en cualquier transformación basada en datos.

Un aprendizaje que me llevo de esos primeros años es precisamente la importancia de formular bien las preguntas antes de buscar respuestas analíticas. A veces se piensa que el valor está en aplicar modelos complejos, cuando en realidad empieza mucho antes: entender el problema de negocio que se quiere resolver, las decisiones que queremos mejorar, identificar la información que es relevante y finalmente cómo se va a utilizar la solución analítica planteada.

Para mí, la principal diferencia entre una organización analíticamente madura y otra que no lo es tanto no está únicamente en sus herramientas o en su tecnología, sino en cómo es capaz de convertir los datos en conocimiento, en mejores decisiones y en aprendizajes compartidos.

[MCPRO] El Next Best Action es uno de los proyectos que has liderado en Deutsche Bank. ¿Qué significa en la práctica en un banco privado de vuestra escala? ¿Qué variables mueven la aguja de verdad y qué ha resultado ser ruido una vez en producción?

[Tomás Arteaga] Más que hablar de una iniciativa concreta, creo que la personalización en banca debe entenderse como la capacidad de hacer llegar el mensaje adecuado, en el momento oportuno y a través del canal más relevante. El objetivo no es impactar más, sino aportar más valor al cliente, combinando conocimiento, contexto y oportunidad.

Lo que realmente mueve la aguja es, sin duda, la combinación de conocimiento del cliente, capacidad de priorización y ejecución. La analítica aporta valor cuando ayuda a crear experiencias más relevantes, más sencillas y mejor alineadas con las necesidades reales de los clientes.

[MCPRO] Has hablado en varios foros del reto de la analítica en tiempo real en banca. ¿Qué casos de uso tenéis ya en producción funcionando con datos en tiempo real? ¿Y cuál es el techo —técnico u organizativo— que os impide ir más lejos?

[Tomás Arteaga] En el mundo de la analítica en tiempo real nos encontramos con dos grandes retos. Por un lado, el tecnológico: cómo construimos la infraestructura capaz de detectar estos eventos en tiempo real y cómo integramos las distintas fuentes de información que generan esos datos en streaming. Por otro, los procesos de negocio: cómo, a partir de la analítica de datos y del conocimiento del cliente, somos capaces, como organización, de transformar esos eventos en una experiencia personalizada y en tiempo real para nuestro cliente.

En cuanto al techo, diría que es más organizativo que tecnológico. La dificultad no está tanto en detectar un evento en tiempo real, sino en convertir ese evento en una acción concreta. Y para eso hay que tener el proceso de respuesta definido: quién actúa, en qué canal, con qué mensaje y en cuánto tiempo. Eso requiere un nivel de alineamiento importante entre tecnología, operaciones y negocio.

[MCPRO] En LinkedIn escribiste que «la IA no arregla procesos mal definidos, no compensa datos pobres y tampoco sustituye decisiones que nadie quiere tomar», y comparto esa visión. ¿Cómo convences a los que toman decisiones de que el problema no es el modelo, sino el proceso?

[Tomás Arteaga] La IA es una herramienta muy potente, pero no es una solución mágica. Puede acelerar, automatizar o mejorar decisiones, pero difícilmente compensará un proceso mal definido, datos de baja calidad o una falta de claridad sobre el objetivo de negocio.

Por eso, antes de hablar de modelos o algoritmos, es fundamental dedicar tiempo a entender el problema: qué decisión queremos mejorar, qué restricciones existen, quién va a utilizar el resultado y cómo se integrará en la operativa diaria. Esa parte, que no siempre es técnica, suele ser determinante para que una solución analítica funcione.

Convencer a los decisores pasa por explicar que el valor de la IA no está solo en la predicción, sino en su capacidad para mejorar un proceso completo. Un buen modelo integrado en un mal proceso tendrá un impacto limitado; en cambio, una solución más sencilla, bien integrada y gobernada, puede generar mucho más valor.

[MCPRO] El EU AI Act clasifica los sistemas de scoring crediticio como de «alto riesgo«, con requisitos estrictos de transparencia, auditabilidad y supervisión humana. ¿Estáis ya adaptados o ese proceso todavía está en marcha? ¿Qué cambios concretos ha exigido en cómo construís y documentáis vuestros modelos?

[Tomás Arteaga] Más allá de un caso de uso concreto, la regulación europea está empujando al sector hacia una mayor disciplina en el diseño, documentación y supervisión de los sistemas de IA. Esto es positivo, en el sentido en que obliga a reforzar principios que en muchos casos ya están presentes en cualquier uso responsable de la tecnología como son la transparencia, la trazabilidad, el control humano y el llevar a cabo una gestión apropiada del riesgo.

El gran cambio cultural es entender que la IA no puede evaluarse únicamente por su capacidad predictiva o por su eficiencia operativa. También hay que valorar cómo se construye, cómo se explica, cómo se supervisa y qué impacto puede tener sobre clientes, empleados y procesos. En banca, la confianza es un activo esencial, y el uso responsable de la IA tiene que llevarnos a no deteriorar de ningún modo esa confianza.

[MCPRO] Deutsche Bank tiene una estrategia de datos global. Como responsable de Data Science para España, ¿cuánta autonomía real tienes para construir o adaptar modelos al mercado local? ¿Dónde está la fricción más recurrente entre lo que os llega de Alemania y lo que necesita el negocio español?

[Tomás Arteaga] En cualquier organización global se requiere buscar un equilibrio entre la búsqueda de estándares comunes y la necesidad de responder a realidades locales del negocio. Desde el punto de vista de datos e IA: el disponer de estándares globales aporta un marco de trabajo consistente, eficiente y gobernado; mientras que, por otro lado, la cercanía al mercado nos aporta contexto, relevancia y capacidad de adaptación a las diferentes necesidades que puede tener el negocio.

La clave está en distinguir qué debe ser común y qué debe adaptarse a las realidades locales de cada negocio. Está claro que hay principios que deben ser compartidos en toda la organización, como por ejemplo el seguimiento de la calidad de los datos, la seguridad, la trazabilidad, el gobierno de modelos o el uso responsable de la IA. Pero es precisamente en la forma de aplicar la analítica donde se deben tener en cuenta las características particulares de cada mercado, de cada cliente y de cada proceso de negocio.

Cuando ese equilibrio funciona, la analítica deja de ser una capacidad aislada y se convierte en una forma de trabajar: más conectada con el negocio, más disciplinada desde el punto de vista del riesgo y más orientada a generar valor real y recurrente para el cliente y para la organización.

Si algo se repite en toda la entrevista es que los datos sirven de verdad cuando se usan para decidir. Arteaga lo aplica a la madurez de una organización, que para él tiene más que ver con la cultura que con el tamaño o las herramientas, y también al tiempo real, donde lo difícil es convertir cada evento en una acción concreta.

Sobre la regulación europea, Tomás es optimista: cree que obliga a trabajar con más disciplina y a reforzar lo que ya forma parte de un uso responsable de la tecnología. En un negocio que vive de la confianza, creo que tiene todo el sentido.

Una conversación enriquecedora y con los pies en el suelo. Gracias a Tomás Arteaga por su tiempo y por compartir su experiencia con los lectores de MCPRO.