Artículo Científico
Space Scientific Journal of Multidisciplinary | Vol. 0
2
Núm. 0
1
Enero
–
Marzo
202
4
| ISSN:
3091
-
183
www.spacesjmultidisciplinary.omeditorial.com
Inteligencia artificial y su impacto en la
transformación de la gestión financiera
Artificial intelligence and its impact on financial
management transformation
Herrera
-
Sánchez
,
Maybelline Jaqueline
1
;
Casanova
-
Villalba
,
César Iván
2
.
Recibido:
28/11/2023
Aceptado:
29/12/2023
Publicado:
31/01/2024
Cita:
A
Herrera
-
Sánchez, M. J., &
Casanova
-
Villalba, C. I. (2024). Inteligencia artificial y su impacto
en la transformación de la gestión financiera.
Space Scientific Journal of Multidisciplinary
,
2
(1), 52
-
64.
https://doi.org/10.63618/omd/ssjm/v2/n1/43
Resumen
Este artículo revisa el impacto de la inteligencia artificial (IA) en la gestión financiera,
enfatizando su papel en la
automatización, mejora de decisiones y personalización de
servicios. A través de una revisión bibliográfica exploratoria de fuentes científicas recientes,
se examinan aplicaciones clave como la automatización de procesos contables, la
predicción avanzada d
e riesgos mediante algoritmos de aprendizaje profundo, y la
personalización basada en análisis de datos. Los hallazgos resaltan mejoras en eficiencia
operativa, precisión analítica y experiencia del cliente, así como una mayor inclusión
financiera. Sin emb
argo, también se identifican desafíos técnicos, como la integración con
sistemas legados y la falta de talento especializado, además de preocupaciones éticas
sobre la transparencia algorítmica y la privacidad de datos. Se concluye que la IA constituye
una
herramienta estratégica para transformar el sector financiero, siempre que se gestione
con rigor técnico y ético, promoviendo innovación, responsabilidad y sostenibilidad en un
entorno económico cada vez más dinámico y complejo.
Palabras clave:
inteligencia artificial, gestión financiera, automatización, análisis predictivo,
ética.
Abstract
This article reviews the impact of artificial intelligence (AI) in financial management,
emphasizing its role in automation, decision improvement and
personalization of services.
Through an exploratory literature review of recent scientific sources, key applications such
as accounting process automation, advanced risk prediction using deep learning algorithms,
and personalization based on data analytics
are examined. The findings highlight
improvements in operational efficiency, analytical accuracy and customer experience, as
well as greater financial inclusion. However, technical challenges are also identified, such
as integration with legacy systems an
d lack of specialized talent, as well as ethical concerns
about algorithmic transparency and data privacy. It is concluded that AI constitutes a
strategic tool to transform the financial sector, provided it is managed with technical and
ethical rigor, prom
oting innovation, responsibility and sustainability in an increasingly
dynamic and complex economic environment.
Keywords:
artificial intelligence, financial management, automation, predictive analytics,
ethics.
1
Universidad Técnica Luis Vargas Torres de Esmeraldas
;
Ecuador
,
Santo Domingo
;
https://orcid.org/0000
-
0001
-
6840
-
3891
;
maybelline.herrera.sanchez@utelvt.edu.ec
2
Universidad Técnica Luis Vargas Torres de Esmeraldas
;
Ecuador
,
Santo Domingo
;
https://orcid.org/0000
-
0001
-
6486
-
1334
;
cesar.casanova.villalba@utelvt.edu.ec
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
53
1. Introducción
La irrupción de la inteligencia artificial (IA) ha marcado un antes y un después en
múltiples disciplinas, siendo la gestión financiera una de las áreas que más se ha
visto impactada en las últimas décadas. La capacidad de los sistemas basados en
IA para a
nalizar grandes volúmenes de datos, detectar patrones complejos y
automatizar procesos ha generado una transformación profunda en la manera en
que las organizaciones manejan sus recursos financieros. Sin embargo, pese al
evidente avance tecnológico, persis
te la incertidumbre respecto a cómo estas
tecnologías están cambiando realmente la práctica financiera y cuáles son los retos
y oportunidades asociados a su implementaci
ón
. Este problema es especialmente
relevante en un contexto económico global cada vez más dinámico y volátil, donde
la eficiencia y precisión en la gestión financiera se han convertido en factores críticos
para la supervivencia y crecimiento de
las empresas (Chen et al., 2012
).
El impacto de la IA en la gestión financiera no se limita exclusivamente a la
optimización operativa, sino que se extiende a múltiples dimensiones que afectan
tanto la toma de decisiones como la gobernanza corporativa. Entre los principales
factores que in
fluyen en esta transformación se encuentran la automatización de
procesos contables y administrativos, la mejora en la previsión y análisis de riesgos
financieros, así como la personalización de servicios financieros a través de
modelos predictivos y siste
mas de recomenda
ción
. No obstante, estos avances
tecnológicos también plantean desafíos significativos, tales como la necesidad de
integrar tecnologías complejas en infraestructuras existentes, las preocupaciones
relacionadas con la ética y la privacidad de los datos, y la po
sible reducción de
empleos tradicionales en el sector financiero (Makridaki
s, 2017)
. Además, la brecha
en competencias tecnológicas dentro del personal financiero puede limitar la
adopción efectiva de herramientas basadas en IA (Marques
& Ferreira, 2021).
Desde el punto de vista de la justificación y viabilidad, estudiar el impacto de la
inteligencia artificial en la gestión financiera es fundamental para comprender cómo
las empresas pueden aprovechar estas tecnologías para mejorar su desempeño
económico y
competitivo. La revisión bibliográfica permite sintetizar el conocimiento
actual y evaluar críticamente los avances y limitaciones en esta área, lo que resulta
imprescindible para guiar futuras investigaciones y prácticas empresariales.
Asimismo, la viabil
idad de este análisis radica en la disponibilidad creciente de
literatura científica especializada y casos de estudio que evidencian la aplicación
práctica de la IA en finanzas, desde grandes corporaciones hasta pequeñas y
medianas empresas (Brock & von Wa
ngenheim, 2019). Esta comprensión puede
facilitar la toma de decisiones estratégicas y la formulación de políticas
organizacionales que promuevan una integración eficiente, ética y sostenible de la
inteligencia artificial.
En este contexto, el objetivo principal de este artículo de revisión bibliográfica es
analizar y sintetizar el estado del arte sobre la influencia de la inteligencia artificial
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
54
en la transformación de la gestión financiera, identificando los principales avances,
desafíos y tendencias. Se busca aportar un marco conceptual que permita a
investigadores, profesionales y tomadores de decisiones comprender el papel que
juega la IA en l
a mejora de procesos financieros, la gestión de riesgos y la
innovación en productos y servicios financieros. Asimismo, se pretende destacar
áreas donde se requieren investigaciones adicionales para optimizar el
aprovechamiento de estas tecnologías en la g
estión financiera contemporánea.
2. Materiales y Métodos
Para la elaboración de este artículo se empleó una metodología basada en una
revisión bibliográfica
exploratoria, cuyo objetivo principal fue recopilar, analizar y
sintetizar de manera crítica el conocimiento científico disponible sobre el impacto de
la inteligencia artificial en la transformación de la gestión financiera. Esta
metodología resulta adecua
da para obtener una visión integral y actualizada de un
tema emergente, permitiendo identificar patrones, tendencias y vacíos en la
literatura existente.
La búsqueda de información se realizó en las principales bases de datos
académicas con alto índice de calidad, tales como Scopus y Web of Science,
seleccionadas por su rigurosidad en la inclusión de fuentes científicas indexadas.
Se utilizaron términos de
búsqueda combinados a través de operadores booleanos,
como “artificial intelligence”, “financial management”, “digital transformation”,
“automation in finance”, “machine learning in finance”, y sus equivalentes en
español, con el fin de abarcar un espectro
amplio y relevante de publicaciones.
El criterio de selección de los documentos consideró principalmente artículos de
investigación, revisiones sistemáticas y libros académicos publicados en los últimos
cinco años, priorizando aquellos trabajos con un enfoque teórico
-
práctico que
aportaran ev
idencia empírica o conceptual sobre la aplicación y consecuencias de
la inteligencia artificial en la gestión financiera. Asimismo, se excluyeron fuentes no
científicas, opiniones no fundamentadas y material que no cumpliera con los
estándares académicos d
e revisión por pares.
Posterior a la recolección, se realizó una lectura detallada y crítica de los
documentos seleccionados, con especial atención en identificar los aspectos clave
relacionados con las aplicaciones de la IA en finanzas, los beneficios reportados,
las limitacio
nes tecnológicas, los riesgos asociados y las tendencias emergentes.
Este análisis permitió categorizar la información en temáticas coherentes, facilitando
la comparación entre estudios y la extracción de conclusiones relevantes para el
campo.
Adicionalmente, se aplicó un enfoque cualitativo para interpretar los hallazgos, dada
la naturaleza exploratoria del estudio y la diversidad de enfoques metodológicos
presentes en la literatura. No se emplearon técnicas estadísticas ni meta
-
análisis,
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
55
ya que el propósito no fue cuantificar efectos sino comprender en profundidad el
fenómeno y sus implicaciones desde diferentes perspectivas.
Finalmente, la metodología adoptada garantizó la rigurosidad y objetividad en el
tratamiento de la información, a la vez que permitió construir un marco conceptual
sólido que sirva de base para futuras investigaciones y la toma de decisiones
estratégicas e
n el ámbito de la gestión financiera potenciada por inteligencia
artificial.
3. Resultados
3.1. Aplicaciones de la inteligencia artificial en la gestión financiera
La irrupción de la inteligencia artificial (IA) en el ámbito financiero ha generado una
metamorfosis sustancial en las prácticas tradicionales de gestión, permitiendo no
solo optimizar procesos sino también desarrollar capacidades predictivas y
personaliza
r la oferta de servicios. Estas aplicaciones están redefiniendo los
paradigmas de eficiencia, precisión y experiencia del cliente en el sector financiero,
contribuyendo a su transformación digital y competitividad en un entorno global
altamente dinámico.
3.1.1. Automatización de procesos financieros
La automatización impulsada por la inteligencia artificial constituye uno de los pilares
fundamentales para la transformación de la gestión financiera. Tecnologías como la
robótica de procesos automatizados (RPA), combinadas con algoritmos de
aprendizaje a
utomático y procesamiento de lenguaje natural, han facilitado la
ejecución eficiente de tareas rutinarias, como la contabilización de transacciones,
conciliaciones bancarias, auditor
ías y cumplimiento regulatorio (Erazo
-
Luzuriaga et
al., 2023).
Además, la capacidad de procesar grandes volúmenes de datos en tiempo real ha
transformado la gestión de la información financiera, permitiendo la actualización
automática y continua de registros contables, informes y estados financieros. Este
avance se tr
aduce en una mayor precisión y agilidad para responder a
requerimientos internos y externos, como la presentación de informes regulatorios
y auditorías (Chatterjee et al., 2021). Asimismo, la automatización basada en IA
permite una mayor estandarización y
control interno, disminuyendo riesgos
asociados a fraudes y errores en los procesos contables y administrativos.
Por otro lado, el uso de sistemas inteligentes en la automatización financiera
contribuye a la escalabilidad operativa, factor clave en empresas que enfrentan un
crecimiento acelerado o picos de actividad estacional, sin necesidad de incrementar
proporcion
almente los recursos humanos. Esta flexibilidad operacional posiciona a
las organizaciones financieras en un contexto favorable para la innovación continua
y la adaptación a mercados volátiles.
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
56
3.1.2. Predicción y gestión de riesgos
La capacidad predictiva que aporta la inteligencia artificial representa una de las
aplicaciones más revolucionarias en la gestión financiera contemporánea, en
especial en la gestión de riesgos. Tradicionalmente, los modelos de evaluación de
riesgos financ
ieros se basaban en metodologías estadísticas lineales con
limitaciones para captar la complejidad y
no linealidades inherentes
a los mercados.
Sin embargo, la IA ha permitido desarrollar algoritmos sofisticados que emplean
técnicas de aprendizaje profundo
, redes neuronales y modelos de ensamble para
analizar grandes volúmenes de datos heterogéneos y detectar patrones ocultos
(Khandani, Kim
, & Lo, 2010), en la figura 1 demuestran que
los modelos de gestión
de riesgos han avanzado desde enfoques estadísticos lineales hacia técnicas más
complejas basadas en inteligencia artificial.
Figura 1
Evolución y Complejidad en Modelos de Gestión de
Riesgos Financieros
Nota:
La imagen presenta una comparación entre modelos tradicionales y avanzados según su
complejidad y uso de IA, destacando la creciente adopción de redes neuronales y modelos de
ensamble para abordar la complejidad financiera contemporánea
(Autores, 2024).
Esta capacidad avanzada de análisis no solo permite prever la probabilidad de
incumplimientos crediticios o fraudes, sino que también posibilita la detección
temprana de anomalías en transacciones, reduciendo pérdidas financieras
significativas.
Sirignano, Cont y Giesecke (2021
) destacan que el uso de redes
neuronales profundas en el análisis de riesgos crediticios ofrece una mayor
precisión que los modelos tradicionales, lo que se traduce en decisiones más
acertadas sobre asignación de crédito y gestión de
carteras.
Además, la IA facilita la evaluación dinámica del riesgo de mercado, permitiendo la
simulación en tiempo real de escenarios económicos y financieros complejos, lo que
ayuda a las instituciones a anticipar y mitigar efectos adversos derivados de
volatilidad
es repentinas o eventos inesperados. Esta adaptabilidad es esencial en
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
57
un entorno caracterizado por una creciente incertidu
mbre y globalización financiera
(Erazo
-
Luzuriaga et al.,
2023).
Cabe mencionar que la aplicación de IA en la gestión de riesgos también contribuye
a optimizar el cumplimiento normativo mediante la automatización de procesos de
monitoreo y reporte, garantizando transparencia y conformidad con regulaciones
cada vez más e
strictas y cambiantes.
3.1.3. Personalización de servicios financieros
La personalización es otra dimensión crítica en la que la inteligencia artificial está
generando un cambio paradigmático dentro de la gestión financiera. La capacidad
de analizar datos detallados de clientes, comportamientos de consumo,
preferencias y cont
extos individuales mediante técnicas de minería de datos y
aprendizaje automático permite a las instituciones diseñar productos financieros y
estrategias de atención altamente personalizadas (Jiang, Liang, Huang, & Wang,
2021).
La implementación de sistemas basados en IA, como los chatbots inteligentes y
asistentes virtuales, ha mejorado la interacción con los clientes, facilitando el acceso
a información, asesoramiento y servicios financieros 24/7, con respuestas
inmediatas y ad
aptadas a necesidades específicas (Wang, Kung, & Byrd, 2018).
Este nivel de personalización no solo incrementa la satisfacción y fidelización del
cliente, sino que también permite a las instituciones optimizar sus recursos y
focalizar campañas comerciales
hacia segmentos de mayor valor potencial.
Asimismo, la IA habilita la creación de estrategias de inversión personalizadas,
ajustadas al perfil de riesgo, objetivos y horizontes temporales de cada cliente. Los
robo
-
advisors, por ejemplo, utilizan algoritmos inteligentes para gestionar carteras
de i
nversión de forma automática y optimizada, democratizando el acceso a
servicios financieros sofisticados que antes estaban reservados
a clientes de alto
patrimonio
(Kraus et al., 2020).
Esta tendencia hacia la personalización también tiene implicaciones importantes en
la inclusión financiera, ya que la IA facilita el desarrollo de productos y servicios
adaptados a sectores tradicionalmente excluidos o subatendidos, ampliando el
alcance de
l sistema financiero y promoviendo un desarrollo económico más
equitativo.
3.
2. Beneficios y desafíos de la inteligencia artificial en finanzas
La irrupción de la inteligencia artificial (IA) en el sector financiero ha generado
transformaciones profundas, potenciando capacidades analíticas, operativas y
estratégicas. No obstante, su adopción también implica enfrentar desafíos técnicos,
organizativ
os y éticos que condicionan la efectividad y sostenibilidad de su
implementación. Este apartado aborda de manera exhaustiva los beneficios
relacionados con la mejora en la toma de decisiones, así como las dificultades en la
integración tecnológica y las pr
oblemáticas éticas y de privacidad inherentes.
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
58
3.
2.1
.
Mejora en la toma de decisiones
El avance de la inteligencia artificial ha revolucionado la forma en que las
instituciones financieras abordan la toma de decisiones, superando las limitaciones
de los modelos tradicionales que dependían mayormente de la experiencia humana
y análisis estad
ísticos lineales. La IA, mediante el uso de algoritmos de aprendizaje
automático (machine learning), aprendizaje profundo (deep learning) y análisis
predictivo, permite procesar enormes volúmenes de datos heterogéneos en tiempo
real, identificando patrones
y relaciones no evidentes para el análisis huma
no
, en la
figura 2
l
a inteligencia artificial permite procesar datos financieros heterogéneos en
tiempo real, identificando patrones y realizando análisis predictivos que optimizan la
toma de decisiones empresariales
.
Figura 2
Transformación Inteligente de Datos Financieros mediante IA
Nota:
Este esquema destaca cómo la IA integra y transforma datos complejos para mejorar la
precisión y rapidez en decisiones financieras, representando un avance clave en la gestión
corporativa moderna
(Autores, 2024).
Este procesamiento avanzado facilita la elaboración de modelos predictivos más
precisos y adaptativos, mejorando la gestión de riesgos, la valoración de activos y
la optimización de carteras de invers
ión. Chen, Chiang y Storey (2012
) subrayan
que la capacidad de generar insights a partir del big data ha permitido a las
organizaciones financieras anticipar movimientos del mercado, detectar fraudes y
ajustar estrategias financieras con una velocidad y precisión sin precedentes. Por
eje
mplo, en el ámbito credi
ticio, los modelos de IA evalúan el comportamiento
histórico y patrones no lineales para determinar la probabilidad de incumplimiento,
contribuyendo a decisiones crediticias más acertadas y justas (Khandani, Kim, & Lo,
2010).
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
59
Además, la IA minimiza el impacto de sesgos cognitivos, comunes en la toma de
decisiones humanas, tales como el sesgo de confirmación o el exceso de confianza,
mediante un enfoque objetivo y basado en evidencia empírica (Gupta & George,
2016). Esta capacid
ad mejora la equidad y transparencia en procesos sensibles,
como la aprobación de créditos o la gestión de inversiones. También permite la
generación de escenarios de simulación complejos, que ayudan a los gestores a
visualizar los posibles impactos de sus
decisiones bajo diferentes condiciones de
mercado (Kraus et al., 2020).
La inteligencia artificial contribuye, por ende, a un proceso decisional más
informado, ágil y resiliente, factores esenciales en un entorno financiero marcado
por alta volatilidad, incertidumbre y complejidad.
3.
2.2
.
Dificultades en la integración tecnológica
No obstante, la incorporación de IA en la gestión financiera presenta barreras
significativas vinculadas a la integración tecnológica, las cuales pueden limitar el
potencial de estas innovaciones si no se gestionan adecuadamente. Uno de los
principales ret
os es la coexistencia con sistemas legados, muchas veces rígidos y
obsoletos, que dificultan la interoperabilidad y la implementación de soluciones
basadas en IA (Brock & von Wangenheim, 2019).
La infraestructura tecnológica debe adaptarse para soportar las demandas
computacionales y el procesamiento de datos en tiempo real que requieren los
algoritmos avanzados. Esto conlleva inversiones sustanciales en hardware de alta
capacidad, plataformas de
almacenamiento en la nube y redes de comunicación
robustas, además de la actualización constante del software y la integración de
interfaces que garanticen la coherencia y seguridad de los datos (Marques &
Ferreira, 2021).
Asimismo, la escasez de talento capacitado representa un desafío organizativo
crucial. Las habilidades híbridas que combinan conocimiento en finanzas, análisis
de datos y programación son escasas y altamente demandadas, generando una
brecha que ralentiza l
a adopción efectiva de tecnología
s IA
. La formación continua
y la actualización profesional son indispensables para superar esta brecha, así
como para fomentar una cultura organizacional receptiva al cambio tecnológico.
Otro aspecto crítico es la gestión del cambio interno, ya que la introducción de IA
puede provocar resistencia en los empleados por temor a la automatización y
pérdida de empleos. Esto requiere estrategias de comunicación, participación y
capacitación que
promuevan la colaboración entre humanos y máquinas,
enfatizando el rol complementario de la IA como herramienta para potenciar el
trabajo humano, no para sustituirlo (Chatterjee et al., 2021).
Finalmente, la seguridad informática se convierte en un factor determinante, dado
que la mayor dependencia de sistemas digitales y de datos sensibles aumenta la
exposición a ciberataques y vulnerabilidades, lo que exige la implementación de
protocolos robu
stos de protección y auditoría continua.
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
60
3.2.3. Problemas éticos y de privacidad
La adopción de inteligencia artificial en el sector financiero no está exenta de
implicaciones éticas y de privacidad, que requieren un enfoque riguroso y
multidisciplinar para evitar impactos negativos en los derechos de los usuarios y la
confianza en el
sistema financiero. La naturaleza opaca de muchos algoritmos de
IA, conocidos como “cajas negras”, dificulta la interpretación y supervisión de las
decisiones automatizadas, lo que puede generar falta de transparencia y
dificultades para responsabilizar a
las entidades en caso de errores o sesgos
(Doshi
-
Velez & Kim, 2017).
El sesgo algorítmico es un problema recurrente cuando los datos de entrenamiento
contienen prejuicios históricos o sociales, lo que puede derivar en discriminación
inadvertida en procesos como la concesión de créditos o la evaluación de riesgos
(Raji et al
., 2020). Este fenómeno puede exacerbar desigualdades sociales y afectar
negativamente a grupos vulnerables, contraviniendo principios éticos de justicia y
equidad.
La privacidad de los datos es otro pilar fundamental que se ve desafiado por la
masiva recopilación y análisis de información personal y financiera. El cumplimiento
de normativas internacionales como el Reglamento General de Protección de Datos
(GDPR) en E
uropa, así como otras legislaciones locales, exige que las instituciones
implementen mecanismos estrictos de consentimiento informado, anonimización y
protección contra
accesos no autorizados (Wirtz et al., 2018
). La falta de control
adecuado puede derivar
en filtraciones de información sensible, afectando la
reputación y generando sanciones legales.
Por lo tanto, la implementación responsable de la IA en finanzas debe contemplar
principios éticos claros, transparencia en los algoritmos, auditorías independientes
y una gobernanza robusta que garantice la
protección de los derechos de los
usuarios y promueva la confianza en la tecnología.
4. Discusión
La incorporación de la inteligencia artificial (IA) en la gestión financiera ha provocado
una transformación estructural que trasciende la automatización básica para
configurar nuevos estándares en eficiencia, precisión y personalización de los
procesos fi
nancieros. En primer lugar, la automatización de procesos mediante
tecnologías como la robótica de procesos automatizados (RPA) ha permitido la
reducción significativa de errores humanos y la optimización de recursos, liberando
al capital humano para activ
idades estra
tégicas y analíticas
(Kraus et al., 2020).
Este fenómeno responde a la creciente demanda de manejar grandes volúmenes
de datos en tiempo real, aspecto crucial para la competitividad en mercados
complejos y dinám
icos (
Chatterjee, Nguyen, Ghosh, Bhattacharjee, & Chaudhuri,
2021).
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
61
En el ámbito de la toma de decisiones y gestión de riesgos, la IA aporta modelos
predictivos avanzados que, gracias al aprendizaje automático y profundo, superan
las limitaciones de los métodos tradicionales, brindando mayor precisión y
adaptabilidad. Tal
capacidad facilita la detección de fraudes, la evaluación de
riesgos crediticios y la optimización de carteras de inversión, contribuyendo a una
mayor resiliencia organizacional frente a la incertidumbre económica (Khandani,
Kim, & Lo, 2
010; Sirignano et a
l., 2021
). Además, la reducción de sesgos cognitivos
y la posibilidad de simular múltiples escenarios de mercado enriquecen la calidad
del proceso decisional, aumentando la objetividad y robustez de las estrategias
financie
ras (
Kraus, Palmer, Kailer, Kallinger, & Spitzer, 2020).
La personalización de servicios financieros mediante IA representa otro avance
notable, que potencia la experiencia del cliente a través del análisis detallado de
comportamientos y preferencias. Herramientas como asistentes virtuales y chatbots
inteligente
s no solo mejoran la accesibilidad y eficiencia en la atención, sino que
también facilitan la oferta de productos adaptados a necesidades específicas,
promoviendo la inclusión financiera y la fidelización (Jiang, Liang, Huang, & Wang,
2021; Wang, Kung, & B
yrd, 2018). La adopción de robo
-
advisors democratiza
servicios tradicionalmente restringidos a grandes inversores, ampliando el acceso y
optimizando la gestión patr
imonial
.
No obstante, la integración tecnológica de la IA enfrenta desafíos sustanciales. La
coexistencia con infraestructuras legadas dificulta la interoperabilidad y la
escalabilidad, requiriendo inversiones significativas en actualización tecnológica y
capacitac
ión especializada (Brock & von Wangenheim, 2019; Marques & Ferreira,
2021). La escasez de talento con competencias híbridas, que integren
conocimientos financieros y tecnológicos, limita la capacidad de las organizaciones
para implementar soluciones efect
i
vas
. Además, la resistencia al cambio cultural y
organizacional representa una barrera para la adopción plena, subrayando la
necesidad de estrategias integrales que promuevan la sinergia entre humanos y
máquinas (Chatterjee et al., 2021).
Finalmente, la ética y la privacidad emergen como aspectos críticos en la adopción
de la IA en finanzas. La opacidad de los algoritmos y los riesgos asociados a sesgos
no intencionados exigen mecanismos transparentes y auditables para garantizar la
equidad
y responsabilidad (Doshi
-
Velez & Kim, 2017; Raji et al., 2020). El
cumplimiento normativo en materia de protección de datos, especialmente bajo
marcos como el GDPR, impone retos técnicos y organizacionales para salvaguardar
la privacidad y fomentar la con
fianza del
usuario (Wirtz et al., 2018
). Por tanto, la
gobernanza ética se erige como un pilar indispensable para el éxito sostenible de la
inteligencia artificial en el sector financiero.
En síntesis, la inteligencia artificial ofrece un abanico amplio de oportunidades para
transformar la gestión financiera, optimizando procesos, mejorando decisiones y
personalizando servicios, pero su implementación exige abordar con rigor los
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
62
desafíos tecnológicos, humanos y éticos. La convergencia entre innovación,
formación y responsabilidad social será determinante para maximizar el impacto
positivo de la IA y asegurar su contribución al desarrollo sostenible del sector
financiero.
5. Conclusiones
La inteligencia artificial ha demostrado ser un agente de cambio fundamental en la
gestión financiera, impulsando una transformación profunda que impacta en
múltiples dimensiones del sector. La automatización de procesos rutinarios y
complejos ha permitido
mejorar sustancialmente la eficiencia operativa, minimizar
errores y optimizar el uso de recursos, lo que contribuye a una mayor competitividad
y capacidad de adaptación a las demandas del mercado actual. Además, la IA ha
potenciado la gestión del riesgo
y la toma de decisiones estratégicas mediante
modelos predictivos avanzados que integran datos masivos y variables complejas,
lo que favorece una respuesta más ágil y precisa ante la incertidumbre económica
y financiera.
El avance en la personalización de servicios financieros ha ampliado las
posibilidades de interacción entre las instituciones y sus clientes, favoreciendo la
creación de productos ajustados a las necesidades individuales y mejorando la
experiencia del usua
rio. Esta hiperpersonalización no solo fortalece la fidelización,
sino que también promueve la inclusión financiera, permitiendo que segmentos
tradicionalmente marginados accedan a servicios financieros especializados. Sin
embargo, estos beneficios se encu
entran acompañados de desafíos técnicos, como
la integración de sistemas legados con nuevas tecnologías, la necesidad de
infraestructuras robustas y la carencia de talento humano con habilidades
interdisciplinarias, aspectos que deben ser gestionados con e
strategias adecuadas
para garantizar la efectividad de la transformación digital.
Paralelamente, la adopción de inteligencia artificial plantea importantes
consideraciones éticas y de privacidad que son esenciales para sostener la
confianza de los usuarios y la legitimidad de los sistemas financieros. La opacidad
de algunos algoritmos,
el riesgo de sesgos en la toma de decisiones automatizadas
y la protección de datos personales exigen la implementación de marcos de
gobernanza ética rigurosos, acompañados de políticas claras y mecanismos de
auditoría transparentes. La adecuada gestión de
estos aspectos será determinante
para asegurar un equilibrio entre innovación tecnológica y responsabilidad social.
En definitiva, la transformación impulsada por la inteligencia artificial en la gestión
financiera ofrece un potencial extraordinario para mejorar procesos, decisiones y
servicios, pero su éxito dependerá de la capacidad de las organizaciones para
integrar
tecnología avanzada, desarrollar competencias especializadas y fomentar
una cultura ética y colaborativa. Este enfoque integral será clave para maximizar el
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
63
impacto positivo de la IA, mitigando sus riesgos y contribuyendo al desarrollo
sostenible, competitivo y equitativo del sector financiero en el mediano y largo plazo.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Almenaba
-
Guerrero, Y. F. (2023). Responsabilidad social en las empresas
extractoras de aceite de palma en la provincia de Santo Domingo.
Journal of
Economic and Social Science Research
,
3
(2), 59
–
72.
https://doi.org/10.55813/gaea/jessr/v3/n2/68
Brock, J. K.
-
U., & von Wangenheim
, F. (2019).
Demystifying AI in Financial Services:
What Every Executive Should Know.
Business Horizons, 62
(6), 795
–
805.
Chatterjee, S., Nguyen, B., Ghosh, S. K., Bhattacharjee
, K. K., & Chaudhuri, R.
(2021). Adoption of artificial intelligence in financial services: A systematic
review and research agenda.
Journal of Business Research, 122
, 893
–
911.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business Intelligence and
Analytics: From Big Data to Big Impact.
MIS Quarterly
,
36
(4), 1165
–
1188.
https://doi.org/10.2307/41703503
Doshi
-
Velez, F., & Kim, B. (2017).
Towards a rigorous science of interpretable
machine learning.
arXiv preprint
arXiv:1702.08608.
https://arxiv.org/abs/1702.08608
Erazo
-
Luzuriaga, A. F., Ramos
-
Secaira, F. M., Galarza
-
Sánchez, P. C., & Boné
-
Andrade, M. F. (2023). La inteligencia artificial aplicada a la optimización de
programas informáticos.
Journal of Economic and Social Science
Research,
3(1), 48
–
63.
https://doi.org/10.55813/gaea/jessr/v3/n1/61
Guerrero
-
Velástegui, C. A., & González
-
Garcés, L. E. (2023).
Entorno Empresarial
y Gestión del Marketing: Perspectiva Teórica para el Desarrollo de Proyectos
de Titulación
. Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.44
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics
capability.
Information & Management, 53
(8), 1049
–
1064.
https://doi.org/10.1016/j.im.2016.07.004
Jiang, J., Liang, H., Huang, L., & Wang, Z. (2021). Personalized financial services
using deep learning: A review and future directions.
Expert Systems with
Applications, 174
, 114810.
Khandani, A. E., Kim, A. J., & Lo, A. W. (2010).
Consumer credit
-
risk models via
machine
-
learning algorithms.
Journal of Banking & Finance, 34
(11), 2767
–
2787.
https://doi.org/10.1016/j.jbankfin.2010.06.001
Space Scientific Journal of Multidisciplinary
Space
Scientific Journal of Multidisciplinary
Vol.0
2
| Núm.0
1
|
Enero
–
Marzo
| 202
4
www.spacesjmultidisciplinary.omeditorial.com
Artículo Científico
64
Kraus, S., Palmer, C., Kailer, N., Kallinger, F. L., & Spitzer, J. (2020). Digital
transformation and disruption of the retail banking sector: A systematic
literature review.
The Journal of Business Research, 116
, 332
–
347.
Makridakis, S. (2017). The Forthcoming Artificial Intelligence (AI) Revolution: Its
Impact on Society and Firms.
Futures, 90
, 46
–
60.
https://doi.org/10.1016/j.futures.2017.03.006
Marques, R., & Ferreira, J. (2021). The Role of Skills and Training in Artificial
Intelligence Adoption in Financial Services.
Journal of Financial Services
Research, 60
(3), 317
–
341.
Mendoza
-
Armijos, H. E. (2022). Impacto de la Capacitación en el Desarrollo
Profesional en Organizaciones Ecuatorianas.
Revista Científica
Zambos
,
1
(2), 51
-
66.
https://doi.org/10.69484/rcz/v1/n2/27
Navarrete Zambrano, C. M., &
Herrera
-
Sánchez, M. J. (2023). Impacto de la
Contabilidad Ambiental en las Empresas del Sector Minero en
Ecuador.
Revista Científica Zambos
,
2
(2), 37
-
49.
https://doi.org/10.69484/rcz/v2/n2/42
Raji, I. D., Smart, A., White, R. N., Mitchell, M., & otros. (2020). Closing the AI
accountability gap: Defining an end
-
to
-
end framework for internal algorithmic
auditing.
Proceedings of the 2020 Conference on Fairness, Accountability,
and Transparency
, 1311
–
1321.
https://doi.org/10.1145/3351095.3372873
Reymundo
-
Soto, E., Fernández
-
Condori, X. P., Echevarria
-
Quispe, E. V., Quispe
-
Cusi, Y.,
Gutiérrez
-
Quispe, E. Z., Palacios
-
Aguilar, L. J., & Ramírez
-
Laurente,
A. J. (2023).
Obligaciones Tributarias y su Influencia en la Recaudación Fiscal
de las Micro y Pequeñas Empresas.
Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.35
Sirignano, J., & Cont, R. (2021). Universal features of price formation in financial
markets: Perspectives from deep learning. En G. Creamer, G. Kazantsev, &
T. Aste (Eds.),
Machine learning and AI in finance
(pp. 11
–
31). CRC Press.
https://doi.org/10.4324/9781003145714
-
2
Wang, Y., Kung, L., & Byrd, T. A. (2018). Big data analytics: Understanding its
capabilities and potential benefits for healthcare organizations.
Technological
Forecasting and Social Change, 126
, 3
–
13.
https://doi.org/10.1016/j.techfore.2015.12.019
Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2018). Artificial Intelligence and the Public
Sector
—
Applications and Challenges.
International Journal of Public
Administration
,
42
(7), 596
–
615.
https://doi.org/10.1080/01900692.2018.1498103