De la moda a la ventaja competitiva: cómo distinguir innovación útil de adopción apresurada#
En tecnología, pocas cosas se venden tan bien como la novedad. Cada cierto tiempo aparece una nueva ola: IA generativa, automatización inteligente, agentes, hiperpersonalización, embedded finance, tokenización, open finance, identity tech, nube soberana, plataformas componibles. El mercado las empuja, los proveedores las empaquetan, los comités las escuchan y muchas organizaciones sienten la misma ansiedad: si no lo hacemos ya, nos vamos a quedar atrás.
El problema es que una cosa es moverse con visión y otra muy distinta es reaccionar con prisa.
En servicios financieros, esa diferencia importa más que en muchos otros sectores. Porque aquí la adopción de tecnología no se limita a probar una herramienta. Implica tocar procesos críticos, datos sensibles, canales de atención, decisiones operativas, terceros, continuidad, ciberseguridad, cumplimiento y confianza del cliente. El BIS / FSI, en su resumen sobre implicaciones de estabilidad financiera de la IA, advierte que la adopción de IA y otras innovaciones digitales en servicios financieros puede amplificar vulnerabilidades si no existe supervisión y control adecuados, incluyendo dependencia de terceros, concentración, problemas de datos, ciber-riesgos y retos de gobernanza.
Por eso, la pregunta madura no es si una tecnología “está de moda”. La pregunta correcta es otra: ¿esta iniciativa deja una capacidad útil y sostenible, o solo deja demos, excepciones y deuda?
¿Cómo distinguir innovación útil de adopción apresurada en servicios financieros?#
La innovación útil resuelve un problema relevante, mejora una métrica importante y puede escalar con arquitectura, datos, controles y operación sostenibles. La adopción apresurada, en cambio, suele nacer del hype, de la presión competitiva o del miedo a quedarse atrás; por eso produce pilotos llamativos, pero poca capacidad durable. El AI RMF 1.0 de NIST plantea que la confianza en sistemas de IA depende de gestionar riesgos a lo largo de su ciclo de vida, mientras el BIS / FSI subraya que el reto supervisor es asegurar que la innovación refuerce confianza, resiliencia y estabilidad, no que las deteriore.
El primer filtro: una innovación útil resuelve una fricción real#
La tecnología de moda suele empezar con una frase como esta: “tenemos que hacer algo con esto”. La innovación útil empieza distinto: “tenemos este problema y esta tecnología podría ayudar a resolverlo”.
Esa diferencia parece menor, pero cambia todo.
La OECD explica que el impacto económico de la IA y de otras tecnologías emergentes no es automático ni homogéneo; depende de su adopción efectiva, de capacidades complementarias y de cómo se inserta en procesos y organizaciones reales. En otras palabras, una tecnología no crea valor por existir ni por ser potente, sino por su capacidad de mejorar una tarea, un proceso, una decisión o una experiencia concreta.
En banca y servicios financieros, eso obliga a aterrizar la conversación en preguntas simples, pero duras:
- ¿Qué fricción real queremos reducir?
- ¿Qué métrica relevante cambiaría si esto funciona?
- ¿Qué capacidad del negocio o de la operación quedaría fortalecida?
- ¿Qué problema seguiría existiendo igual si no adoptamos esta tecnología?
Si esas preguntas no tienen respuesta clara, probablemente todavía no estamos frente a una innovación lista para negocio. Apenas estamos frente a una curiosidad tecnológica.
El segundo filtro: la ventaja competitiva deja capacidades, no solo entusiasmo#
Una organización puede entusiasmarse con una demo impecable y aun así estar comprando una mala apuesta. ¿Por qué? Porque la ventaja competitiva no se construye con una funcionalidad aislada. Se construye con capacidades repetibles.
El FSI Insights 73 del BIS, sobre datos y supervisión de IA en servicios financieros, insiste en que los beneficios de la IA dependen de datos confiables, gobierno, seguridad, calidad y gestión adecuada del riesgo. Esa formulación es valiosa porque obliga a salir del criterio superficial de “se ve moderno” y entrar al criterio más duro de “se puede sostener sin deteriorar el sistema”.
Una innovación útil normalmente deja al menos una de estas capacidades:
- mejor decisión operativa,
- menor fricción en un journey crítico,
- productividad sostenida,
- mejor detección o prevención de riesgo,
- reutilización tecnológica o de datos,
- mayor velocidad de cambio con menor costo marginal.
La adopción apresurada deja otra cosa:
- un proveedor nuevo más,
- una excepción arquitectónica,
- una integración frágil,
- un circuito paralelo de control,
- dependencia creciente,
- o una promesa difícil de demostrar con números reales.
Ese contraste, para mí, es central. La innovación útil fortalece el sistema. La moda tecnológica suele perforarlo.
El tercer filtro: si no escala con gobierno, todavía no es innovación lista para negocio#
NIST define el AI Risk Management Framework como una guía para incorporar consideraciones de confiabilidad y riesgo al diseño, desarrollo, despliegue y uso de sistemas de IA. También subraya características como validez, confiabilidad, seguridad, resiliencia, accountability, transparencia, privacidad y gestión de sesgos. Aunque el marco esté centrado en IA, la lógica aplica mucho más allá: una tecnología que no puede gobernarse bien rara vez crea ventaja sostenible.
En servicios financieros, esto importa muchísimo porque los casos más atractivos suelen tocar ámbitos sensibles:
- onboarding,
- scoring,
- fraude,
- atención al cliente,
- decisiones automatizadas,
- productividad en áreas reguladas,
- modelos de monitoreo,
- y experiencia digital sobre datos personales.
Si la iniciativa no puede sostener trazabilidad, monitoreo, roles claros, evaluación de riesgo, manejo de terceros y criterios de escalamiento, todavía no está lista para dejar valor estructural. Puede dejar aprendizaje, sí. Puede dejar una señal interesante, también. Pero no todavía una capacidad madura.
Un ejemplo realista: copiar una fintech no siempre crea ventaja#
Imaginemos un banco que decide lanzar una experiencia “tipo fintech” porque percibe que sus journeys son lentos y que el mercado ya se acostumbró a una experiencia más fluida.
En el enfoque impulsivo, la organización empieza copiando features: onboarding más corto, respuestas automáticas, ofertas hiperpersonalizadas, asistentes conversacionales, flujos simplificados y validaciones invisibles. Todo eso suena moderno. El problema es que, si la institución no revisa al mismo tiempo arquitectura, datos, antifraude, identidad, trazabilidad, atención operativa y gobierno del proveedor, la experiencia “más moderna” puede terminar elevando fraude, retrabajo, llamadas al contact center o exposición regulatoria.
La Ley para Regular las Instituciones de Tecnología Financiera existe justamente para enmarcar a ciertos modelos financieros tecnológicos dentro de un esquema regulado, y la Ley Federal de Protección de Datos Personales en Posesión de los Particulares exige que el tratamiento de datos personales sea legítimo, controlado e informado. En otras palabras: innovar en servicios financieros mexicanos no ocurre en el vacío; hay un contexto normativo que vuelve todavía más peligroso confundir rapidez con ligereza.
En el enfoque maduro, la organización no parte de “copiar lo que se ve bien”. Parte de definir qué momento del journey genera más abandono, qué controles son irrenunciables, qué arquitectura puede reutilizarse, qué datos se usarán, qué proveedor asume qué parte del riesgo y qué evidencia demostraría que la mejora es real.
La primera organización compra novedad. La segunda construye capacidad.
El cuarto filtro: cuidado con la precisión falsa del business case#
Una de las trampas más comunes de la moda tecnológica es la ficción financiera. Cuando una iniciativa nace del hype, muchas veces no puede justificar bien su valor. Entonces el sistema hace lo peor posible: obliga al equipo a producir una precisión artificial.
Aparecen entonces proyecciones impecables, ahorros dudosos, beneficios inflados, adopciones optimistas y planes de escalamiento que todavía no han tocado la realidad operativa. La OECD advierte que el impacto de la IA sobre productividad y crecimiento sigue sujeto a heterogeneidad e incertidumbre importante. Eso no significa que no haya valor; significa que forzar certeza donde todavía no existe no mejora el gobierno. Solo mejora el PowerPoint.
Por eso, una innovación útil debería poder defenderse sin caer en una exageración financiera temprana. Debería avanzar con hipótesis claras, métricas intermedias y criterios explícitos para decidir si sigue, pivota o muere.
Reflexión de Arquitectura#
La mejor pregunta arquitectónica frente a una nueva tecnología no es “¿funciona?”. Es “¿qué complejidad estructural estamos comprando si esto escala?”. La innovación madura deja plataformas, patrones, datos y decisiones reutilizables. La adopción apresurada suele dejar excepciones que luego alguien tendrá que operar, integrar, asegurar y justificar.
Lo que un CTO debería leer detrás de esta discusión#
Desde dirección tecnológica, distinguir innovación útil de moda tecnológica no es un ejercicio intelectual. Es una disciplina de asignación de capital, foco organizacional y protección estratégica.
Un CTO serio no debería intentar frenar toda novedad. Pero tampoco debería permitir que la agenda tecnológica se convierta en una lista reactiva de tendencias externas. Su tarea es otra: construir un sistema que pueda explorar rápido, matar temprano lo que no tenga fundamento y escalar con disciplina aquello que sí demuestre valor.
NIST insiste en que la gestión de riesgos de IA debe ser continua, multidisciplinaria y compatible con otras prácticas de gestión organizacional. Esa idea es importante porque devuelve la conversación a su lugar correcto: la ventaja competitiva no viene solo del modelo, la herramienta o el proveedor. Viene de la capacidad institucional de gobernar el cambio mejor que otros.
Reflexión CTO#
La peor forma de parecer innovador es perseguir toda tecnología emergente sin una tesis clara de valor. El liderazgo maduro no consiste en reaccionar más rápido al hype. Consiste en decidir mejor qué explorar, qué escalar y qué descartar antes de que la organización convierta la novedad en deuda.
Mi opinión: la tecnología de moda no es el enemigo; el problema es la ansiedad estratégica#
No creo que el problema sea que una tecnología esté de moda. Muchas tecnologías relevantes comenzaron así: con ruido, expectativas desordenadas y una mezcla de valor real con promesas exageradas.
El problema aparece cuando la organización pierde criterio y empieza a adoptar por ansiedad competitiva. Ahí es donde el discurso de innovación se vacía y la empresa se vuelve dependiente de narrativas externas para decidir.
Una institución financiera no gana por usar la palabra correcta en el comité. Gana cuando convierte la tecnología en una capacidad más confiable, más útil y más difícil de replicar por la competencia.
Eso exige algo que el hype nunca trae por sí solo: criterio.
Conclusión#
No toda tecnología emergente crea ventaja competitiva. Algunas sí pueden transformar productividad, experiencia, control o capacidad de decisión. Otras solo producen fascinación temporal, presión interna y complejidad costosa.
La diferencia no está en qué tan moderna se ve la iniciativa, sino en si puede resolver un problema real, mejorar una métrica importante y escalar con datos, arquitectura, operación y gobierno sostenibles.
En servicios financieros, esa distinción importa más que nunca en 2026. Porque el mercado no premia de forma duradera a quien adopta primero cualquier moda. Premia a quien convierte la tecnología correcta en capacidad confiable, útil y repetible.
Glosario breve#
Ventaja competitiva
Capacidad de una organización para generar valor de forma superior o más sostenible que sus competidores. En tecnología, no nace de adoptar cualquier herramienta nueva, sino de convertirla en capacidad útil y difícil de replicar.
BIS (Bank for International Settlements)
Banco de Pagos Internacionales. Publica análisis relevantes sobre estabilidad financiera, digitalización y riesgos emergentes en servicios financieros.
FIS (Financial Stability Institute) Instituto de Estabilidad Financiera del Banco de Pagos Internacionales (BIS) es un organismo que ayuda a los supervisores financieros de todo el mundo a fortalecer sus sistemas bancarios. Fomenta la implementación de normas internacionales (como Basilea) mediante seminarios, FSI Connect y análisis.
NIST (National Institute of Standards and Technology)
Instituto Nacional de Estándares y Tecnología de Estados Unidos. Sus marcos son referencia frecuente para ciberseguridad, IA y gestión de riesgos tecnológicos.
OECD (Organisation for Economic Co-operation and Development)
Organización para la Cooperación y el Desarrollo Económicos. Publica estudios sobre productividad, innovación, transformación digital y políticas públicas.
Ley Fintech / Ley para Regular las Instituciones de Tecnología Financiera
Ley mexicana que regula determinadas actividades y entidades tecnológicas financieras. No cubre toda innovación posible en banca, pero sí muestra que el entorno mexicano no trata la tecnología financiera como un espacio sin regulación.
LFPDPPP
Ley Federal de Protección de Datos Personales en Posesión de los Particulares. En México, es clave cuando una innovación usa datos personales, perfiles, biometría o decisiones apoyadas por datos de clientes.
Embedded finance Finanzas integradas o embebidas, es la integración de servicios financieros —como pagos, préstamos, seguros o cuentas bancarias— dentro de aplicaciones, sitios web o plataformas no financieras.
IA Generativa (GenAI) Tipo de inteligencia artificial capaz de crear contenido original (texto, imágenes, código, audio) a partir de instrucciones (prompts).
Automatización Inteligente (IA + Automatización) Combinación de automatización de procesos robóticos (RPA) con IA.
Agentes de IA (IA Agéntica) Sistemas autónomos basados en modelos de lenguaje (LLM) que no solo responden preguntas, sino que actúan. Pueden planificar, utilizar herramientas externas (APIs), navegar por internet y tomar decisiones para completar tareas complejas de principio a fin, como organizar un viaje o gestionar inversiones.
Hiperpersonalización Estrategia que utiliza IA, datos en tiempo real y analítica avanzada para ofrecer experiencias, productos o recomendaciones únicas y ajustadas a las necesidades individuales de cada cliente, superando la segmentación tradicional.
Open Finance (Finanzas Abiertas) Ecosistema donde las instituciones financieras comparten, con el consentimiento del usuario, sus datos con terceros mediante APIs. Esto permite la creación de nuevas apps financieras personalizadas y mejora la competitividad.
Identity Tech (Tecnología de Identidad) Herramientas tecnológicas de vanguardia para la verificación de identidad digital, incluyendo biometría avanzada, KYC (Know Your Customer) automatizado y gestión de identidad soberana, crucial para la seguridad en entornos digitales.
Nube Soberana Servicios de computación en la nube que cumplen con las estrictas regulaciones de privacidad y soberanía de datos de una jurisdicción específica. Asegura que los datos se almacenen y procesen localmente, evitando el acceso extranjero.
Plataformas Componibles Enfoque de software que permite a las empresas construir sus sistemas mediante la unión de componentes modulares (“piezas de LEGO” funcionales). Esto ofrece una flexibilidad operativa mucho mayor que los sistemas “monolíticos” tradicionales, facilitando la innovación rápida.
Tokenización Es un proceso de seguridad en la banca, que reemplaza los datos sensibles de una tarjeta (como el PAN de 16 dígitos) por un código único aleatorio llamado “token”. Este token se usa para transacciones digitales, asegurando que la información real nunca se almacene ni exponga ante comercios o posibles atacantes.
Referencias#
BIS / FSI, Financial stability implications of artificial intelligence – Executive Summary
https://www.bis.org/fsi/fsisummaries/exsum_23904.htmBIS / FSI, In data we trust? Emerging policy and supervisory approaches to AI data use in financial services
https://www.bis.org/fsi/publ/insights73.pdfNIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0)
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdfOECD, The impact of Artificial Intelligence on productivity, distribution and growth
https://www.oecd.org/en/publications/the-impact-of-artificial-intelligence-on-productivity-distribution-and-growth_8d900037-en.htmlCámara de Diputados, Ley para Regular las Instituciones de Tecnología Financiera
https://www.diputados.gob.mx/LeyesBiblio/pdf/LRITF.pdfCámara de Diputados, Ley Federal de Protección de Datos Personales en Posesión de los Particulares
https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf