Históricamente, la industria evolucionó desde la confianza basada en documentos del Banco de los Medici hasta la inmediatez digital de modelos como Pix, donde la confianza es ahora digital y verificable. Sin embargo, para muchas instituciones, el progreso debe frenar al toparse con sistemas legacy que acumulan décadas de decisiones de diseño obsoletas y dependencias difíciles de rastrear.
A menudo se piensa que el problema de los sistemas legacy es que funcionan sobre tecnología vieja, pero la verdadera complicación está en la complejidad acumulada que sostienen. Reglas de negocio embebidas en el código y conocimiento crítico concentrado en pocas personas generan proyectos de modernización lentos, costosos y percibidos como un salto al vacío. Un ejemplo de esta transformación integral se observa en el onboarding digital de las AFORE en México, donde la presión regulatoria obligó a rediseñar tanto la capa digital como los sistemas núcleo para sobrevivir y liderar. Implicó rediseñar canales, procesos operativos, controles de ciberseguridad y, sobre todo, los sistemas core que sostenían el negocio. Las organizaciones que entendieron esa transformación de manera integral hoy lideran el sector; las que no, siguen operando sobre una base que limita su capacidad de evolucionar.
Aquí es donde la inteligencia artificial emerge como un catalizador de resultados que ayuda a entender y desentrañar la complejidad profunda del sistema. Los modelos de IA pueden analizar grandes bases de código y mapear dependencias, terminando con la incertidumbre de si un cambio pequeño desencadenará una catarata de errores. Pero esta tecnología no debe ser vista como una capa adicional que enmascara el sistema existente, sino para comprenderla: entender cómo funcionan esas viejas estructuras, por qué están allí, y cómo pueden ser reemplazadas por herramientas más modernas.
En Baufest, por ejemplo, utilizamos IA para extraer reglas de negocio directamente del código fuente, permitiendo documentar conocimiento crítico y reducir el riesgo antes de iniciar cualquier transformación. Este enfoque transforma la modernización de un evento incierto en un proceso guiado y objetivo.
Las modernizaciones exitosas de sistemas legacy rara vez son reemplazos totales; son procesos incrementales de refactoring y migraciones progresivas. La IA puede funcionar muy bien en tareas críticas como la generación de pruebas; un caso reciente de Baufest demostró cómo un banco pasó de un 10% a un 70% de cobertura de testing en solo cuatro semanas mediante el uso de agentes.
Además, la modernización impacta la operación de las plataformas. En entornos regulados, la IA permite analizar métricas y logs para detectar anomalías antes de que escalen, mejorando la resiliencia y la previsibilidad del negocio.
Un enfoque estratégico
A pesar del potencial que ofrece, solo el 5% de las compañías captura valor de la IA a escala. Muchas se quedan en la fase de experimentación, con programas pilotos que nunca llegan a producción por falta de una arquitectura clara o de una gobernanza adecuada. Para este tipo de iniciativas hay que diseñar procesos que permitan avanzar rápido y que al mismo tiempo mantengan la auditabilidad y seguridad necesarias en el sector financiero.
Así, aparece como conveniente un camino de modernización apoyado en la IA que apunta a lo pragmático: primero, entender cómo es el sistema real (el que está en funcionamiento, no el documentado, porque este último no suele reflejar parches y puentes que se construyeron sobre la marcha) y qué rol tiene cada una de sus piezas; segundo, definir un orden de prioridades a la hora de intervenir, eligiendo cómo serán las modificaciones, dependiendo del impacto de los cambios para evitar interrupciones innecesarias; y tercero, hacerlo en forma incremental, para generar valor desde etapas tempranas. Esto, en un ciclo iterativo que en su repetición irá ajustando parámetros para integrarse de la mejor manera con el funcionamiento de la organización.
La lección que dejan múltiples ejemplos de adopción de IA en las organizaciones es que el valor no está en hacerlo rápido, sino en hacerlo bien: en aprovecharla de la mejor manera posible para transformarla en un activo de la organización y de su proceso de modernización permanente.
Y, en particular, en usarla para reducir la incertidumbre del cambio. Porque, al final, las organizaciones que van a liderar no son las que experimenten más, sino las que logren transformar su complejidad en una base sobre la cual evolucionar con control, velocidad y sentido de negocio.
