Se buscan banqueros que trabajen bien con robots

Hoy en día, no solo los humanos compiten por los trabajos en la banca. Las máquinas se están convirtiendo en una amenaza para los manipuladores de números de sangre caliente en todo el mundo. De hecho, casi un tercio de los empleos en servicios financieros podrían ser desplazados por la automatización para mediados de la década de 2030, según uninforme por PricewaterhouseCoopers LLP del año pasado.

A pesar de esas sombrías previsiones, algunos optimistas argumentan que el auge de las máquinas en los bancos no está simplemente desapareciendo empleos, sino más bien cambiando su definición y agregando algunos roles.

Los buscadores de empleo con experiencia en inteligencia artificial, aprendizaje automático y ciencia de datos se encuentran entre los candidatos más solicitados en finanzas, según los sitios de contratación Glassdoor, LinkedIn, Hired, y ZipRecruiter. No son solo disruptores como Square Inc. o Stripe Inc. contratan este talento; empresas financieras con trayectoria como JPMorgan Chase, Capital One, y Morgan Stanley también están seleccionando a estas personas. Solo en el sector financiero de EE.UU., las ofertas de trabajo con estas habilidades de big data como requisito aumentaron casi 60% en el periodo de 12 meses que finalizó en julio, según LinkedIn.

Los profesores de negocios y finanzas que preparan a sus estudiantes para futuras carreras en la banca también están viendo la tendencia. Científico de datos es la «función más importante» ahora para los empleadores, asegura Andrew Lo, director del Laboratorio de Ingeniería Financiera de MIT en Cambridge, Massachusetts.

Lo dice que los gestores de carteras de datos, que se encargan de mantener y maximizar el valor de los activos de datos de una empresa, también están ganando importancia. «Ya vemos que eso sucede de manera informal porque los jefes de tecnología están desempeñando ese papel», dice. «Pero esto se ha convertido en un conjunto de desafíos mucho más orientados a los negocios para los que el típico director de tecnología podría no estar equipado, así que creo que va a evolucionar con el tiempo».

Si bien el aprendizaje automático tiene la capacidad de «aumentar» puestos de trabajo y mejorar el rendimiento de las organizaciones, también introducirá riesgos y la necesidad de «auditores de inteligencia artificial» en los bancos, asegura Theodoros Evgeniou, profesor de ciencias de la decisión y gestión de tecnología en Insead en Fontainebleau, Francia. A medida que las máquinas toman más decisiones en el sector bancario, dice, surgirán preocupaciones éticas y legales que deben abordarse a nivel de la junta.

«Digamos que usted es un banco y está otorgando créditos en función del puntaje crediticio y el aprendizaje automático, y sus modelos discriminan a determinadas poblaciones», dice Evgeniou. «Si luego lo demandan por ser discriminatorio, ¿quién es responsable de esto? Si [los modelos] discriminan, usted es responsable».

También hay formas en que el aprendizaje automático puede crear empleos indirectamente. Por ejemplo, automatizar tareas previamente realizadas por humanos en la industria de la gestión de activos teóricamente debería reducir costos. Es probable que las tasas más bajas aumenten la demanda de servicios financieros y, posteriormente, la necesidad de más personal para atender a nuevos clientes, según Guo Bai, profesora de estrategia en China Europe International Business School en Shanghái.

«Probablemente sea más fácil atender a clientes que anteriormente estaban excluidos de los servicios financieros», dice. Estos nuevos clientes pueden requerir un toque más humano, dice Bai, lo que significa que se necesitarán más gerentes de relaciones con los clientes.

El aprendizaje automático también puede brindar una oportunidad para reinventar una carrera. Si bien no es fácil ni asequible en todos los casos volver a la escuela, algunos empleados del sector financiero que se vean desplazados por la tecnología podrían estar en condiciones de capacitarse nuevamente. «Ciertamente, en el sector financiero las personas ya están bastante capacitadas, por lo que creo que se pueden volver a entrenar para centrarse en la ciencia de datos y en todas las funciones de trabajo que se requieren para respaldar el análisis de datos científicos», dice Lo de MIT. «Eso no aplica a todas las industrias».