Foto: Germán Borromei, gerente general de Oracle para Colombia y EcuadorLa transformación digital dejó de ser, por sí sola, el principal desafío para el sector financiero. Tras años de inversiones en aplicaciones, canales digitales, pagos inmediatos y nuevas herramientas tecnológicas, la discusión empieza a centrarse en cómo las entidades pueden conectar la información que generan y convertirla en decisiones más ágiles, rentables y seguras, especialmente ante el avance de la inteligencia artificial.A un día de empezar la 60ª Convención Bancaria de Asobancaria, que se realizará el 26,27 y 28 de agosto en Cartagena, Germán Borromei, gerente general de Oracle para Colombia y Ecuador, planteó en conversación con Valora Analitik que la próxima etapa de la banca pasa por superar la fragmentación de los datos y construir arquitecturas capaces de integrar áreas como riesgo, fraude, pagos, liquidez, rentabilidad y experiencia del cliente.El directivo habló sobre el papel de la IA, la modernización de los sistemas heredados y las prioridades tecnológicas que, a su juicio, marcarán la competitividad del sector financiero en los próximos años.Oracle llega a Asobancaria hablando de una nueva etapa para el sector financiero. Desde su perspectiva como líder de una compañía que acompaña la transformación de organizaciones en Colombia y el mundo, ¿qué está cambiando realmente en la banca y cuál es el mensaje que Oracle quiere poner hoy sobre la mesa?La banca ya resolvió el reto de digitalizarse. Canales, apps, pagos inmediatos: la industria financiera colombiana llegó a Asobancaria 2026 con una madurez digital que hace apenas unos años parecía lejana. Por eso el mensaje que traemos este año no es sobre digitalizar, sino sobre contextualizar.En un sector donde todas las entidades procesan cantidades similares de información —de clientes, de mercado, de riesgo, de operación—, la próxima ventaja no depende de quién tiene más datos, sino de quién logra contextualizarlos, y de quién logra que las áreas que hoy trabajan de forma independiente —riesgo, rentabilidad, pagos, fraude, liquidez, experiencia del cliente— compartan una sola lectura del negocio. Esa es la transformación que proponemos: una arquitectura de banca integrada, inteligente y preparada para operar en tiempo real, donde cada dato se convierta en una mejor decisión, y cada decisión, en valor.La IA está llevando a los bancos a procesar y utilizar volúmenes de datos cada vez mayores. ¿Qué tan importante es hoy la infraestructura tecnológica sobre la que se construye esa inteligencia? ¿Puede un banco tener una gran estrategia de IA si todavía tiene sistemas fragmentados, datos dispersos y arquitecturas heredadas?Es, honestamente, la pregunta que deberíamos estar haciéndonos antes de hablar de modelos o de casos de uso. Nosotros vemos la IA como un amplificador de la realidad de cada organización: si esa realidad está fragmentada en silos, la tecnología no corrige el problema, lo amplifica —amplifica el caos, la inconsistencia, las decisiones contradictorias entre áreas.Si, en cambio, los datos, los procesos, los clientes y las finanzas están conectados en una sola lectura del negocio, la misma IA empieza a acertar en las decisiones. No existe una gran estrategia de IA sobre una arquitectura fragmentada; existe, en el mejor de los casos, una serie de pilotos brillantes que nunca logran escalar ni impactar el balance. Por eso insistimos tanto en la base: calidad del dato, identificadores coherentes entre sistemas, y un core que pueda modernizarse por etapas sin interrumpir la operación del banco priorizando los datos y con coherencia central.Destacado: Oracle impulsa la economía de la inteligencia artificial en Colombia: Sanford y Litoplas, casos de éxito¿Qué diferencia están encontrando entre los bancos que realmente están preparados para incorporar IA a escala y aquellos que todavía están en una fase experimental? ¿Cuáles son las decisiones que deberían estar tomando hoy los CEO y los CIO?La diferencia rara vez está en el modelo de IA que usan; está en si decidieron invertir primero en conectar su información. Los bancos que ya están capturando valor real son los que empezaron por hacerse preguntas incómodas sobre su propia data: ¿podemos rastrear un asiento contable hasta la transacción que lo originó?, ¿sabemos exactamente qué cuesta servir a cada cliente?, ¿qué tan rápido se entera fraude de una alerta que generó riesgo?Los que siguen en fase experimental, en cambio, suelen tener decenas de pruebas de concepto aisladas que nunca se conectan entre sí ni con el negocio real. La decisión que les pediría a los CEO y CIO hoy es simple de enunciar y difícil de ejecutar: prioricen la modernización del core y de los datos por etapas, no como un proyecto monolítico de años, sino como una secuencia de dominios que van liberando valor medible desde el primer trimestre. La banca no necesita escoger entre rapidez y solidez; necesita una estrategia que le dé las dos cosas a la vez.¿Puede la inteligencia artificial convertirse no solo en una herramienta para reducir costos, sino en un nuevo motor de ingresos para las entidades financieras? ¿En qué modelos de negocio ve Oracle las mayores oportunidades?Sin duda, y es probablemente donde vemos la oportunidad menos explotada hoy. Buena parte de la industria sigue pensando la IA como una palanca de eficiencia: automatizar, reducir tiempos, bajar costos operativos. Todo eso es válido, pero deja sobre la mesa un potencial mucho mayor, que es convertir cada servicio que presta un banco en un ingreso correctamente valorado, facturado y medido en términos de margen.Hoy, en muchas entidades, el pricing todavía vive repartido entre el core, contratos y hojas de cálculo, y eso genera fugas de ingreso: descuentos que nunca vencen, servicios que se consumen pero no se facturan, comisiones que no reflejan ni el costo ni el valor real de la relación con el cliente.Cuando conectamos esa información con inteligencia artificial, el banco puede simular el impacto de cambiar un precio, identificar qué relaciones son verdaderamente rentables y anticipar cómo va a reaccionar su cartera ante distintos escenarios económicos, en lugar de descubrirlo semanas después en un reporte. Ahí es donde la IA deja de ser un centro de costos y se convierte en un motor de rentabilidad.Uno de los grandes retos de la banca latinoamericana es competir en un ecosistema donde ya no solo están los bancos, sino fintechs, grandes plataformas tecnológicas y nuevos jugadores digitales. ¿Cómo debería un banco implementar su ventaja competitiva cuando la tecnología dejó de ser una barrera de entrada?Cuando la tecnología deja de ser una barrera de entrada, la ventaja se traslada a otro lugar: a qué tan bien conoce un banco a cada uno de sus clientes y qué tan rápido convierte ese conocimiento en una oferta relevante. La región ya alcanzó escala digital —basta ver referentes como Nu, que superó los 135 millones de clientes en Brasil, México y Colombia en el primer trimestre de este año—, así que el siguiente reto competitivo no es tener presencia digital, sino transformar millones de interacciones en relaciones financieras sostenibles: identificar cuándo un pequeño comercio que empieza a recibir pagos digitales necesita capital de trabajo, o cuándo un cliente con ahorro estable está listo para una meta automatizada.Esa personalización solo es posible cuando comportamiento, elegibilidad, riesgo, costo de servir y margen se leen juntos, en tiempo real. Los bancos que construyan esa capacidad no van a competir contra las fintechs por ser más rápidos en lanzar un producto; van a competir por generar lealtad genuina, que sigue siendo el activo más difícil de replicar para cualquier jugador nuevo.¿Cómo puede la banca innovar rápidamente sin comprometer gobierno, trazabilidad, seguridad y cumplimiento? ¿Qué papel debe jugar la tecnología para hacer compatible la innovación con una mayor supervisión?Innovar rápido y estar en control no son objetivos opuestos si se diseñan sobre la misma base de datos y evidencia. Vivimos en un entorno donde el dinero se mueve en segundos y donde, según cifras de Interpol, el fraude potenciado por IA puede llegar a ser hasta 4,5 veces más rentable que los métodos tradicionales; la IA agéntica, además, ya permite automatizar ataques cada vez más sofisticados.Frente a eso, la respuesta no puede ser frenar la innovación: tiene que ser construir la misma velocidad del lado de la defensa. Eso significa analizar en tiempo real señales de cliente, cuenta, dispositivo, ubicación y comportamiento para anticipar el fraude sin generar fricción en las operaciones legítimas, pero también significa que cada decisión —de crédito, de bloqueo, de un modelo de IA— tiene que ser explicable y auditable en el momento en que ocurre, no reconstruible semanas después.La reputación es de los activos más valiosos que construye un banco, y no se puede poner en riesgo por perseguir velocidad sin trazabilidad. La tecnología, bien diseñada, es precisamente lo que permite tener las dos cosas: equipos de agentes de IA que se anticipan al fraude y, al mismo tiempo, dejan una evidencia completa de cada decisión para el regulador, el auditor y el propio banco.Si tuviera que plantearle a los presidentes de los bancos reunidos en Asobancaria tres prioridades tecnológicas para los próximos tres años, ¿cuáles serían, y qué errores deberían evitar para no quedarse rezagados?La primera es construir, de una vez por todas, una base de datos conectada: sin eso, cualquier inversión en IA rinde muy por debajo de su potencial. La segunda es llevar la inteligencia artificial más allá de la atención al cliente y la eficiencia operativa, hasta el corazón de las decisiones de rentabilidad y de balance, donde todavía está el mayor valor sin capturar.Y la tercera es invertir en confianza con la misma urgencia con la que se invierte en innovación, porque en un sistema que opera 24/7 y que empieza a moverse hacia activos tokenizados y nuevas formas de liquidación, la seguridad y la trazabilidad ya no son un requisito de cumplimiento, son la base sobre la que se sostiene todo lo demás.El error que más rezaga a un banco es tratar la modernización como un proyecto de tecnología aislado, en lugar de una decisión de negocio que compromete a toda la organización; el segundo es esperar a tener la arquitectura perfecta antes de empezar, cuando la ruta correcta es modernizar por etapas y demostrar valor en cada una. Los bancos que entiendan esto en los próximos tres años no solo van a estar mejor preparados: van a estar definiendo las reglas con las que va a competir toda la industria.