Discurso del Gobernador Waller sobre la operacionalización de la IA en la Reserva Federal

Gracias, Presidente Collins, y gracias por la oportunidad de dirigirme a ustedes hoy.1 La inteligencia artificial es un fenómeno tecnológico que está revolucionando el mundo. Lo leemos todos los días y muchos de nosotros la hemos utilizado de una u otra forma. En mi vida, nunca había visto una revolución tecnológica como esta—y he sido testigo del nacimiento de la exploración espacial, el auge de la computadora personal, la explosión de internet y luego los teléfonos inteligentes. Aunque todas son transformadoras, ninguna iguala el potencial que tiene la IA para cambiar nuestras vidas a una velocidad asombrosa. Empresas, hogares y todos los gobiernos están intentando incorporarla en su forma de funcionar y operar. Y estoy aquí para decirles que la Reserva Federal no es diferente.

Por lo tanto, dado el tema de esta conferencia y la composición de la audiencia, sentí que era un buen momento para discutir cómo el Sistema de la Reserva Federal está utilizando la inteligencia artificial para construir y optimizar los sistemas que apoyan nuestro trabajo, así como integrarla en otras aplicaciones internas.

Ahora, la mayoría de las personas asocian la Reserva Federal con la política monetaria—tasas de interés, inflación y las decisiones que acaparan los titulares cuando los funcionarios de la Fed se reúnen ocho veces al año. Pero la mayor parte de nuestra actividad diaria consiste en realizar tareas operativas como pagos, gestión financiera, recursos humanos y brindar servicios financieros al Tesoro de EE. UU. Un elemento crítico de este trabajo operativo es la tecnología. La IA es la última tecnología que estamos incorporando en nuestro trabajo diario para lograr eficiencias operativas.

La Fed fue diseñada en 1913 como un sistema de bancos regionales, y en el pasado muchas decisiones tecnológicas se tomaban banco por banco. Eso tenía sentido en una era anterior, cuando cada Banco de Reserva operaba efectivamente como una organización separada. Pero a medida que el trabajo de la Fed se ha vuelto más digital e interconectado—junto con la evolución del sistema bancario y la economía en general—ese enfoque cada vez genera duplicación, ineficiencia y riesgo operativo.

Cuando los sistemas están interconectados, las decisiones tomadas en aislamiento crean problemas de coordinación—especialmente dada la escala y la criticidad de los sistemas que opera la Fed. Mantener los estándares de resiliencia y seguridad de un banco central requiere un modelo más coordinado.

Por eso estamos avanzando hacia un enfoque centrado en el Sistema de la Reserva Federal—con estándares e infraestructura compartidos, preservando la descentralización donde más importa, particularmente para la política monetaria y la investigación económica.2

Y la urgencia de hacer esta transición está creciendo. El volumen y la velocidad del cambio tecnológico continúan aumentando. Como institución pública con un papel importante en los sistemas financieros de EE. UU. y globales, la Fed debe mantenerse al día para ofrecer servicios efectivos y confiables junto con el sector privado.

Esa velocidad de cambio fue evidente en la reciente Conferencia de Innovación en Pagos que organicé, donde una variedad de participantes y asistentes hablaron sobre la convergencia de la IA, las monedas estables, la tokenización y los pagos—un tema que también escucho regularmente en mis conversaciones con la industria y que sospecho surgirá en las paneles de hoy.

A ese ritmo de cambio, un enfoque banco por banco simplemente no funcionará, especialmente para tecnologías de frontera como la tokenización, la computación cuántica y la IA generativa. Estos son desafíos audaces—y oportunidades—que atraviesan todo el Sistema de la Reserva Federal.

Enfrentar el momento requiere coordinación a nivel de todo el sistema, una inclinación a la acción y una ejecución disciplinada a gran escala. Por eso diseñamos deliberadamente una práctica de innovación centrada en el Sistema. En lugar de duplicar esfuerzos—hacer lo mismo cien veces en todo el Sistema—podemos hacer cien cosas diferentes. Un enfoque sistémico nos permite llevar las ideas de la experimentación a la ejecución más rápidamente y con mayor eficiencia.

La IA es un estudio de caso de cómo se ve este enfoque en la práctica. No necesito decirle a esta audiencia lo rápido que avanza la IA—transformando la forma en que se realiza el trabajo y cómo operan las organizaciones. Como constructores y líderes, ustedes lo experimentan de primera mano. Y la Reserva Federal no es la excepción. Es imperativo que nos mantengamos al día. Sí, somos un banco central; “romper cosas y pedir perdón” no funcionará aquí. Con gran poder viene una gran responsabilidad. Los sistemas de IA pueden amplificar errores tan rápidamente como aumentan la eficiencia. Pueden generar alucinaciones. Pueden introducir riesgos reales en torno a la protección de datos, el riesgo de modelos, sesgos y la resiliencia operativa. No podemos abordar la IA a la ligera. Como banco central, nos exigimos un alto estándar. Eso significa establecer límites claros sobre cómo y dónde se usa, controles sólidos de seguridad de la información, validación rigurosa de modelos, responsabilidad humana en las decisiones y evaluación continua a medida que evoluciona la tecnología. La innovación y la gestión del riesgo no son prioridades contrapuestas aquí—se refuerzan mutuamente.

Debemos respetar estos principios, pero la pasividad tampoco es una opción. No podemos permitirnos llegar tarde ni examinar el cambio transformacional de manera fragmentada. Por eso, estamos haciendo las cosas de manera diferente. Al implementar la IA en toda la Fed, avanzamos como un solo Sistema, con una dirección compartida y alineación. Hemos desarrollado una plataforma interna común de IA de propósito general para que todos los empleados de los bancos de reserva la utilicen. Nuestro enfoque es intencionalmente liderado por el negocio y habilitado por IA. Comenzamos con el problema a resolver y la necesidad del negocio, y luego aplicamos la capacidad adecuada de toda la pila de IA. Esa disciplina nos ayuda a entregar valor real para el negocio, evitando complejidad y costos innecesarios.

Ser liderados por el negocio también significa integrar la IA en cómo opera la Fed—no tratarla como un conjunto de experimentos aleatorios o proyectos zombis.

El objetivo no es la novedad. Es la utilidad.

Así que, pasemos a los casos de uso de la IA en acción. Estamos implementando IA de tres maneras enfocadas y complementarias que reflejan cómo se realiza el trabajo en una institución grande y compleja—acceso amplio para todos los empleados, herramientas especializadas para los constructores y capacidades integradas en los flujos de trabajo empresariales—que en conjunto hacen que forme parte de la operación diaria de la Reserva Federal.

Permítanme comenzar con la IA de propósito general para todos los empleados, porque ahí es donde primero se nota el mayor impacto diario.

Se trata de hacer de la IA una capacidad básica del trabajo cotidiano, no una herramienta de nicho. Cada empleado tiene acceso a soluciones de IA aprobadas por la Fed que puede usar durante el día—para redactar, resumir, analizar información y resolver obstáculos más rápidamente. Para muchos, funciona como un asistente digital omnipresente—una especie de caja de resonancia a la que pueden acudir cuando enfrentan problemas y completan tareas diarias. El objetivo no es convertir a todos en tecnólogos; es reducir la fricción en el trabajo rutinario para que las personas puedan dedicar más tiempo al juicio, la resolución de problemas y actividades de mayor valor.

En muchos aspectos, esto refleja cómo las personas ya usan la IA en su vida personal. En mi propia casa, la IA se ha convertido en una herramienta cotidiana—como un teléfono inteligente o incluso un microondas en el que confiamos sin pensarlo. Mi esposa la usa como compañera diaria: planificando viajes, ayudando a nuestros hijos a pensar en opciones de carrera, comparando precios o convirtiendo tareas pequeñas y molestas en algo más manejable.

No es algo exótico. Es una herramienta.

Y eso es exactamente cómo deberíamos pensar en la IA en el trabajo también.

Permítanme hacer esto concreto.

El personal de la Fed a menudo recibe materiales sustanciales de fondo no relacionados con la FOMC para prepararse para varias reuniones. Para ayudar a sintetizar la información, a veces usan la herramienta interna de IA de propósito general de la Fed para generar rápidamente los temas clave. Por supuesto, esto no reemplaza la preparación ni el juicio. Comprime el trabajo mecánico para que se pueda dedicar más tiempo a lo sustantivo y a las preguntas importantes.

Otro ejemplo es cuando una colega regresa de unas vacaciones bien merecidas—una verdadera desintoxicación digital, es decir, sin acceso a dispositivos de trabajo ni correos—y vuelve a una bandeja de entrada y una cola de documentos llenas. En lugar de pasar días clasificando todo, usó la herramienta interna de IA de la Fed para resumir y triagear lo acumulado. Eso le permitió ir directamente a lo que requería su experiencia.

En ambos casos, la herramienta maneja el volumen y la primera pasada. La decisión final la toma la persona.

La segunda área donde estamos viendo un impacto real es con los desarrolladores y constructores prácticos—las personas que convierten ideas en implementación.

Los asistentes de codificación están ayudando a los desarrolladores a optimizar el trabajo en todo el ciclo de desarrollo de software—desde la documentación y la refactorización hasta la escritura de código y las pruebas unitarias. Esto ayuda a los equipos a resolver atrasos más rápido, mejorar la calidad y confiabilidad, modernizar sistemas y entregar más valor e innovación.

Pero esto no se trata solo de velocidad.

La IA está asumiendo algunas de las partes más laboriosas y menos satisfactorias del desarrollo de software, para que los desarrolladores puedan centrarse en la seguridad y la calidad. Eso es importante para una institución como la Reserva Federal, donde la confiabilidad y la resiliencia en los sistemas de producción son críticas.

Tomemos las pruebas unitarias. Son esenciales para la calidad y la resiliencia, pero no es la parte del trabajo que entusiasma a los desarrolladores. En varios equipos, tareas que antes tomaban días ahora se completan en horas con ayuda de IA. Un desarrollador me dijo directamente: “Lo que antes me tomaba dos días ahora me lleva dos horas.” Esto libera tiempo para trabajos de mayor valor, como fortalecer la seguridad y construir nuevas capacidades. A medida que estas herramientas maduran, los beneficios se multiplican.

Hay un punto más amplio sobre la capacidad. Cuando los asistentes de codificación reducen el costo de producir software y mejoran la calidad, amplían lo que es posible. Podemos escribir más código, construir más capacidades y entregar más valor para el negocio. A medida que la escasez disminuye, la capacidad aumenta—permitiéndonos abordar atrasos y deudas técnicas que se acumulan con el tiempo.

Una analogía útil que he escuchado es la del iPhone y la fotografía. Poner una cámara en el bolsillo de todos no eliminó la fotografía profesional. Bajó el costo de producción, aumentó el volumen y expandió el mercado. Se tomaron más fotos, y la demanda de trabajos de alta calidad en fotografía creció en realidad. Creo que los asistentes de codificación funcionarán de manera similar para el software.

En la Fed, ya estamos viendo una adopción temprana fuerte—con cientos de desarrolladores adoptando estas herramientas rápidamente—lo que nos indica que esta capacidad está cubriendo una necesidad real.

Permítanme darles un ejemplo diferente—uno que tiene menos que ver con el código y más con escuchar a las comunidades a las que servimos.

En toda la Reserva Federal, recopilamos una enorme cantidad de información cualitativa—conversaciones con empresas, líderes comunitarios y participantes del mercado. Históricamente, sintetizar esa información a través de regiones y períodos ha sido laborioso.

Usando herramientas de IA, los analistas ahora pueden extraer temas específicos de grandes volúmenes de notas de entrevistas, comparar patrones a lo largo de ciclos y detectar cambios en el sentimiento mucho más rápidamente. Eso no reemplaza el juicio humano—acelera la primera pasada para que los economistas puedan dedicar más tiempo a interpretar lo que importa.

La tercera forma en que estamos poniendo la IA en producción es integrándola directamente en los flujos de trabajo que ya utilizan las personas.

En lugar de pedir a los equipos que adopten herramientas completamente nuevas o construyan soluciones a medida, estamos activando capacidades de IA dentro de las plataformas que ya soportan el trabajo diario en áreas como legal, riesgo, compras, operaciones y otras funciones empresariales.

La adopción sigue el flujo de trabajo. Cuando la IA está integrada—no simplemente añadida—las personas no tienen que cambiar su forma de trabajar para obtener valor de ella.

Si eres un comprador frecuente en línea o un viajero, probablemente ya has experimentado este cambio. Cuando algo sale mal—un vuelo retrasado, una conexión perdida, un paquete dañado—a menudo ahora es más rápido resolverlo mediante un chat o mensaje de texto, o incluso esa llamada que a veces tememos. En muchos casos, la IA trabaja en segundo plano para resumir el contexto, encaminar el problema o resolverlo directamente—y cuando interviene una persona, está mejor preparada para ayudar. La experiencia es más sencilla, más rápida y a menudo mejor.

Esa misma dinámica se aplica en la Fed. Al integrar la IA en los sistemas empresariales existentes, podemos mejorar la velocidad, la consistencia y la calidad del servicio sin crear soluciones fragmentadas. También es fiscalmente responsable. Dado lo rápido que evoluciona la tecnología, consumir IA a través de plataformas de proveedores nos permite beneficiarnos de mejoras continuas, en lugar de construir y mantener herramientas que puedan volverse costosas o quedar obsoletas.

En conjunto, estos ejemplos muestran cómo estamos pasando de la exploración a la ejecución de la IA mediante un enfoque coordinado y centrado en el sistema.

El resultado es una mayor capacidad en toda la organización, permitiendo a los equipos abordar problemas complejos y entregar más valor, mientras mejoramos la productividad y la eficiencia de costos a través de una innovación responsable.

Aunque esto ha sido un buen comienzo, no nos interesa ser un éxito de una sola vez. Lo que importa es la durabilidad y eso requiere un enfoque en la adopción, la responsabilidad y el liderazgo.

Aquí es donde muchos esfuerzos en IA tienen éxito o fracasan—cuando la responsabilidad pasa de los primeros adoptantes a los operadores diarios. La tecnología ya no es lo difícil; la gestión del cambio sí. Se reduce a qué tan rápido las personas adoptan las herramientas, qué tan profundamente las integran en sus flujos de trabajo diarios y si esa adopción se traduce en resultados.

Por eso hemos adoptado un enfoque centrado en la adopción. Consideramos la IA como una inversión en capital humano, no como un experimento secundario. La capacitación y el desarrollo de habilidades se realizan en horario laboral, no en noches o fines de semana.

Y esa capacitación no es puntual ni teórica. Es continua, práctica y relevante para el rol. Los empleados aprenden usando IA en flujos de trabajo reales, a través de talleres prácticos, sesiones de capacitación y actividades de generación de prompts. Este enfoque de “manos en el teclado” importa, porque la comodidad y la competencia provienen del uso, no de las diapositivas.

También hemos sido explícitos sobre las expectativas. El uso de IA no es opcional. La alfabetización básica y la aplicación se están incorporando en los objetivos de desempeño de los empleados en todo el Sistema. Lo que se mide, se hace.

Lo he visto en primera persona. Cuando fui Director de Investigación en St. Louis, elaboramos un plan estratégico que en gran medida quedó en un estante. Lo que cambió el comportamiento fue incorporar esas prioridades directamente en los objetivos de los empleados. Cuando las personas supieron qué importaba y cómo serían evaluadas, la ejecución siguió. Esa experiencia ha moldeado mi forma de pensar sobre cómo lograr que el cambio perdure.

El liderazgo juega un papel crítico aquí. Establecer expectativas y hacer inversiones es necesario, pero no suficiente. Los equipos necesitan ver a los líderes actuar y comunicar que están comprometidos—y que ellos mismos son aprendices de esta tecnología. Esa señal de liderazgo es lo que convierte un impulso inicial en un cambio de comportamiento sostenido.

Así es como pasamos de logros tempranos a capacidades duraderas, combinando tecnología con capacitación, responsabilidad y liderazgo, para que la IA se convierta en una parte duradera de cómo opera la Reserva Federal.

Conferencias como esta se centran en cómo la tecnología está remodelando el futuro. Lo que he tratado de mostrar hoy es cómo estamos abordando ese desafío en la Reserva Federal—cumpliendo nuestra misión a través de la innovación habilitada por tecnología, con un enfoque claro en la ejecución y la eficiencia. Y al hacerlo, demostramos cómo una institución pública puede adoptar la IA de manera responsable y en una forma que fortalece la confianza pública.

A medida que vemos tecnologías como la tokenización y la IA con agentes en el horizonte, vale la pena recordar que no es la primera vez que nuestra industria navega cambios de este tipo. Cuando se introdujeron los cajeros automáticos, no eliminaron a los cajeros humanos. En cambio, cambiaron la forma en que funcionaba la banca. Las transacciones rutinarias se volvieron más baratas, rápidas y accesibles, mientras que el esfuerzo humano se dirigió a actividades de mayor valor. El impacto real no fue solo la automatización—fue cómo las instituciones se reorganizaron en torno a la tecnología.

La IA es similar. Las mayores ganancias no vendrán simplemente de añadir IA a los procesos existentes. Vendrán de repensar los flujos de trabajo, los roles y los sistemas para aprovechar lo que esta tecnología hace posible.

Lo que no sabemos—y no podemos saber—es exactamente cuándo estas tecnologías alcanzarán su punto de inflexión completo. No obtendremos una señal clara cuando la IA pase de un progreso acelerado a un impacto verdaderamente sistémico. Pero esperar a una claridad perfecta no es una estrategia. Si queremos estar preparados cuando llegue ese momento, el trabajo debe comenzar ahora.

La IA es un ejemplo claro de cómo la Reserva Federal puede ejecutar con audacia, a escala, cuando adoptamos un enfoque centrado en el Sistema.

1. Las opiniones expresadas aquí son propias y no necesariamente reflejan las de mis colegas en la Junta de la Reserva Federal. Volver al texto

2. En este discurso, como Gobernador de Supervisión de los Bancos de Reserva, cuando digo ‘Sistema’ me refiero a los 12 bancos de reserva, no a la Junta de Gobernadores. Volver al texto