Durante años, la inteligencia artificial (IA) en la banca funcionó como un becario útil. Redactaba correos electrónicos, resumía informes y respondía preguntas de los clientes. Útil, pero no transformador.
Luego vinieron los chatbots. Estos “asistentes digitales” prometían un mejor servicio pero a menudo ofrecían respuestas largas a problemas simples.
Ahora el modelo está cambiando. Una nueva ola de IA agéntica va más allá de la asistencia hacia la acción. En lugar de sugerir tareas, estos sistemas pueden ejecutarlas: liquidar operaciones, verificar reglas de cumplimiento o señalar transacciones sospechosas.
En resumen, la banca está pasando de una IA que ayuda a los banqueros a una IA que actúa como uno.
¿Qué es exactamente la IA agéntica?
En su núcleo, la IA agéntica se refiere a sistemas de IA que pueden planificar, decidir y ejecutar tareas de manera autónoma a lo largo de múltiples pasos.
A diferencia de las herramientas de IA tradicionales que esperan instrucciones, un agente de IA puede:
Según un análisis reciente del equipo de servicios financieros de Microsoft, los sistemas agénticos permiten a los bancos automatizar procesos complejos, desde verificaciones de fraude hasta incorporación, porque los modelos de IA modernos ahora pueden realizar razonamiento de múltiples pasos e interactuar de manera segura con interfaces de programación de aplicaciones internas (APIs).
En la banca, esto significa que el sistema hace más que interpretar una instrucción. Puede ejecutar un proceso de principio a fin. Por ejemplo, puede revisar datos de mercado, verificar reglas de cumplimiento y ejecutar una operación o liquidación a través de sistemas conectados.
En lugar de esperar a que un humano apruebe cada paso, la IA sigue reglas y completa la tarea automáticamente.
Esta capacidad para orquestar tareas a través de sistemas es la razón por la cual muchos bancos ahora describen la IA agéntica como “IA transaccional.”
La IA no solo habla sobre acciones financieras; las lleva a cabo.
IA Generativa vs. IA Agéntica: ¿Cuál es la diferencia?
Tanto la IA generativa como la IA agéntica se basan en modelos de lenguaje grandes (LLMs). La diferencia clave radica en para qué están diseñadas.
La mayoría de las personas hoy en día están familiarizadas con herramientas de IA generativa como ChatGPT o Claude. Estos sistemas generan contenido: texto, código, informes y resúmenes. Ayuda al personal a interpretar información pero no lleva a cabo acciones.
Pero la IA generativa se detiene en la etapa de asesoramiento. La IA agéntica va más allá: está diseñada para ejecutar tareas. Puede analizar datos, tomar decisiones dentro de reglas definidas y desencadenar acciones a través de sistemas conectados.
En términos simples, la IA generativa proporciona el mapa. La IA agéntica conduce el coche.
Aquí está la diferencia en un contexto bancario:
|
Característica |
IA Generativa |
IA Agéntica |
|
Rol principal |
Produce información |
Ejecuta tareas |
|
Estilo de interacción |
Respuesta a instrucciones |
Flujo de trabajo autónomo |
|
Ejemplo en banca |
Redactar informe de cumplimiento |
Presentar informe de cumplimiento automáticamente |
|
Ejemplo en trading |
Analizar un portafolio |
Ejecutar y liquidar operaciones |
¿La IA Agéntica ya está gestionando bancos?
Instituciones como Goldman Sachs, Lloyds Banking Group y Deutsche Bank ya no solo están probando herramientas de IA. Muchas están integrando sistemas basados en agentes en las operaciones diarias para automatizar partes de trading, cumplimiento y monitoreo de riesgos.
A estos sistemas ahora se les está otorgando autoridad limitada para manejar tareas que antes requerían verificaciones manuales.
Por ejemplo, Lloyds Banking Group ha anunciado planes para escalar la IA agéntica en todo el banco, esperando más de £100 millones en valor de iniciativas de IA en 2026, el doble del valor generado el año anterior.
Mientras tanto, firmas de Wall Street como Goldman Sachs están experimentando con agentes de IA para procesos internos como contabilidad de operaciones, verificaciones de incorporación y flujos de trabajo de cumplimiento.
El objetivo no es reemplazar a los banqueros por completo, sino eliminar las partes más lentas del proceso.
Dónde está apareciendo primero la IA Agéntica
Los bancos son cautelosos por naturaleza. Eso significa que la IA agéntica no se está desplegando en todas partes a la vez. En cambio, la tecnología está apareciendo primero en áreas con reglas estructuradas y flujos de datos intensos, incluyendo:
-
Antilavado de dinero (AML)
Los equipos de cumplimiento deben revisar miles de alertas diariamente.
Los sistemas de IA agéntica pueden:
Investigación académica ha demostrado que los sistemas AML basados en agentes pueden acelerar significativamente los flujos de trabajo de cumplimiento mientras mejoran la precisión narrativa para los reguladores.
-
Incorporación de clientes y conozca a su cliente (KYC)
Abrir una cuenta bancaria requiere verificación de identidad, verificación de documentos y detección de fraude.
Los sistemas agénticos pueden ejecutar estos pasos en secuencia automáticamente.
-
Operaciones de trading
La liquidación de operaciones de back-office, una de las tareas más reglamentadas en finanzas, también se está convirtiendo en un candidato principal para la automatización.
En lugar de que el personal concilie operaciones manualmente, los agentes de IA pueden verificar registros y actualizar libros contables al instante.
¿Pero pueden los bancos confiar en la IA autónoma?
Aquí está la incómoda verdad: la IA agéntica introduce nuevos riesgos.
Los sistemas de IA agéntica pueden actuar por su cuenta para completar tareas. Si un sistema interpreta mal los datos del mercado o aplica la regla incorrecta, podría desencadenar una cadena de acciones incorrectas antes de que intervenga un humano.
Este riesgo a veces se vincula con lo que los investigadores llaman alucinaciones de IA, donde un modelo produce conclusiones incorrectas a partir de datos incompletos o mal interpretados. En la banca, tales errores podrían afectar la ejecución de operaciones, verificaciones de cumplimiento o monitoreo de transacciones.
Los expertos advierten sobre 3 desafíos clave:
Transparencia
Las decisiones de IA deben ser explicables para los reguladores.
Sesgo en modelos financieros
Los datos de entrenamiento podrían llevar a resultados injustos.
Aumento de autonomía
Los sistemas de IA pueden comenzar a tomar decisiones más allá de su alcance previsto.
Para gestionar este riesgo, los reguladores y organizaciones globales están trabajando en salvaguardas.
Por ejemplo, los reguladores en la Unión Europea (UE) ya están abordando estas preocupaciones a través de marcos como el Reglamento de IA de la UE, que requiere una supervisión estricta para sistemas de IA de alto riesgo en finanzas.
En otras palabras, los bancos pueden automatizar flujos de trabajo pero la responsabilidad sigue siendo de los humanos.
Entonces... ¿Están los agentes de IA tomando el control de la banca?
No exactamente. La realidad es más compleja.
La IA agéntica se está convirtiendo rápidamente en una capa de fuerza laboral digital dentro de las instituciones financieras. Estos sistemas pueden manejar tareas repetitivas más rápido y a escala.
Pero las responsabilidades centrales como decisiones de riesgo, relaciones con clientes, juicio estratégico, aún requieren supervisión humana.
Incluso los despliegues de IA más avanzados hoy en día operan con gobernanza de “humano en el bucle”, lo que significa que el personal puede intervenir cuando sea necesario.
Las instituciones financieras del futuro pueden no reemplazar a los banqueros con IA, pero casi seguramente esperarán que los banqueros trabajen junto a miles de agentes digitales.
Y eso plantea una pregunta intrigante para la industria:
Si los agentes de IA ya pueden ejecutar transacciones, monitorear el cumplimiento y analizar mercados, ¿qué hará exactamente el banquero de la próxima década?
Una cosa está clara: la descripción del trabajo está a punto de cambiar.
