La banca moderna ha seguido durante décadas una secuencia simple: una persona toma una decisión financiera y la tecnología del banco la procesa. Un cliente decide abrir una cuenta, transferir dinero a ahorros o solicitar un crédito, y los sistemas del banco ejecutan esa instrucción. Hoy, la inteligencia artificial tiene el potencial de invertir ese orden: en lugar de esperar a que un humano especifique una acción, la IA puede interpretar los objetivos del cliente, entender el contexto financiero y determinar qué ocurre después. Podría reconocer que un cliente podría enfrentar una escasez de efectivo, identificar las formas disponibles de abordarla y ejecutar la acción apropiada. Según McKinsey, la IA generativa podría generar entre 200.000 y 340.000 millones de dólares en valor anual para la industria bancaria. Sin embargo, gran parte del sector está añadiendo IA a sistemas diseñados para el modelo antiguo, en lugar de reconstruir el modelo alrededor de la IA. El reto es que la IA hereda los mismos silos de producto y límites de proceso. Los bancos obtienen otra capa de tecnología, pero no la toma de decisiones trans-sistemas necesaria para realizar el máximo potencial de la IA.
La primera ola de la IA en la banca sigue tratando de mejorar procesos. Las aplicaciones más visibles, a menudo las más fáciles de implementar, incluyen herramientas de IA para servicio al cliente, detección de fraude automatizada, recomendaciones personalizadas, resumen de documentos y aceleración de decisiones de crédito. Un ejemplo destacado es Lloyds Banking Group, que reporta más de 50 casos de uso de IA implementados en 2025, con valor generado cercano a £50 millones y previsiones de más de £100 millones en valor adicional para 2026. McKinsey comparte una observación similar: simplemente agregar IA sobre procesos existentes no produce una transformación sustancial y puede generar deuda técnica adicional.
La distinción entre una arquitectura nativa de IA y un chatbot conectado a un sistema existente se puede probar con tres preguntas:
– ¿La IA sigue una secuencia fija de instrucciones o puede elegir y coordinar acciones dentro de un sistema definido de salvaguardas, fuentes de datos confiables y herramientas aprobadas?
– ¿El proceso está diseñado para que el agente actúe, con revisión humana y cada decisión registrada para análisis?
– ¿Las autorizaciones, la monitorización y los controles regulatorios están integrados en el flujo de trabajo, especialmente para funciones críticas como cumplimiento y prevención de fraude?
Si la respuesta es no, la empresa ha añadido una interfaz de IA sin rediseñar el proceso subyacente.
La transformación real empieza cuando el banco parte del objetivo del cliente, no del producto bancario. Imaginemos un cliente que busca mantener un nivel de liquidez mientras maximiza el rendimiento de su efectivo excedente. Un sistema bancario inteligente podría monitorizar continuamente su saldo, pagos próximos, ingresos, líneas de crédito disponibles y otros datos relevantes, para decidir si el dinero debe permanecer líquido, invertirse o utilizarse para reducir deudas. Aunque el sistema siga tomando decisiones a medida que cambian las circunstancias, la adopción puede comenzar con acciones de bajo riesgo, como mover efectivo excedente a ahorros o reservar IVA para pagos fiscales futuros, y luego expandirse a decisiones de mayor impacto.
Ya se observa esto en instituciones financieras, aunque mayormente en aplicaciones acotadas. Deutsche Bank, por ejemplo, ha desplegado un sistema de IA con agentes para la gestión de riesgos de terceros, donde varios agentes recuperan controles relevantes, analizan documentación de soporte y proponen resultados de evaluación. Los evaluadores humanos mantienen la responsabilidad de revisar o anular esas recomendaciones. Similar a un nuevo empleado, un agente de IA debe recibir permisos definidos. Registros de actividad transparentes, alertas, umbrales de aprobación y la capacidad de anular decisiones hacen visible este principio y permiten a los reguladores hacerlo exigible.
La banca se convierte, así, en un sistema de decisiones continuo. Bajo esta premisa, la entidad pasa a ser una capa de ejecución inteligente que gestiona de forma continua la actividad financiera para lograr un objetivo definido. Este cambio se observa también fuera de la banca tradicional. Visa y Mastercard están construyendo infraestructuras para pagos iniciados por IA, permitiendo que agentes actúen en nombre de consumidores y empresas. Visa Intelligent Commerce permite que agentes de IA encuentren y adquieran productos en nombre de un usuario, con credenciales tokenizadas, autenticación y controles de gasto integrados al flujo de pago.
A medida que los agentes pasan de recomendar acciones a ejecutarlas, los bancos deberán asegurar que las transacciones se mantengan dentro de la intención y la tolerancia al riesgo del cliente. La entidad sigue siendo responsable de mantener al agente dentro de esos límites.
La arquitectura debe cambiar a medida que avanza la IA. Deloitte indicó que la integración con sistemas y herramientas existentes es el principal desafío de modernización para el 77% de los ejecutivos bancarios al desplegar IA, superando preocupaciones de seguridad, cumplimiento e interoperabilidad en la nube. Los sistemas bancarios tradicionales separan pagos, préstamos, cuentas y cumplimiento en aplicaciones distintas. Los agentes de IA deben trabajar cruzando esas fronteras, combinando datos y acciones de varios sistemas para tomar una única decisión. Por ello, los bancos necesitan una capa de orquestación que permita a la IA acceder a esos sistemas sin requerir una nueva integración personalizada para cada caso de uso. Las plataformas centrales pueden seguir siendo sistemas de registro, mientras que una mayor parte de la toma de decisiones ocurre por encima de ellos. Esto otorga a fintechs impulsadas por IA, como Revolut o Ramp, y a nuevos entrantes que diseñan su infraestructura desde cero, una ventaja frente a instituciones que deben adaptar sistemas profundamente arraigados. Si la regulación permanece prácticamente sin cambios, la primera gran institución financiera creada alrededor de la toma continua de decisiones podría emerger en los próximos cinco años. No tendría que ser necesariamente un banco en el sentido regulatorio estricto, pero podría desempeñar una parte creciente de las funciones bancarias, permitiendo a los clientes gestionar sus finanzas.
Para prosperar, las entidades deben convertirse en instituciones organizadas para tomar decisiones continuas en beneficio del cliente, no simplemente para seguir instrucciones. Y en lo que respecta a la IA, deben dejar de verla como una herramienta sofisticada que se añade y empezar a verla como algo sobre lo que construir. Hemos destacado las mejores herramientas de inteligencia empresarial para apoyar estas transformaciones. Este análisis forma parte de TechRadar Pro Perspectives, nuestro canal para presentar las mentes más brillantes de la industria tecnológica actual. Las opiniones expresadas son del autor y no necesariamente reflejan a TechRadar Pro o Future plc. Si estás interesado en contribuir, consulta cómo enviar tu historia.
from Latest from TechRadar https://ift.tt/YCN47On
via IFTTT IA
