Cómo las empresas de servicios financieros pueden transformar los casos de uso y acelerar el impacto con IA

En resumen

  • La IA con agentes va más allá del chat generativo: emplea agentes que planifican, actúan y se adaptan en banca y seguros a lo largo del ciclo de vida de la modernización de la nube.
  • La mayoría de las empresas de servicios financieros (FS) se estancan en los pilotos: ¿Por qué? Porque les preocupan las consecuencias del comportamiento de los agentes, no lo han experimentado personalmente y necesitan a alguien que haya guiado a otros en la implementación a gran escala. La IA con agentes reinventa los flujos de negocio al permitir que los sistemas tomen decisiones autónomas, se adapten en tiempo real y optimicen los resultados en procesos complejos. Un enfoque y una plataforma probados aceleran la obtención de valor al alinear las capacidades de la IA con objetivos de negocio claros, reduciendo la fricción desde la experimentación hasta la implementación.
  • La gobernanza es innegociable: la explicabilidad, la intervención humana, el registro y la seguridad deben integrarse desde el primer día para satisfacer a los reguladores y auditores. Cada interacción con los agentes debe ser visible para evitar comportamientos de caja negra.

¿Por qué IA con agentes? ¿Y por qué ahora?

Las organizaciones de servicios financieros están bajo presión. Los costos han aumentado, al igual que la inflación. Los reguladores están atentos. Los clientes esperan velocidad y personalización. Las soluciones de agencia pueden pensar, tomar decisiones y elegir la ruta correcta para ejecutar, lo que aporta una automatización sofisticada a los procesos tradicionales con gran demanda humana.

La IA generativa (GenAI) facilita el trabajo de asistencia, como responder preguntas y redactar textos, pero es limitada. La IA agencial es la nueva frontera, ofreciendo agentes capaces de planificar, actuar y adaptarse en tiempo real. Tomemos como ejemplos la clasificación de reclamaciones, la comprobación de fraudes y la incorporación de préstamos. La recompensa es la reducción del tiempo de ciclo, un mayor procesamiento directo y una toma de decisiones consistente y rentable. Mientras que la IA generativa mejora las tareas individuales, la IA agencial impulsa el valor integral al integrar el razonamiento, la memoria y el control en los procesos empresariales. La mayoría de las organizaciones de servicios financieros reconocen esta necesidad. La pregunta es: ¿cómo? ¿Aprender y desarrollar todo internamente, o acelerar con una plataforma base y un socio de confianza? Escalar es difícil. Y la realidad es clara: en lo que respecta a la adopción de la IA, solo el 26 % de las empresas tienen la capacidad de ir más allá de la prueba de concepto y crear valor a escala.¹ El resto se estanca en los pilotos. Mientras tanto, la IA se utiliza ampliamente. Se estima que el 78% de las organizaciones utilizan IA en al menos una función.2 Sin embargo, el rediseño de extremo a extremo aún está rezagado.

¿Por qué hay tantos puestos? Varias razones:

  • El riesgo clásico de los proyectos influye. Solo el 12 % de los proyectos de transformación empresarial tienen éxito.3
  • Análisis más recientes de grandes programas de TI muestran que solo el 31 % cumple con sus criterios de éxito.4 Los grandes programas fallan con mucha más frecuencia y sufren sobrecostos.
  • La IA agenética es un programa complejo y multidependiente: gobernanza, datos, modelos, controles y cambio organizacional, todo a la vez.

Desarrollar programas a medida “dentro del perímetro” puede funcionar, pero muchos equipos subestiman el potencial de industrializarse más allá de los pilotos. Un enfoque pragmático comienza con socios de confianza para incorporar agentes, se ejecuta dentro del entorno de la empresa e incorpora controles específicos del dominio desde el primer día.

Dónde la industria de servicios financieros está viendo beneficios

En seguros:

La IA agentic está transformando rápidamente la cadena de valor de los seguros, aportando velocidad, inteligencia y eficiencia a cada punto de contacto. En siniestros, permite una resolución más rápida mediante la toma de decisiones autónoma y la síntesis de datos en tiempo real. En suscripción, los sistemas agentic evalúan dinámicamente el riesgo con mayor precisión, reduciendo el esfuerzo manual y mejorando la exactitud. La distribución se está volviendo más personalizada y proactiva, ya que la IA agentic hiperpersonaliza las ofertas según las necesidades y el comportamiento de los clientes. Y en el servicio, los agentes inteligentes están mejorando la capacidad de respuesta y la precisión, impulsando mejores experiencias del cliente y reduciendo los costes operativos. En conjunto, estos avances están ayudando a las aseguradoras a generar valor diferenciado, acelerar el tiempo de comercialización y construir negocios más resilientes y adaptables.

En banca:

Los bancos están migrando hacia plataformas de IA con agentes para impulsar la automatización inteligente, la personalización y la agilidad operativa. En la banca minorista, los agentes facilitan una interacción hiperpersonalizada con el cliente y asesoramiento financiero en tiempo real, mejorando así su satisfacción y fidelización. Los equipos de gestión patrimonial aprovechan la IA con agentes para ofrecer estrategias de cartera personalizadas e información proactiva, mejorando así la productividad de los asesores y los resultados de los clientes. En la gestión de inversiones, los sistemas con agentes aceleran la investigación, optimizan los modelos de riesgo y agilizan el cumplimiento normativo, permitiendo a las empresas responder con mayor rapidez a las fluctuaciones del mercado. Por otro lado, en el ámbito de las tarjetas y los pagos, la IA con agentes mejora la detección de fraudes, automatiza la resolución de disputas y facilita la toma de decisiones crediticias dinámicas, ofreciendo servicios más seguros, rápidos y adaptables. En conjunto, estas innovaciones permiten a los bancos reducir los costes operativos y optimizar la comercialización en toda la empresa.

Inteligencia artificial agente: impulsando la aceleración y la eficiencia en el ciclo de vida de la modernización de la nube

En la modernización del legado:

La IA agenética se está convirtiendo en un catalizador para la modernización de sistemas heredados, acortando la distancia entre los sistemas obsoletos y las arquitecturas preparadas para el futuro. Mediante la implementación de agentes inteligentes que evalúan, transforman y validan de forma autónoma sistemas heredados y mainframe, las organizaciones pueden reducir la dependencia de SMEs escasos, a la vez que mejoran la precisión y la consistencia funcional. Estos agentes aportan conocimiento contextual y orquestación dinámica a los entornos heredados, optimizando los flujos de datos, los procesos y la interoperabilidad entre silos. Este enfoque no solo reduce la deuda técnica, sino que también facilita ciclos de innovación más rápidos, lo que permite a bancos y aseguradoras modernizarse gradualmente y, al mismo tiempo, ofrecer servicios más seguros, inteligentes y adaptables a sus clientes.

En la modernización de aplicaciones:

La modernización de aplicaciones se está acelerando radicalmente gracias a la integración de IA agentic, que aporta inteligencia y velocidad a cada fase del ciclo de vida de desarrollo de software (SDLC). Estas capacidades se extienden a todo el SDLC, desde el análisis de requisitos y la generación de código hasta las pruebas, la integración y la implementación. La IA agentic acelera los ciclos de desarrollo identificando dinámicamente oportunidades de optimización, orquestando flujos de trabajo y garantizando la validación continua en todos los entornos. Un cliente de Capgemini, un banco estadounidense, informó un aumento del 20-30% en el rendimiento de los desarrolladores con un enfoque agentic, ya que los desarrolladores dedicaron menos tiempo a la comprensión, validación y documentación del código, y más tiempo a tareas de valor añadido, lo que permitió entregar más funciones por sprint. Esto no solo agiliza los esfuerzos de modernización, sino que también permite a las empresas crear aplicaciones adaptables y resilientes con mayor rapidez, generando valor diferenciado y reduciendo el tiempo de comercialización.

En la gestión de la nube:

Los agentes inteligentes toman las riendas: supervisan de forma autónoma las cargas de trabajo, asisten a los equipos de soporte de producción, predicen las necesidades de recursos y los fallos, y orquestan entornos de nube en entornos híbridos y multinube con precisión y rapidez. Estos sistemas no solo reaccionan, sino que anticipan y solucionan problemas, optimizando continuamente el rendimiento, los costes y el cumplimiento normativo en tiempo real. ¿El resultado? Las instituciones financieras escalan con mayor rapidez, reducen drásticamente los gastos operativos y crean ecosistemas de nube seguros y de alto rendimiento que impulsan la innovación. Con la IA con agentes, la gestión de la nube no solo se vuelve más inteligente, sino también mucho más ágil, resiliente y preparada para el futuro.

Gobernanza que puedes llevar a auditoría

Para las instituciones financieras, no se trata solo de impulsar la eficiencia: los reguladores también están indicando una supervisión más estricta. La Ley de IA de la UE está en etapas: las prohibiciones y las obligaciones de alfabetización se aplican desde el 2 de febrero de 2025. Las normas de gobernanza y las obligaciones de GPAI entrarán en vigor en agosto de 2025. La aplicación completa está prevista para el 2 de agosto de 2026, con plazos ampliados para ciertos sistemas de alto riesgo hasta 2027.5 Las empresas de servicios financieros con exposición a la UE deben planificar ahora.

En EE. UU., las agencias siguen priorizando los marcos de gestión de riesgos existentes y la gobernanza de terceros. Esto significa que las empresas pueden esperar un escrutinio riguroso sobre los controles de los proveedores, la explicabilidad y el riesgo de modelo. El Departamento del Tesoro de EE. UU. ha instado a una mayor coordinación entre los reguladores, y la Oficina del Contralor de la Moneda (OCC), la Reserva Federal (FED) y la Corporación Federal de Seguro de Depósitos (FDIC) siguen reforzando las expectativas de riesgo de terceros.6 Para las empresas de servicios financieros, la explicabilidad no es opcional. Las decisiones bancarias y de seguros deben cumplir con la gobernanza del riesgo de modelo, la auditoría y la revisión de los clientes.


  • LLMs aprobados: herramientas que ofrecen resultados imparciales.
  • Supervisión experta: intervención humana en puntos de decisión definidos.
  • Registro y observabilidad del agente: registros completos de eventos, indicaciones, versiones del modelo y linaje de datos.
  • Estructuras de control: permisos basados ​​en roles, restricciones de políticas e interruptores de seguridad.
  • Comprobaciones de sesgos, desviaciones y errores: pruebas previas a la implementación y seguimiento continuo.
  • Cumplimiento por diseño: puntos de control regulatorios integrados en los flujos de trabajo.
  • Seguridad dentro de su perímetro: los agentes se ejecutan dentro de la infraestructura de la empresa, ningún dato sale de la empresa y solo se utilizan modelos previamente aprobados.
  • Controles de riesgos de terceros: SLA contractuales sobre acceso de auditoría, respuesta a incidentes, uso de datos y actualizaciones de modelos.
  • Estrategia bien definida para adoptar herramientas, plataformas y agentes

Qué buscar en un socio o plataforma de agencia

Muchas empresas optan por desarrollar sus propias plataformas, que pueden ofrecer mayor seguridad y control. Es válido, pero tenga cuidado con el impuesto de escalabilidad. Los programas más exitosos combinan la implementación dentro del perímetro con agentes prediseñados y específicos para cada dominio, y un manual de estrategias probado en campo con bancos y aseguradoras.

Use this checklist:

  1. Diseño centrado en el ser humano: Los agentes complementan a las personas. Transferencias claras. Experiencia de usuario intuitiva. Sin antropomorfismo.
    • Pregunta: ¿Dónde están los puntos de aprobación humana? ¿Cómo se capacita a los usuarios?
  2. Responsable por defecto: los controles, la explicabilidad, las pruebas de sesgo y la privacidad están integrados, no son añadidos.
    • Pregunta: Muéstrame el registro de auditoría y el interruptor de seguridad.
  3. Claridad y simplicidad: Tiempos cortos para obtener el primer valor. Mínima jerga. Paneles de control claros.
    • Pregunta: ¿Qué tan rápido podemos llegar a una PoC de nivel de producción en un caso de uso?
  4. Resultados comprobados, no promesas: estudios de casos con impacto cuantificado, a través de métricas como TAT, procesamiento directo (STP), precisión y recuperación de fraudes y puntajes CSAT.
    • Pregunte: ¿Cuáles fueron los puntos de partida y qué se movió?
  5. Arquitectura adaptable: Independiente de la nube y del modelo. Funciona dentro de su entorno. Agentes modulares que se integran con sistemas de administración, CRM y núcleos de reclamaciones.
    • Pregunta: ¿Este modelo y plataforma se alinean con nuestra estrategia general de nube/IA?
  6. Tono y confianza: La confianza serena supera las expectativas. Información clara sobre riesgos. Hojas de ruta pragmáticas.
    • Pregunta: ¿Cómo se mide y se informa sobre el riesgo, el costo y el valor? ¿Con qué frecuencia?
  7. Flexibilidad: El ecosistema de Agentic está madurando a la velocidad del rayo y se producen avances cada día, más que cada semana.
    • Pregunta: ¿Estoy atado a un enfoque/solución?

Preguntas frecuentes prácticas que los líderes harán

No tiene por qué ser así. Muchos programas implementan agentes dentro del entorno de la empresa y restringen los modelos a aquellos ya aprobados por riesgo y seguridad.

Priorice la orquestación independiente de la nube y del modelo. Debería poder intercambiar o ajustar sin reescribir toda la pila.

Exija registros de decisiones que vinculen entradas, indicaciones, versiones del modelo y resultados. Haga que las explicaciones sean legibles para los clientes, no solo para los auditores.

Realice pruebas previas a la implementación y luego monitoree la implementación posterior con verificaciones de desviaciones y errores. Escale a un profesional cuando la confianza caiga por debajo de un umbral o cuando las decisiones afecten a clientes vulnerables.

Diseñe casos de prueba mientras documenta los requisitos de la agencia. Supervise el rendimiento mediante herramientas para establecer una línea base y medir las desviaciones, si las hubiera, a medida que avanza en los distintos entornos.

Diseñe mecanismos de aprobación explícitos, promueva una mayor participación inicial y reduzca la dependencia de estos mecanismos a medida que el sistema madure y aprenda. Utilice un interruptor de seguridad visible con roles y permisos claros. Informe las excepciones semanalmente.

No prometa demasiado. Concéntrese en los resultados operativos, como el tiempo de respuesta (TAT) y el tiempo de respuesta (STP), el número de retrabajos necesarios y las horas de tiempo completo (FTE) reasignadas, la tasa de quejas, las métricas de fraude y los falsos positivos. Empiece con un proceso de negocio, pruébelo y luego escale.

En conclusión: la prueba supera a la promesa

La IA agéntica no es magia: es ingeniería disciplinada y gestión del cambio. Los ganadores no son las empresas con las demostraciones más impactantes. Son las que poseen el conocimiento específico de los flujos de trabajo, implementan con sólidas barreras de seguridad, demuestran su impacto y escalan responsablemente. En un mercado donde la tecnología cambia constantemente, ese enfoque metódico marca la diferencia entre un nuevo piloto y un éxito empresarial medible.

¿Listo para transformar su empresa de servicios financieros? Comencemos con un plan estratégico de IA de agencia adaptado a su negocio.