En SIBOS, altos responsables de tecnología e IA de Deutsche Bank, BNP Paribas, BNY y Citi se reunieron con Google Cloud en una mesa redonda con medios centrada en cómo las entidades financieras están llevando la inteligencia artificial de la fase de experimentación a un despliegue a escala empresarial.
El mensaje central del debate fue claro: los servicios financieros están entrando en la era de la IA agéntica, en la que los sistemas de IA pueden razonar sobre información compleja, ejecutar flujos de trabajo de varios pasos y ayudar a los empleados a tomar decisiones más rápidas y mejor fundamentadas.
Sin embargo, para los bancos que operan en entornos altamente regulados, la conversación ya no gira simplemente en torno a lo que la IA puede hacer. Cada vez se centra más en cómo desplegarla de forma segura, a escala y con un valor de negocio medible.
De los pilotos a la transformación
Jo Hannaford, CIO y CPO del Corporate Bank de Deutsche Bank, describió el recorrido del banco en IA como una transición de la experimentación a la escala industrial. Deutsche Bank ha desarrollado un marco de IA agéntica, denominado ADA, diseñado para que los agentes puedan reutilizarse en distintas aplicaciones.
Hannaford destacó dos grandes categorías de casos de uso de la IA en los servicios financieros: la optimización de procesos y la inteligencia financiera. Aunque la automatización puede mejorar la eficiencia operativa, sostuvo que la mayor oportunidad reside en utilizar la IA para sintetizar información financiera y de mercado y generar inteligencia accionable para los equipos que trabajan de cara al cliente.
En BNP Paribas, la ambición también va más allá de la automatización incremental. Charles Holive, director de IA de Corporate and Institutional Banking, afirmó que el banco trata la IA como un motor de negocio y no simplemente como una iniciativa tecnológica o de reducción de costes.
En lugar de impulsar miles de pruebas de concepto individuales, BNP Paribas se está centrando en un número menor de grandes transformaciones en sus líneas de negocio, con el objetivo de rediseñar los procesos y cambiar su economía subyacente.
La IA agéntica entra en los flujos de trabajo
El debate también ofreció ejemplos concretos de cómo los bancos están aplicando la IA agéntica a los procesos financieros cotidianos.
En BNP Paribas, uno de los casos de uso se centra en las operaciones de servicios de valores, incluida la gestión de discrepancias en operaciones (trade breaks). El banco rediseñó el flujo de trabajo antes de introducir un agente de IA para gestionar partes del proceso.
Según Holive, el sistema resolvió inicialmente alrededor del 95% de los casos de triaje entrantes, mientras que las excepciones restantes se convirtieron en oportunidades para que el agente aprendiera de la retroalimentación humana. En pocas semanas, el proceso alcanzó una eficiencia automatizada de aproximadamente el 80–85%.
BNY aplica un concepto similar a los pagos. Sarthak Pattanaik, director de Datos e IA, describió una solución agéntica diseñada para abordar la pequeña proporción de órdenes de pago que requieren intervención manual.
El sistema combina la comprensión semántica de la información de pago —incluidos beneficiarios, divisas, direcciones y tipos de pago— con la validación sintáctica conforme a los estándares ISO 20022. Después evalúa el contexto más amplio de la transacción para determinar si el pago tiene sentido, mientras que los controles deterministas y la intervención humana siguen formando parte del proceso.
La distinción es importante: en lugar de sustituir los controles existentes, la capa de IA se utiliza para añadir capacidades de razonamiento sobre ellos.
De la eficiencia a la inteligencia financiera
Para Deutsche Bank, otra gran oportunidad consiste en utilizar la IA para mejorar la calidad y la rapidez de la inteligencia financiera.
El banco ha desarrollado conjuntamente con Google Cloud una capacidad de Financial Insights que reúne inteligencia financiera, dinámicas de mercado e información específica de cada cliente. El sistema puede generar recomendaciones para los equipos de cobertura y automatizar tareas de seguimiento, como la redacción de memorandos financieros y evaluaciones de crédito.
Hannaford explicó que la herramienta pretende ayudar a los equipos de relación con clientes a detectar problemas emergentes antes incluso de que los propios clientes los hayan identificado.
Citi también está explorando la IA agéntica en ámbitos como la liquidez, el procesamiento de documentos y la gestión patrimonial. Stephen Randall, COO interino de Services y responsable de Liquidity Management Services, subrayó la importancia de combinar las mejoras de productividad con unos límites empresariales claros.
La gobernanza pasa a formar parte de la arquitectura
Si hubo un tema que conectó los distintos ejemplos, fue que la confianza y la gobernanza no pueden añadirse después del despliegue.
Los panelistas insistieron una y otra vez en la importancia de la gobernanza de datos, la observabilidad, los controles regulatorios y la supervisión humana.
En BNP Paribas, la gobernanza, en la que participan las áreas de cumplimiento normativo, legal, ciberseguridad y recursos humanos, se incorpora desde el inicio del desarrollo. El banco también puede utilizar infraestructura interna para crear prototipos de aplicaciones sensibles antes de someter las soluciones probadas a la gobernanza empresarial completa.
En Citi, los equipos utilizan controles que determinan a qué fuentes de datos internas y externas pueden acceder flujos de trabajo concretos, al tiempo que mantienen modelos definidos de supervisión humana dentro del ciclo (human-in-the-loop) o sobre el ciclo (human-on-the-loop).
Deutsche Bank está explorando enfoques basados en grafos de conocimiento para conectar la información semántica entre las estructuras de datos tradicionales. Según Hannaford, esto ha ayudado a acelerar procesos como la incorporación de clientes (onboarding) y la concesión de préstamos en determinadas áreas del banco.
En BNY, la gobernanza también está integrada en la propia plataforma de datos e IA, donde los metadatos y la semántica ayudan a determinar si la información puede utilizarse legítimamente para un fin concreto.
Google pone a prueba sus propias operaciones financieras
Google también presentó su propia organización financiera como un banco de pruebas real para la IA empresarial.
Kristin Reinke, vicepresidenta de Finanzas de Google, describió a la compañía como el «Cliente Cero» de sus tecnologías de IA. Google ha desplegado la IA en toda su organización financiera, incluida la validación de facturas y la elaboración de informes para la dirección.
Jason Allen, tesorero adjunto de Google, destacó un sistema agéntico de gestión de tesorería desarrollado para las operaciones de tesorería global de Google. La solución utiliza agentes independientes de previsión, evaluación y ejecución para identificar el exceso de liquidez, evaluar dónde debe invertirse y preparar las transacciones para su ejecución.
La compañía afirmó que el sistema ha liberado tiempo de los empleados para actividades de mayor valor y, al mismo tiempo, ha generado ingresos adicionales por intereses.
Un aspecto clave es que Google subrayó que la IA no toma la decisión final de inversión. Los gestores de tesorería humanos conservan la responsabilidad de la decisión, mientras que la tecnología aporta recomendaciones y reduce el trabajo manual necesario para llegar a ellas.
La próxima fase de la IA en la banca
El debate en SIBOS sugiere que la conversación del sector sobre la IA está evolucionando. El foco se aleja de las herramientas de productividad aisladas y se desplaza hacia sistemas de IA integrados directamente en los flujos de trabajo financieros críticos.
Los ejemplos compartidos por Deutsche Bank, BNP Paribas, BNY y Citi apuntan a un modelo común: la IA asume tareas de razonamiento y ejecución cada vez más complejas, mientras que los controles de datos, la verificación determinista, la gobernanza y el juicio humano siguen siendo esenciales.
Para las entidades financieras, la cuestión competitiva podría ser, por tanto, menos quién es capaz de desplegar el mayor modelo de IA y más quién puede construir la infraestructura, los cimientos de datos y la gobernanza necesarios para convertir las capacidades de la IA en procesos de negocio fiables.
Como dejó claro el panel de Google Cloud, el modelo que está surgiendo no es el de una IA que sustituye a los profesionales financieros, sino el de una IA que elimina fricciones y potencia el juicio de las personas responsables de las decisiones financieras.
El boletín
La semana tecnológica, en un solo correo.
Las crónicas que merecen su tiempo, cada semana. Cancele la suscripción cuando quiera.