De Copilotos a Agentes: El Futuro de la Ejecución Financiera

Imagine pedirle a un analista que monitoree simultáneamente cientos de posiciones de portafolio, cruce en tiempo real los datos macroeconómicos con los movimientos de spreads crediticios, actualice los modelos de riesgo y genere la documentación regulatoria correspondiente, todo sin pausar para recibir nuevas instrucciones. Ese analista no existe. Pero el sistema que puede hacer exactamente eso ya está siendo desplegado en las instituciones financieras más grandes del mundo.

Se llama inteligencia artificial agéntica, y representa algo cualitativamente distinto a lo que la industria ha conocido hasta ahora.

El problema con los copilotos

La IA generativa transformó muchos flujos de trabajo financieros desde 2022. Redactar informes, resumir documentos, asistir en análisis: tareas que antes tomaban horas comenzaron a completarse en minutos. Sin embargo, una encuesta global de NVIDIA a más de 800 ejecutivos del sector financiero reveló que el 80% de las empresas que adoptaron IA generativa no vieron mejoras significativas en sus indicadores clave de productividad, costos o ingresos.

El diagnóstico es preciso: la IA generativa asiste, pero no ejecuta. Devuelve el control al operador humano después de cada interacción. Es, por diseño, un copiloto que espera instrucciones.

La IA agéntica elimina esa dependencia. Según IBM, estos sistemas combinan modelos de lenguaje de gran escala con módulos de planificación, memoria y herramientas externas para mantener un ciclo continuo de percepción, razonamiento y acción. No responden a prompts; persiguen objetivos. La Fundación Innovación Bankinter describe el salto con una analogía simple: si la IA generativa popularizó el concepto de copiloto, la IA agéntica introduce el autopiloto.

Por qué el sector financiero va en serio esta vez

Las cifras de adopción proyectadas para 2026 no tienen precedente en la historia reciente de la tecnología financiera. Wolters Kluwer reporta que el 44% de los equipos financieros implementarán sistemas agénticos durante este año, un incremento superior al 600% respecto al año anterior. Una encuesta de Citizens Financial a CFOs de empresas medianas y fondos de capital privado encontró que el 95% de las firmas de private equity ya han iniciado o planean adoptar estas tecnologías en 2026. KPMG estima que el gasto global en IA agéntica superó los 50,000 millones de dólares en 2025.

Pero quizás la estadística más reveladora no es sobre quién ya adoptó, sino sobre quién no ha podido: Gartner documenta que el 99% de las organizaciones planea poner agentes en producción, pero solo el 11% lo ha logrado. La tecnología existe. La barrera, en casi todos los casos, es la gobernanza de datos.

Lo que cambia en el análisis de riesgo y la gestión de portafolios

Los sistemas agénticos no son una versión más rápida del análisis de riesgo tradicional. Son una arquitectura diferente.

El monitoreo de riesgo convencional opera sobre revisiones periódicas y modelos que requieren recalibración manual cuando las condiciones cambian. Un sistema agéntico, en cambio, monitorea miles de variables de forma continua, exposiciones crediticias, movimientos de spreads, actualizaciones regulatorias, anomalías transaccionales y ajusta sus predicciones en tiempo real. Moody's describe cómo estas capacidades permiten a las instituciones anticipar disrupciones de liquidez, shocks geopolíticos y riesgos de mercado emergentes antes de que se conviertan en pérdidas.

En gestión de portafolios, los agentes pueden identificar correlaciones no evidentes entre activos, optimizar asignaciones dentro de los mandatos definidos por el gestor y activar ejecuciones pre-aprobadas sin intervención humana para cada paso. Investigación académica publicada en arXiv en 2025 documentó arquitecturas donde múltiples agentes especializados, en análisis, riesgo y cumplimiento, colaboran bajo supervisión humana para automatizar flujos completos de modelado crediticio.

El mercado ya está respondiendo a esta lógica con productos concretos. El 14 de abril de 2026, Oracle Financial Services anunció la extensión de su plataforma agéntica a la banca corporativa, con agentes pre-construidos para tesorería, financiamiento de comercio, crédito y préstamos. El sistema convierte contratos complejos en formatos procesables automáticamente, cruza registros y escala anomalías para revisión humana. Oracle planea lanzar cientos de agentes adicionales para banca retail y corporativa en los próximos doce meses.

La gobernanza de datos: de requisito técnico a ventaja competitiva

Aquí está la paradoja central de la IA agéntica en finanzas: el mismo atributo que la hace poderosa, la autonomía, es el que genera su mayor riesgo. El análisis de Deloitte sobre la base de datos de riesgos de IA del MIT identificó más de 350 riesgos asociados al comportamiento autónomo de agentes en entornos bancarios, desde errores en transacciones hasta la amplificación sistémica de fallas a través de redes de agentes interconectados. BCG encontró que el 70% de los ejecutivos bancarios reconoce que sus implementaciones de IA ya han superado la velocidad de sus controles de riesgo internos.

Para que un agente opere con confiabilidad en finanzas corporativas, necesita tres condiciones. Primero, datos unificados: décadas de fusiones y adquisiciones han fragmentado los repositorios de información de muchas instituciones, y un agente con acceso a datos inconsistentes producirá decisiones defectuosas. Segundo, trazabilidad: el EU AI Act y las directrices del Financial Action Task Force exigen que las instituciones puedan demostrar, no simplemente afirmar cómo y por qué sus sistemas tomaron una decisión. Tercero, supervisión humana estructurada: la arquitectura "human-in-the-loop", donde decisiones de alto impacto requieren validación antes de ejecutarse, ha dejado de ser una consideración ética para convertirse en estándar de diseño en las plataformas líderes del mercado.

Las instituciones que entiendan esto temprano no solo reducirán riesgos operativos. Construirán la infraestructura de datos que determinará qué tan rápido y con qué profundidad podrán escalar estos sistemas en los años siguientes, una ventaja que se vuelve más difícil de replicar conforme avanza la adopción.

El profesional financiero en la era agéntica

La transición hacia la IA agéntica no desplaza el juicio experto; lo reposiciona. Los profesionales financieros evolucionan de operadores de herramientas a diseñadores de objetivos: quienes definen los límites dentro de los cuales los agentes operan, interpretan sus outputs y toman las decisiones estratégicas que los sistemas no están equipados para asumir. El 95% de las organizaciones que ya utilizan IA agéntica de forma extensiva reportaron mejoras en eficiencia operativa, y el 66% anticipan redefinir sus estructuras de gestión como consecuencia directa, según Citizens Financial.

La pregunta que comienza a dominar las conversaciones en comités de dirección ya no es si adoptar estas tecnologías. Es con qué nivel de preparación hacerlo, porque la brecha entre quienes construyen la infraestructura de datos hoy y quienes la postergan es la que definirá la competitividad de las instituciones financieras en la segunda mitad de esta década.

Referencias

[1] Wolters Kluwer / Neurons Lab. (2026). Agentic AI in Financial Services: A Research Roundup for 2026. https://neurons-lab.com/article/agentic-ai-in-financial-services-2026/

[2] NVIDIA. (2026). State of AI in Financial Services: 2026 Trends. https://blogs.nvidia.com/blog/ai-in-financial-services-survey-2026/

[3] Citizens Financial Group. (2025). 2026 AI Trends in Financial Management. https://www.citizensbank.com/corporate-finance/insights/ai-trends-financial-management-2026.aspx

[4] Moody's. (2026). Agentic AI in Financial Services. https://www.moodys.com/web/en/us/creditview/blog/agentic-ai-in-financial-services.html

[5] Deloitte. (2026). Managing the New Wave of Risks from AI Agents in Banking. https://www.deloitte.com/us/en/insights/industry/financial-services/agentic-ai-risks-banking.html

[6] Oracle Financial Services. (2026, abril 14). Oracle Financial Services Extends Agentic AI Platform to Corporate Banking. https://www.oracle.com/news/announcement/oracle-financial-services-extends-agentic-ai-platform-to-corporate-banking-2026-04-14/

[7] IBM. (2025). IA agentiva vs. IA generativa. https://www.ibm.com/es-es/think/topics/agentic-ai-vs-generative-ai

[8] FINOS. (2025). AI Governance Framework v2.0. https://www.finos.org/blog/finos-ai-governance-framework-v2.0-addressing-agentic-ai-risks-in-a-rapidly-evolving-landscape

[9] Arroyave, et al. (2025). Agentic AI Systems Applied to Tasks in Financial Services. arXiv. https://arxiv.org/html/2502.05439v2 

[10] Gartner / Joget. (2026). AI Agent Adoption in 2026: What the Analysts' Data Shows. https://joget.com/ai-agent-adoption-in-2026-what-the-analysts-data-shows/