El sector de los servicios financieros ha pasado el último año experimentando con la IA. Ahora, en lo que llevamos de 2026, observo cómo la conversación pasa de "qué es posible" a "qué es apto para producción". Para los altos directivos de gestión de activos (Asset Management) y banca de custodia, la pregunta ya no es si adoptar la IA, sino qué capacidades serán críticas para el negocio en los próximos meses.
De la experimentación a la utilidad crítica: El auge de la IA agéntica
2025 fue el año de la experimentación. Las empresas se apresuraron a explorar cómo la IA podía automatizar procesos, acelerar resultados y mejorar la experiencia del cliente, desarrollando soluciones internas basadas en vastas bibliotecas de informes y documentos.
Sin embargo, creo que 2026 representa un cambio fundamental. La transición hacia la utilidad crítica para el negocio está definida por la IA agéntica: sistemas que poseen una verdadera capacidad de acción. A diferencia de los modelos de lenguaje estáticos de 2023, estos agentes pueden ejecutar tareas de múltiples pasos en sistemas bancarios dispares sin intervención humana constante. El impacto financiero es sustancial: McKinsey proyecta reducciones de costes brutos de hasta el 70% en ciertas categorías, con disminuciones netas totales de entre el 15% y el 20%.
En banca de custodia: esto se manifiesta en el procesamiento autónomo de eventos corporativos. Plataformas como All Mates, uno de nuestros partners, ya pueden analizar anuncios complejos de múltiples jurisdicciones, conciliarlos con las carteras de los clientes y ejecutar acciones con una supervisión mínima.
En gestión de activos: estamos presenciando generadores de datos sintéticos que utilizan Redes Generativas Antagónicas (GANs) para crear escenarios de mercado de tipo "cisne negro", sometiendo a las carteras a pruebas de estrés (stress-test) que superan los precedentes históricos.
Áreas de mayor impacto en los servicios financieros
Automatización operativa y de informes
En mi experiencia con clientes bancarios, la automatización operativa es la que ofrece un valor más inmediato. Según la Financial Conduct Autorithy (FCA), el 55% de los casos de uso de IA incluyen algún grado de toma de decisiones automatizada.
Las aplicaciones prácticas ya están transformando las operaciones diarias:
Mapeo de datos no estructurados: herramientas que vinculan datos internos directamente con informes regulatorios, reduciendo el "impuesto de reporting" que históricamente ha lastrado a las firmas.
Bases de datos vectoriales: permiten la agregación de exposición al riesgo en tiempo real entre distintas clases de activos, superando el procesamiento por lotes (batch processing) de la última década.
Comentarios de rendimiento: IA que genera comentarios personalizados y de grado institucional para miles de mandatos simultáneamente, garantizando el cumplimiento normativo.
La próxima ola: analítica conversacional
Para 2026, Gartner proyecta que el 70% de las interacciones analíticas serán conversacionales. Herramientas como nuestro socio Veezoo utilizan Grafos de Conocimiento (Knowledge Graphs) para identificar conexiones entre datos aparentemente inconexos, permitiendo detectar "riesgos ocultos" que el análisis tradicional pasaría por alto.
La realidad regulatoria: qué se puede implementar realmente
El entusiasmo se ve moderado por la regulación. Un 78% de los bancos aún mantiene un enfoque táctico hacia la IA generativa debido a los riesgos. Las firmas identifican el sesgo de los datos y la falta de explicabilidad de la IA como las principales amenazas para su seguridad y solidez.
Marcos regulatorios vigentes
Siguiendo los principios BCBS 239, organismos como el Banco de Inglaterra, la PRA y la FCA han publicado normativas cruciales:
SS1/23: Establece principios de gestión de riesgo de modelos.
SS1/21: Aborda la resiliencia operativa y las tolerancias de impacto.
SMCR: El Régimen de Certificación y Directivos Superiores, que proporciona el marco para responder a innovaciones como la IA.
Esto ha llevado a la adopción generalizada de arquitecturas Human-in-the-loop (humano en bucle), donde la IA propone acciones, pero las personas supervisan y autorizan decisiones de alto valor.
Por qué fallan las herramientas de IA y qué bases las hacen funcionar
La IA en servicios financieros no puede ser una "caja negra". En mi experiencia, las herramientas fallan principalmente por cuestiones fundacionales en los datos, lo que conduce a resultados sesgados o ininterpretables.
Cimientos innegociables para escalar la IA
Arquitectura de datos moderna y pipelines de streaming: las firmas líderes han pasado de los data lakes a un enfoque data fabric: una capa impulsada por metadatos que permite a la IA acceder a los datos de forma segura dondequiera que residan.
Analítica aumentada e interoperabilidad semántica: es crítico contar con una capa semántica unificada que distinga, por ejemplo, entre "fecha de liquidación" y "fecha de contratación" en todos los sistemas. Sin contexto, la IA falla.
Automatización RegTech y Guardrails para LLM: los modelos de lenguaje deben integrar cumplimiento y explicabilidad desde su diseño. Las barandillas de seguridad (guardrails) y la auditabilidad son esenciales para garantizar la alineación regulatoria.
Aquí tienes la traducción profesional al castellano de la segunda parte del artículo, manteniendo el tono estratégico y ejecutivo:
¿Construir, comprar o asociarse? Tomar la decisión estratégica correcta
El dilema del CEO
Según el estudio de CEOs de IBM de 2025, el 64% de los directivos admite que el miedo a quedarse atrás les empuja a invertir en tecnologías antes de comprender plenamente el valor que pueden aportar. Simultáneamente, el 67% cree que la verdadera diferenciación depende de situar a los expertos adecuados en los roles correctos, respaldados por los incentivos adecuados. En los próximos tres años, el 31% de la fuerza laboral requerirá reentrenamiento o actualización de habilidades (reskilling).
Los resultados han sido dispares. En los últimos tres años, los CEOs indican que solo el 25% de las iniciativas de IA han alcanzado el retorno de inversión (ROI) esperado, y apenas el 52% afirma que sus inversiones en IA generativa están aportando un valor que vaya más allá de la reducción de costes. Sin embargo, me alienta que el optimismo siga siendo fuerte: el 85% de los CEOs espera un ROI positivo de las iniciativas de eficiencia y ahorro de costes mediante IA a escala para 2027.
Evaluación de sus opciones
En mis conversaciones con altos directivos, les ayudo a reflexionar sobre sus enfoques estratégicos:
Construir (Build): cuando la IA proporciona una ventaja exclusiva, como una extracción de señales única o un modelo de decisión propio, construir internamente permite a las organizaciones mantener la propiedad total de la propiedad intelectual. No obstante, siempre advierto que este enfoque requiere equipos altamente cualificados, una hoja de ruta de mantenimiento a largo plazo y soporte dedicado. Suele ser complejo, costoso y requiere muchos recursos.
Comprar (Buy): para capacidades ya comoditizadas como analítica, procesos de KYC (conozca a su cliente), cribado de blanqueo de capitales (AML) o extracción básica de documentos, suelo recomendar la compra de soluciones de terceros. Es más rentable y permite el acceso rápido a la innovación continua de la comunidad de usuarios. Aun así, aconsejo evaluar cuidadosamente los contratos a largo plazo y el posible bloqueo de datos o procesos (lock-in) que pueda limitar la flexibilidad futura.
La regla 10–20–70
BCG recomienda que los ejecutivos basen su estrategia de adopción de IA en la regla 10–20–70, y estoy totalmente de acuerdo. Mientras que la tecnología y los datos representan el 10% y el 20% del esfuerzo respectivamente, el 70% restante depende de las personas y los procesos. La creación de valor sostenible no vendrá solo de la tecnología, sino de la eficacia con la que las organizaciones capaciten a sus equipos y rediseñen su forma de trabajar.
Aquí es donde creo que los socios especializados como Keyrus desempeñan un papel fundamental. La discusión tradicional entre "construir o comprar" suele pasar por alto la complejidad de la integración. Veo nuestro papel como el "tejido conectivo": integrar modelos y herramientas de IA avanzada en entornos heredados (legacy), garantizar el cumplimiento normativo y gestionar la carga técnica pesada. Esto permite que los equipos internos de TI avancen más rápido y con mayor confianza.
El diferenciador de 2026: madurez agéntica
Ganadores frente a los atrapados en el "purgatorio de los pilotos"
Para 2026, predigo que los verdaderos "ganadores" se definirán por su nivel de madurez agéntica. Estas organizaciones habrán dejado de tratar la IA como una herramienta de productividad para desplegarla como una fuerza de trabajo digital. Operarán una "Sala de Control de IA" similar a una mesa de tesorería, donde se monitorizan, orquestan y optimizan cientos de agentes autónomos.
Las organizaciones menos maduras seguirán atrapadas en el "purgatorio de los pilotos". He visto este patrón repetidamente: acumulan docenas de pruebas de concepto desconectadas que no logran escalar porque la arquitectura de datos subyacente sigue fragmentada y silenciada. Como resultado, tienen dificultades para demostrar la robustez y trazabilidad de sus modelos de riesgo ante supervisores como la PRA.
Lo que los líderes sénior deben hacer ahora
El escalado de la IA empieza en la cima. El C-level debe hablar abiertamente sobre lo que está cambiando y apoyar nuevas formas de trabajo. Si algo no puede crecer más allá de un piloto, le digo a mis clientes que es una señal para replantear el enfoque.
Los próximos 12 meses no consisten en seleccionar el mejor modelo de IA. Se trata de construir un entorno resiliente, gobernado y rico en datos, capaz de soportar agentes autónomos a escala. Para la gestión de activos y la banca de custodia, creo que la ventana de oportunidad para establecer estos cimientos se está cerrando. Las firmas que actúen con decisión ahora serán las que definan el estándar de la industria en 2026.
Sobre el autor
Ivan Vemado es un líder visionario en Inteligencia Artificial e Innovación en Keyrus, con más de 17 años de experiencia demostrada impulsando transformaciones digitales y entregando soluciones innovadoras que fomentan el crecimiento y la eficiencia en mercados globales.