Alrededor de los agentes de IA se ha acumulado mucho ruido y, en un banco, choca con una realidad dura: regulación, secreto bancario y responsabilidad por cada decisión que afecta a un cliente. Así que la pregunta no es «IA sí o IA no», sino dónde ayuda la IA de verdad y cómo hacerlo para que la última palabra siga siendo de una persona. Eso traslada la conversación desde la fascinación por un modelo hasta un proyecto que puedes defender ante un auditor y ante un cliente.
Por nuestra experiencia, el mayor valor no aparece donde la IA «sustituye» a una persona, sino donde le acorta el camino hasta la respuesta y le quita de encima el trabajo repetitivo. Construimos capacidad real de IA dentro del Grupo RITS, en nuestros equipos de AI/LLM/data especializados en LLM, datos y soluciones de IA. Hemos entregado proyectos de GenAI, RAG y LLM, incluido un despliegue de asistente de conocimiento con IA para un cliente de seguros (UNIQA) - y esa experiencia encaja directamente con los retos de un banco, porque la lógica es la misma: datos sensibles, lenguaje regulado, un coste del error muy alto.
¿Dónde ayuda de verdad la IA en un banco: servicio, operaciones o conocimiento?
El retorno más rápido aparece en tres áreas llenas de trabajo repetitivo y de conocimiento disperso. En atención al cliente, la IA sugiere una respuesta al agente, resume el historial de contacto y propone el siguiente paso, en vez de responder al cliente sin supervisión. En operaciones y back office, acelera tareas tediosas: clasificación inicial de documentos, relleno de solicitudes, detección de inconsistencias. Y en acceso al conocimiento, acorta el tiempo que una persona dedica a encontrar el procedimiento correcto entre las políticas del banco. Son las áreas donde el efecto es medible y el riesgo es controlable - y son por las que conviene empezar.
¿Qué son los agentes de IA y los asistentes de IA en un banco?
Estos dos términos se mezclan a menudo, aunque la diferencia es práctica. Un asistente de IA trabaja en modo pregunta y respuesta: una persona pregunta, el asistente responde a partir del conocimiento del banco y la persona decide qué hacer después. Un agente de IA va un paso más allá - ejecuta una secuencia de acciones, entra en un sistema, prepara el borrador de una decisión o rellena un formulario - pero en un banco siempre lo hace dentro de límites claramente definidos.
Lo clave es que un agente no es un oráculo, sino un ejecutor bajo supervisión. Lo diseñamos para que proponga en vez de decidir: reúne datos, hace el trabajo preparatorio y se detiene donde hace falta una decisión humana. El valor crece y la responsabilidad se queda donde el regulador espera que esté.
¿Cómo funciona un asistente de conocimiento (RAG) para los empleados del banco?
Un asistente de conocimiento suele ser el primer paso, y el más seguro. Se apoya en una arquitectura RAG (retrieval-augmented generation), en la que el modelo no inventa una respuesta, sino que la fundamenta en documentos verificados del banco. En la práctica construimos aquí varias capas:
- una fuente de verdad - procedimientos, políticas, normativa y conocimiento de producto, ordenados y al día,
- una capa de recuperación que encuentra los fragmentos adecuados antes de que el modelo escriba nada,
- generación de respuestas con citas a las fuentes, para que una persona pueda comprobar en un clic de dónde salió la información,
- control de acceso, para que cada uno vea solo aquello a lo que tiene derecho.
Aplicamos exactamente esta lógica en el asistente de conocimiento de nuestro cliente de seguros - y en un banco la misma construcción responde a las preguntas de agentes, analistas o compliance más rápido que buscar en la intranet.
¿Cómo automatizar procesos bancarios con IA?
La automatización basada en IA se diferencia del RPA clásico en que se maneja con contenido no estructurado - una carta de un cliente, un contrato escaneado, una reclamación en texto libre. En lugar de una regla rígida, insertamos un componente que entiende lenguaje y contexto y después lo encajamos en el paso concreto del proceso existente donde hoy se pierde más tiempo, sin reconstruir todo el sistema.
Una automatización bien diseñada prepara una decisión, pero no la impone: el modelo resume, clasifica y propone, mientras la persona acepta, corrige o rechaza. Ese ritmo hace el proceso más rápido, no más arriesgado.
¿Por qué es tan importante tener a una persona en el circuito de decisión?
En un banco esto no es un eslogan, sino una decisión de diseño. Una persona en el circuito de decisión significa que toda decisión con efecto material sobre un cliente la firma alguien autorizado. La IA prepara el material, acorta el camino y ofrece sugerencias, pero no pone su nombre en una decisión crediticia ni cierra una reclamación por su cuenta.
Este planteamiento mantiene la responsabilidad del lado del banco y construye la confianza del equipo: la gente no siente que la IA trabaja «a sus espaldas», sino que trabaja para ellos. Por eso diseñamos las interfaces para que la supervisión sea una parte natural del proceso, y no un paso extra que se pueda saltar.
¿Qué riesgos de la IA hay que controlar en un banco?
Un despliegue responsable empieza por nombrar los riesgos y resolverlos en la arquitectura, no en una diapositiva. Vigilamos sobre todo:
- seguridad y privacidad de los datos - los datos sensibles no se filtran a modelos públicos y el procesamiento ocurre en un entorno controlado,
- alucinaciones - las frenamos con RAG, citas y un «no lo sé» claro en vez de una respuesta inventada,
- sesgo y trato justo - comprobamos si el modelo favorece o perjudica a determinados grupos,
- auditabilidad - cada sugerencia y cada acción deja un rastro que se puede reproducir y explicar,
- cumplimiento - diseñamos la solución para los requisitos del supervisor y las políticas internas del banco desde el primer día.
Estas capas no se añaden al final - las integramos en el proyecto desde el inicio, porque en un banco la seguridad y el cumplimiento deciden si un despliegue llega a arrancar.
¿Qué competencias de IA aportamos a un proyecto bancario?
Incluso la mejor idea necesita gente capaz de construirla de forma segura. Cubrimos los perfiles que más suelen faltar internamente y los unimos al equipo del banco:
- ingenieros de AI/ML y LLM que diseñan soluciones de GenAI y RAG,
- ingenieros de datos que ordenan las fuentes de conocimiento y construyen los pipelines,
- arquitectos que se ocupan de la seguridad, las integraciones y el cumplimiento de la solución,
- desarrolladores de producto y DevOps que llevan un piloto a producción,
- apoyo de supervisión y calidad, para que la persona en el circuito funcione en la práctica y no solo sobre el papel.
Nuestra capacidad de IA viene del Grupo RITS, de nuestros equipos de AI/LLM/data y de proyectos reales de GenAI, RAG y LLM. La combinamos con nuestro oficio construyendo y manteniendo software, porque en un banco un proyecto de IA es 20% modelo y 80% ingeniería sólida alrededor.
¿Cómo lo hacemos en RITS?
Trabajamos como partner nearshore desde Polonia combinando capacidad de IA con disciplina de entrega de software:
- empezamos por un único caso de uso bien elegido con un efecto medible, en vez de prometer una revolución,
- construimos soluciones en arquitectura RAG con una persona en el circuito de decisión, como hicimos en el asistente de conocimiento de nuestro cliente de seguros,
- abordamos seguridad, privacidad de datos y cumplimiento desde el primer día, no justo antes del go-live,
- formamos el equipo en torno al proyecto concreto y verificamos las competencias antes de empezar.
La mayoría de las veces lo hacemos como refuerzo de capacidades: ponemos a las personas y el enfoque, mientras el banco conserva el control sobre las decisiones.
¿Por dónde empezar con agentes de IA en un banco?
Empieza por un problema que duela todos los días - por ejemplo el tiempo que un agente dedica a encontrar el procedimiento adecuado. Alrededor de eso puedes construir un piloto seguro: alcance estrecho, fuente de conocimiento clara, una persona que aprueba las decisiones y una métrica de éxito. Solo un piloto exitoso abre el camino a escalar a más procesos.
Ayuda elegir el modelo de colaboración de forma consciente - repasamos las diferencias en nuestro artículo sobre modelos de colaboración en TI.
¿Piensas en agentes y asistentes de IA en tu banco, pero quieres hacerlo de forma segura y con una persona en el circuito? Hablemos - definimos juntos el alcance, la arquitectura y el equipo.