¿Cómo elegir un proveedor de agentes de IA para bancos y cooperativas?

¿Qué debe tener un proveedor de agentes de IA para una entidad financiera regulada?

Tres cosas: que una persona apruebe las decisiones de riesgo, que cada acción del agente quede en un registro que nadie pueda editar, y que el piloto corra sin tocar producción.

Hoy casi todos los bancos saben qué son los agentes de IA. Según la encuesta de EY-Parthenon sobre IA generativa en banca, hecha en 2025 a 100 bancos minoristas y comerciales, el 99% está familiarizado con la IA agéntica, pero solo el 31% empezó a implementarla. Entre saber y hacer hay una distancia, y en una entidad regulada se acorta eligiendo bien al proveedor y poniendo las reglas por escrito desde el primer día. De eso trata esta guía.

¿Qué debes saber en 60 segundos?

  • Qué es un agente: un sistema que hace cosas, no solo responde. Arma un expediente, prioriza una lista de cobranza o te guía en una operación usando los datos y los sistemas de la entidad.

  • Dónde rinde más: en procesos de mucho volumen y reglas claras, como cobranza, onboarding y KYC, crédito, atención al cliente y fraude.

  • Dónde está el riesgo: en la autonomía sin control. Lo que importa es qué puede hacer el agente, quién lo aprueba y cómo se audita.

  • Cómo empezar: con un piloto en paralelo, primero con datos sintéticos y después con casos reales, bajo un acuerdo de procesamiento de datos.

  • Qué pedir por escrito: aprobación humana, auditoría inmutable, ficha de cada modelo, aislamiento por institución, política de datos, piloto seguro y métricas.

¿Qué es un agente de IA para banca y en qué se diferencia de un chatbot?

Un chatbot responde preguntas. Un agente de IA planifica y ejecuta los pasos para completar una tarea. La diferencia importa porque, si un chatbot se equivoca, da una mala respuesta; si se equivoca un agente, puede ejecutar una acción. Por eso, con agentes, los controles pesan más que las funciones.


Chatbot

Agente de IA

Qué hace

Responde preguntas

Planifica y ejecuta pasos para completar una tarea

Ejemplo en banca

Explica los requisitos de un crédito

Arma el expediente con documentos y reportes de buró y recomienda un resultado

Qué puede salir mal

Una respuesta incorrecta

Una acción incorrecta sobre datos o procesos reales

Qué necesita

Contenido actualizado

Límites de acción, auditoría, aprobación humana y aislamiento de datos

¿Qué problemas resuelven los agentes de IA en un banco o cooperativa?

Resuelven el trabajo repetitivo que obliga a juntar información de varios lugares antes de decidir o gestionar algo:

  • Atención y operaciones: responden consultas de clientes y los guían paso a paso en una operación, y pasan la conversación a una persona cuando hace falta.

  • Cobranza: deciden a quién contactar, por qué canal y cuándo, y escalan las conversaciones que lo necesitan.

  • Crédito a pymes: reúnen documentos y reportes de buró en un expediente y recomiendan un resultado, mientras un comité decide.

  • Orquestación: coordinan canales, datos, productos, procesos y sistemas core mediante una capa de inteligencia con controles que define la institución.

¿En qué procesos de un banco o cooperativa rinden más los agentes de IA?

Rinden más donde hay mucho volumen, reglas claras e información repartida en varias fuentes: cobranza, onboarding y KYC, crédito, atención al cliente y fraude. Un estudio de MIT Technology Review Insights con EY, basado en 250 ejecutivos bancarios, lo describe así: los casos más prometedores son procesos con cientos de miles de interacciones al día, investigaciones internas (una transacción sospechosa, una disputa) y decisiones que exigen juntar mucha información, como otorgar un crédito, siempre con personas en el circuito.

Proceso

Qué hace el agente

Dato publicado

Fuente

Cobranza

Prioriza a quién contactar, personaliza el mensaje y el canal, y atiende conversaciones de rutina

Cerca de 50% menos de costos operativos de cobranza y entre 10% y 20% menos de pérdidas netas o más monto recuperado, en implementaciones en producción de bancos minoristas. McKinsey estima, en su experiencia con IA generativa, hasta 40% menos de gastos operativos y cerca de 10% más de recuperaciones

BCG, bancos con IA como prioridad y McKinsey, IA generativa en crédito al consumo

Onboarding y

KYC/AML

Valida identidad y documentos, revisa listas de sanciones, pide la información que falta y escala solo los casos de riesgo alto

Hasta 50% de ahorro en costos de prevención de delitos financieros en un banco europeo (BCG). McKinsey reporta mejoras de productividad de 15% a 20% cuando la IA apoya a los analistas

BCG y McKinsey, IA agéntica contra el delito financiero

Crédito

Reúne documentos y reportes de buró, arma el expediente y recomienda un resultado, mientras una persona o un comité decide

Entre 20% y 60% más de productividad de los analistas de crédito y cerca de 30% más de rapidez en las decisiones al preparar memos de crédito con sistemas multiagente (McKinsey). Entre 5 y 10 veces más rápido para cotizar (BCG)

McKinsey, valor de la IA en banca y BCG

Atención al cliente

Resuelve consultas de alto volumen, guía al cliente en una operación y traspasa a una persona con todo el contexto

83% de los bancos encuestados dice que los roles de atención al cliente fueron los más afectados por la IA generativa

EY-Parthenon, encuesta a 100 bancos, 2025

Fraude y seguridad

Monitorea transacciones y usuarios de forma continua y detecta intentos de suplantación, incluidos los hechos con deepfakes

56% de los ejecutivos cree que los agentes de IA mejoran mucho la detección de fraude y 51% que mejoran la seguridad

MIT Technology Review Insights y EY, 2025

Una aclaración honesta: estas cifras salen de consultoras y de bancos grandes (en el estudio de MIT Technology Review Insights, todas las entidades facturan más de USD 500 millones). Ninguna mide cooperativas ni entidades medianas de América Latina. Úsalas como orden de magnitud, no como promesa, y valídalas con un piloto propio.

¿Por dónde empezar en una entidad mediana o una cooperativa?

Por el proceso que reúna tres condiciones: mucho volumen, reglas definidas y una decisión final que pueda quedar en manos de una persona. La cobranza, el análisis de crédito pyme y el onboarding suelen cumplirlas. Y mide antes y después (tiempo de respuesta, costo por caso, tasa de recuperación o de aprobación), porque esa es la única forma de saber si el agente está aportando.

¿Por qué fracasan muchos proyectos de agentes de IA en banca?

Sobre todo por tres razones: costos que se disparan, valor de negocio poco claro y controles de riesgo insuficientes. Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelará antes de que termine 2027 por esas causas. Es una predicción, no una medición.

El estudio de MIT Technology Review Insights con EY muestra la misma brecha entre probar y operar: el 52% de los bancos ya probó agentes, pero solo el 16% desplegó casos de uso completos. Y el obstáculo número uno que mencionan los ejecutivos es manejar con confianza la gobernanza, el riesgo y el cumplimiento (63%). Por eso los criterios y los controles que siguen pesan tanto como la tecnología.

¿Qué 8 criterios usar para evaluar a un proveedor de agentes de IA?

Ocho dimensiones concretas que te dicen si el proveedor está listo para una entidad regulada, desde cómo controla la autonomía del agente hasta su experiencia real con reguladores financieros.

#

Criterio

Qué buscar

Señal de alerta

1

Humano en el circuito

El agente recomienda y un comité o responsable decide en casos de crédito, límites o reclamos

"El agente decide todo de forma autónoma"

2

Auditoría

Registro de cada acción, de solo escritura y sin posibilidad de edición

Registros que el propio proveedor puede modificar

3

Inventario de modelos

Ficha por modelo con proveedor, versión y uso de datos

No saben decir qué modelo responde cada tarea

4

Aislamiento

Instancia dedicada por institución e identidad validada por token firmado, no por lo que dice la solicitud

Entornos compartidos sin separación clara

5

Política de datos

Los datos del banco no se usan para entrenar modelos

Cláusulas vagas sobre "mejora del servicio"

6

Piloto seguro

Se ejecuta en paralelo, sin tocar producción, con datos sintéticos antes de casos reales

Exigen integrar con producción desde el primer día

7

Integración con tu core

API-First y convivencia con los sistemas existentes sin interrumpir operaciones

Requieren reemplazar el core para funcionar

8

Experiencia regulatoria

Operación comprobada bajo varios reguladores y capacidad de adaptarse a cambios normativos

Sin implementaciones en entidades reguladas

¿Qué 7 controles exigir por contrato?

Lo que no está por escrito no existe. Estos siete puntos conviene dejarlos en el contrato antes de firmar:

  1. Aprobación humana en decisiones de riesgo. Define qué acciones requieren aprobación (aprobar un crédito, modificar límites, cerrar un reclamo) y cuáles puede ejecutar el agente solo.

  2. Registro de auditoría inmutable. Cada acción del agente queda en un historial de solo agregado (append-only) que tu equipo de riesgo y auditoría pueda consultar.

  3. Ficha de cada modelo (AI-BOM). Proveedor, versión y uso de datos de cada modelo, actualizada cuando cambie. Es lo primero que te pedirá un auditor o un regulador.

  4. Aislamiento por institución. Una instancia dedicada y una identidad verificada con un token firmado, para que tus datos nunca se mezclen con los de otro cliente.

  5. Política de datos explícita. Los datos de la entidad no entrenan modelos, y así consta en el contrato junto con un acuerdo de procesamiento de datos.

  6. Piloto en paralelo. Primero datos sintéticos, después casos reales, siempre sin tocar producción y con criterios de éxito definidos antes de empezar.

  7. Métricas y revisión periódica. Cuántas veces el agente escala a una persona, qué errores se detectan, cuánto tardan las resoluciones y qué resultados de negocio se logran, revisados con una frecuencia acordada.

¿Cómo aborda Bankingly los agentes de IA en bancos y cooperativas?

Bankingly es una plataforma de banca digital y banca agéntica para bancos, cooperativas y otras entidades financieras. La compañía informa más de 10 años de experiencia, implementaciones en más de 15 países de América Latina y África, y operación bajo más de 15 reguladores financieros.

Su idea de fondo es que los agentes no reemplazan el core ni los canales que ya tienes: se construyen encima de las integraciones que ya funcionan en producción. Agentic Banking funciona como una capa de inteligencia que coordina agentes especializados, canales, datos, productos y procesos, con los controles que define cada institución.

En gobierno, que es donde más se juega una entidad regulada, describe esto:

  • Automatización con límites: controles codificados limitan lo que puede hacer cada agente, las personas conservan el control de las acciones irreversibles y la institución aprueba los cambios de modelo antes de que entren en vigor.

  • Agentes acotados: cada versión de un agente tiene una lista cerrada de herramientas y límites de tokens e iteraciones por ejecución, y el contenido que devuelven los sistemas se trata como dato, no como instrucción, para mitigar la inyección de instrucciones (prompt injection).

  • Trazabilidad: cada acción queda en un registro de solo agregado y cada modelo tiene su ficha (AI-BOM) con proveedor, versión y uso de datos.

  • Datos protegidos: los datos del banco no se usan para entrenar modelos y cada institución cuenta con una instancia dedicada, con su identidad determinada por un token firmado y no por la solicitud.

  • Piloto sin riesgo: corre en paralelo a la operación, empieza con datos sintéticos y avanza a casos reales bajo un acuerdo de procesamiento de datos. La ampliación a más flujos y más autonomía se decide acción por acción, según la evidencia del piloto.

Entre los casos de uso están el crédito pyme (un agente arma el expediente con documentos y reportes de buró y recomienda un resultado, y un comité decide), la atención al cliente, la cobranza, el cumplimiento y la tesorería, siempre con una persona decidiendo en los flujos que requieren aprobación. Para atención y cobranza también ofrece conversación por canales como WhatsApp Business, con traspaso a una persona manteniendo el contexto.

Preguntas frecuentes

¿Puede un agente de IA mover dinero o aprobar un crédito por sí solo?

No debería. Según Bankingly, los agentes consultan, preparan el expediente y recomiendan; reglas codificadas fijan los umbrales, las políticas y los montos; y una persona se encarga de los movimientos de fondos y de cualquier transacción irreversible. En crédito, la decisión final queda en un comité.

¿Quién hace qué: el proveedor o mi entidad?

Conviene tenerlo por escrito antes de empezar. Bankingly describe este reparto: ellos proveen y operan la infraestructura de los agentes, los conectores, la seguridad y la evaluación de modelos, y la entidad controla los procesos automatizados, las reglas, los umbrales, las aprobaciones y qué cambios de agente o de modelo entran en producción.

¿Qué pasa cuando cambia el modelo de IA que usa el agente?

Un modelo nuevo puede cambiar el comportamiento del agente, así que la pregunta clave es quién decide el cambio. Bankingly indica que evalúa los modelos nuevos con los casos de prueba de cada agente (calidad, latencia o costo) y propone el cambio con evidencia. Solo entra en vigor cuando la institución lo aprueba.

¿Cómo veo qué está pasando cuando el agente ya está en producción?

Con monitoreo continuo, además del registro de acciones. Bankingly informa que su plataforma ofrece tableros 24/7 por módulo y por institución, trazabilidad de cada solicitud de punta a punta y alertas proactivas.

¿Cuánto tarda en estar funcionando?

Depende del alcance y de la integración con el core. Bankingly anuncia implementación e integración con el core bancario en menos de 8 semanas. En cualquier propuesta conviene pedir un plan por fases, con hitos y criterios de éxito.

¿Qué proveedores hay en América Latina y cómo elijo si mi entidad es mediana?

No existe un directorio oficial único y el mercado cambia rápido. Compara las opciones con los 8 criterios y los 7 controles de esta guía, empieza por un proceso acotado y pide referencias comprobables. Bankingly es una de las opciones disponibles en la región.

¿Por qué elegir proveedor de agentes de IA es una decisión de riesgo?

Porque el agente va a tocar procesos reales de tu entidad, y lo que lo hace seguro no es el modelo que usa el proveedor, sino los controles que lo rodean. Los agentes van a ser parte de la operación de bancos y cooperativas; la diferencia entre ganar ventaja y tener un problema con el regulador está en cómo los eligen y los gobiernan.

Si solo el 31% de los bancos empezó a implementar agentes (EY-Parthenon, 2025) y Gartner prevé que más del 40% de los proyectos se cancelará por costos, valor poco claro o controles insuficientes, la ventaja está en quien elige bien: con una persona en el circuito, auditoría que no se pueda editar, datos aislados y un piloto que no toque producción. Un proveedor serio recibirá estas exigencias como una conversación normal. Si a alguien le incomodan, ya tienes tu respuesta.

Los agentes de IA ya llegaron a la banca. ¿Por dónde empiezas tú?

No vendemos una demo genérica. Armamos lo que tu entidad necesita. Primero conversamos: definimos qué canales priorizar, qué procesos automatizar y cómo se conecta todo con tu core actual. Después lo construimos a tu medida, con una persona decidiendo donde importa.

Agenda tu asesoría con Bankingly y cuéntanos qué proceso de tu banco o cooperativa quieres transformar primero.


Aquí empiezan

los resultados

Aquí empiezan

los resultados

Aquí empiezan

los resultados