Cómo la banca europea está construyendo agentes IA

Estudios recientes de McKinsey y del MIT (Project NANDA) coinciden en una cifra incómoda: alrededor del 95% de las implementaciones de IA generativa en empresas siguen sin escalar más allá del piloto.

Pero hay un pequeño grupo de bancos europeos que está en el 5% restante, los que ya tienen agentes IA en producción transformando procesos críticos. Deutsche Bank reduce semanas a horas en decisiones de crédito corporativo. ING automatiza el 75% de sus consultas básicas de clientes con un chatbot generativo construido en 7 semanas, y anuncia hipotecas con agentes IA para 2026. BBVA tiene más de 20.000 GPTs especializados desarrollados internamente, de los cuales 4.000 se usan frecuentemente.

¿Qué saben ellos que el resto todavía no?

En este artículo y los siguientes vamos a hacer ingeniería inversa pública de estas arquitecturas y a destilar los patrones aplicables a LATAM.

¿Por qué importa ahora?

El informe de septiembre de 2025 de la European Banking Authority (EBA) confirma que la IA es ya un componente estructural en el sector bancario europeo: los reguladores ya no la tratan como tecnología emergente, sino como una capacidad sobre la que están construyendo marcos formales de supervisión.

LATAM va típicamente 18–24 meses por detrás de Europa en adopción bancaria, pero el gap se está cerrando: Credicorp, Bancolombia, Banorte y BBVA México ya tienen iniciativas en marcha. Los procesos donde el ROI es más claro coinciden en toda la región: análisis crediticio, compliance/AML, atención al cliente y banca corporativa.

La presión competitiva no espera. Si un banco automatiza decisiones de crédito a horas mientras otro tarda días, el segundo pierde clientes. En LATAM, donde las fintech están desafiando agresivamente a los bancos tradicionales, la velocidad de respuesta se ha convertido en una variable de retención de clientes, no solo de eficiencia operacional.

Caso Deutsche Bank: agentes en el proceso de crédito

Deutsche Bank es probablemente el caso más documentado de IA agéntica aplicada al proceso de crédito corporativo. Según el análisis publicado por McKinsey, "The future is agentic: AI's role in the end-to-end corporate credit process", el banco está transformando un proceso donde los clientes históricamente esperaban semanas por una decisión.

Hoy, agentes IA asisten a los credit officers a lo largo del proceso. La clave del enfoque: los agentes no reemplazan el juicio humano, eliminan el trabajo mecánico que lo rodea. Lectura masiva de documentos, validación de consistencia, cruce con políticas internas, redacción inicial del informe — todas tareas que antes consumían el 70% del tiempo del analista y ahora se completan en horas inclusive segundos.

El plan declarado del banco es profundizar la especialización: agentes diseñados para compliance, otros para estrategia de inversión, otros para gestión de riesgo. Esto se alinea con un patrón emergente en la industria — la arquitectura multi-agente donde un coordinador delega a especialistas — que vamos a desarrollar en posts posteriores.

Caso ING: el banco que sí escala IA

ING es un claro ejemplo de escalamiento exitoso de IA en banca europea. Marco Li Mandri, Head of Advanced Analytics Strategy de ING, declaró a Computer Weekly que más del 90% de los pilotos de IA del banco pasan a producción, frente a una media de industria del 30%. Esa diferencia no es marginal: triplica la tasa estándar de la industria.

Velocidad

Chatbot generativo construido en 7 semanas con QuantumBlack. Automatiza el 75% de consultas básicas en 10 mercados con 37M de clientes.

Productividad

+25% de ganancia medible en operaciones cuando introducen IA — un indicador que justifica la inversión continua.

Centralización

Enfoque centralizado, no federado por unidad de negocio: reutiliza arquitecturas, comparte aprendizajes y aplica gobernanza consistente.

El próximo gran anuncio: hipotecas con agentes IA en 2026. Un proceso prácticamente análogo al análisis crediticio que muchos bancos LATAM están iniciando hoy.

Caso BBVA: adopción a escala

BBVA representa una dimensión distinta de la transformación: la adopción cultural masiva. El banco lanzó "The Eight" — una estrategia con 8 soluciones interconectadas que combinan agentes IA, herramientas y desarrollos integrados, abordando atención al cliente, gestión de riesgo, automatización de procesos y aceleración del desarrollo de software.

BBVA fue además el primer banco europeo en firmar un acuerdo con OpenAI para ChatGPT Enterprise corporativo. La trayectoria del despliegue lo dice todo: empezaron con 3.300 licencias en mayo de 2024, ampliaron a 11.000 en menos de un año, y recientemente anunciaron un compromiso multi-año para desplegar ChatGPT Enterprise a los 120.000 empleados globales del banco.

+20.000 GPTs especializados creados internamente. 4.000 usados frecuentemente. La adopción no es decreto desde arriba, sino apropiación real desde las áreas de negocio.

Los 4 patrones arquitectónicos comunes

Tras analizar los tres casos, se repiten cuatro capas en todas las arquitecturas — independientemente del proveedor cloud, del modelo LLM elegido o del proceso específico que estén transformando.

Capa 1 — Ingestión y comprensión documental

OCR más comprensión estructural. Deutsche Bank apostó por enriquecimiento documental sobre Google Cloud; BBVA y otros usan stacks de Azure con Document Intelligence; existen variantes con el patrón "LLM-as-structurer". Para un banco que procesa más de 50.000 documentos al mes, la decisión entre un OCR básico y un modelo custom de Document Intelligence puede representar una diferencia económica mensual considerable.

Capa 2 — Conocimiento y recuperación (RAG)

Indexación de políticas internas, regulación, manuales operativos, research. Los tres bancos usan RAG sobre embeddings. El patrón estándar de producción en banca regulada, que combina búsqueda vectorial, búsqueda léxica (hybrid search) y re-ranking, es lo que diferencia un piloto de un sistema defendible ante regulador. Esta capa es lo que permite que un agente cite políticas con precisión en lugar de inventarlas. En banca regulada, esta capa es fundamental y cualquier solución que pase a producción debe tenerla correctamente definida.

Capa 3 — Orquestación y ejecución

Esta capa coordina el razonamiento, la planificación, el uso de herramientas y la ejecución de acciones sobre los sistemas de negocio. Uno o varios agentes deciden qué función invocar y en qué orden, combinando frameworks de orquestación con plataformas de ejecución gestionadas. La elección del patrón de orquestación determina la flexibilidad futura: arquitecturas demasiado acopladas a un vendor específico se vuelven caras de migrar.

Capa 4 — Aplicación y experiencia

Esta es la capa donde la inteligencia llega a los usuarios finales, ya sean analistas, ejecutivos, colaboradores o clientes. Se materializa en aplicaciones, portales, APIs y experiencias conversacionales que integran el agente en los flujos de trabajo reales del banco. ING, por ejemplo, despliega asistencia conversacional en atención al cliente; BBVA incrusta GPTs especializados en las herramientas que sus equipos ya utilizan. El diseño de esta capa decide si el agente será adoptado o ignorado.

Capacidades transversales

Más allá de las cuatro capas, existen responsabilidades que atraviesan toda la arquitectura y no pueden confinarse a una sola. No constituyen una capa independiente, pero determinan si la solución es sostenible en producción.

Seguridad y Compliance

Identidad, permisos, cifrado, trazabilidad regulatoria y cumplimiento normativo aplicable en cada país. Cada acción del agente debe ser atribuible, autorizada y auditable.

Observabilidad y AgentOps

Logs, trazas, métricas, evaluación continua, costos y alertas. Permitir comprender el comportamiento del agente, detectar desviaciones y mantener el control operativo.

IA Responsable y Gobierno de IA

Guardrails, moderación, evaluación de sesgos, trazabilidad de decisiones y mecanismos de Human-in-the-Loop. Una responsabilidad presente durante todo el ciclo de vida del agente.

¿Por qué esto importa para LATAM?

LATAM tiene una ventaja paradójica: aprende del 95% de pilotos que ya se hicieron y se estancaron en Europa y Estados Unidos. La región puede saltarse esos errores si las arquitecturas se eligen con criterio desde el día uno.

Los retos específicos del contexto LATAM son tres: regulación más fragmentada por país (lo que es válido en Perú con la SBS no necesariamente lo es en Colombia con la Superfinanciera o en México con la CNBV), infraestructura mixta entre on-premise y cloud, y talento especializado concentrado en pocos hubs como CDMX, São Paulo, Bogotá, Lima o Santiago.

La oportunidad

Empezar ya con las arquitecturas correctas significa no reinventar el camino. Los bancos que arrancan hoy con RAG estricto, multi-agente bien diseñado y seguridad de extremo a extremo desde el primer sprint van a llegar a producción en 6-9 meses. Los que sigan pensando en "subamos un chatbot al portal" van a quedarse exactamente donde está el 95%.

Lo que viene en la serie

En los próximos posts:

Post 2: Arquitectura de referencia para agentes IA en banca (síntesis Deutsche Bank, ING, BBVA).

Y 8 posts más sobre casos reales de bancos europeos, decisiones arquitectónicas, seguridad regulatoria y transformación de procesos.

Cierre

La pregunta que abrió este post — ¿qué saben los bancos europeos que el resto todavía no? — tiene una respuesta corta: saben que el éxito no está en el modelo LLM elegido (GPT, Claude, Gemini son intercambiables), sino en la arquitectura que lo rodea. En el Post 2 desarmamos esa arquitectura pieza por pieza.

Si lideras o vas a liderar una iniciativa de IA agéntica en una entidad financiera LATAM, esta serie es tu mapa. Sígueme en LinkedIn para no perderte el Post 2.

Y mientras tanto: ¿qué proceso financiero crees que será el primero en transformarse con agentes IA en LATAM y por qué?

Referencias

Consultoría e investigación estratégica

McKinsey — The future is agentic: AI's role in the end-to-end corporate credit process
McKinsey — Banking on innovation: How ING uses generative AI to put people first
McKinsey — The paradigm shift: How agentic AI is redefining banking operations
MIT Project NANDA — The GenAI Divide: State of AI in Business 2025

Bancos y casos corporativos

Google Cloud Blog — Deutsche Bank delivers AI-powered financial research with DB Lumina
Deutsche Bank — Smarter, faster… riskier? Bringing AI into banking
Computer Weekly — Interview: How ING reaps benefits of centralising AI
Computer Weekly — ING Bank transforming operations through agentic AI
OpenAI — BBVA pone la IA en manos de todos sus equipos con OpenAI
BBVA — BBVA impulsa 'The Eight', su estrategia para transformar la experiencia financiera con IA

Regulación y tendencias del sector

European Banking Authority (EBA) — Rising application of AI in EU banking and payments sector (PDF, sept 2025)

Medios y análisis de industria

Fortune — MIT report: 95% of generative AI pilots at companies are failing