La IA agéntica redefine la transformación tecnológica de bancos y aseguradoras

La inteligencia artificial agéntica abre una nueva etapa en la transformación tecnológica de bancos y aseguradoras. Frente a asistentes, copilotos, chatbots y automatizaciones centradas en tareas concretas, los agentes de IA incorporan una lógica operativa capaz de coordinar distintos pasos, consultar información, interactuar con aplicaciones corporativas y activar procesos dentro de límites previamente establecidos.

Según la European Banking Authority, el 55% de los bancos encuestados utiliza IA generalista o agéntica en procesos relacionados con el cliente, especialmente para la detección y notificación de actividad fraudulenta o sospechosa, el apoyo a los equipos de atención, la automatización de información para autoservicio y los asistentes digitales. El dato refleja una transformación en el papel de la inteligencia artificial dentro del sector financiero, con una integración creciente en procesos de negocio.

La adopción presenta distintos niveles entre las organizaciones. Informes sectoriales sobre el estado de la IA en 2025 señalan que el 23% de las organizaciones escala algún sistema de IA agéntica y otro 39% experimenta con agentes. El desafío se sitúa en integrar estas capacidades en los flujos operativos, los sistemas internos y los modelos de control, además de identificar casos de uso con un impacto empresarial medible.

Para Qaracter, consultora tecnológica española especializada en los sectores financiero y asegurador, esta evolución adquiere especial relevancia en industrias donde la eficiencia, la trazabilidad, la calidad del dato y el cumplimiento normativo resultan esenciales. La IA agéntica no consiste en conceder autonomía ilimitada a la tecnología, sino en diseñar agentes con funciones concretas, permisos restringidos, reglas de actuación, supervisión humana y métricas de negocio.

 

Del asistente al agente operativo

La principal diferencia frente a la IA generativa tradicional reside en la capacidad de actuar sobre un proceso. Un chatbot responde a una pregunta; un copiloto facilita la redacción, el resumen o el análisis de información; y una automatización convencional ejecuta una regla repetitiva. Un agente de IA puede descomponer un objetivo en diferentes pasos, consultar bases de datos, activar tareas en aplicaciones, solicitar validación humana cuando corresponda y registrar las acciones ejecutadas.

En banca, esta capacidad puede aplicarse a procesos como onboarding, KYC, análisis de riesgos, prevención del fraude, conciliaciones, reporting regulatorio, soporte a empleados, atención al cliente y gestión documental. El agente no tendría que sustituir una decisión crítica, sino coordinar la recopilación de documentación, verificar información, contrastar reglas, priorizar alertas, preparar expedientes y trasladar las excepciones a los equipos responsables.

En seguros, las aplicaciones abarcan la suscripción, la tarificación, la gestión de siniestros, el triaje documental, la prevención del fraude, la atención al mediador, las renovaciones, el reporting y la experiencia de cliente. Ante un siniestro, un agente puede revisar documentación, clasificar el caso, identificar información pendiente, consultar coberturas, detectar señales de riesgo y preparar una propuesta para revisión humana. El valor no se limita a reducir tiempos, sino que también reside en estructurar procesos fragmentados entre canales, documentos, sistemas y equipos.

La percepción del cliente introduce una dimensión adicional. El I Barómetro Qaracter 2025 sobre Tendencias y Digitalización en Banca y Seguros muestra que el 81% de los clientes considera que la IA puede mejorar la gestión financiera, mientras que casi el 54% expresa preocupación por su utilización. Además, el 60% no contrataría un producto bancario sin intervención humana y el 85% prefiere interactuar con un agente humano por teléfono o chat ante problemas o dudas frente a un asistente virtual.

Este equilibrio entre eficiencia y confianza resulta determinante. La IA agéntica puede agilizar procesos, pero su utilización en sectores regulados requiere mecanismos que eviten comportamientos opacos. Cada interacción con datos, sistemas, clientes o empleados debe estar gobernada, registrada y alineada con los criterios de riesgo de la organización.

 

Gobernanza, regulación y confianza

El marco europeo establece exigencias para el uso controlado de la inteligencia artificial. El AI Act introduce obligaciones para los sistemas de IA, con requisitos específicos para aquellos considerados de alto riesgo, mientras que DORA establece medidas para reforzar la resiliencia operativa digital, la gestión de incidentes tecnológicos y el control de proveedores críticos en las entidades financieras.

En este contexto, la utilización de agentes de IA requiere gobierno del dato, trazabilidad, explicabilidad, ciberseguridad, cumplimiento normativo y supervisión humana. Para Qaracter, el reto no consiste únicamente en conectar agentes con sistemas corporativos, sino en determinar qué funciones pueden ejecutar, con qué permisos, bajo qué reglas, qué evidencias deben generar y en qué circunstancias debe intervenir una persona.

“El verdadero cambio de la IA agéntica no está en automatizar más tareas, sino en integrar agentes dentro de procesos críticos de negocio con reglas claras, gobierno del dato, controles de riesgo, ciberseguridad, trazabilidad y supervisión humana. En banca y seguros, la pregunta no es cuánta autonomía puede tener un agente, sino qué decisiones puede apoyar, qué límites debe respetar y cómo se mide su impacto real”, señala Marta Sanz, directora Global de Exponential Technologies de Qaracter.

La IA agéntica puede aportar eficiencia, calidad operativa y mejoras en la experiencia de cliente, siempre que su aplicación responda a una arquitectura de control clara. Utilidad, gobernanza, seguridad, auditoría, trazabilidad y conexión con los objetivos de negocio configuran los principios necesarios para integrar agentes de IA en entornos financieros y aseguradores.