La banca europea ha comenzado a integrar la inteligencia artificial generativa en sus operaciones, aunque de forma desigual y con cautela. Según el informe From buzz to business. GenAI in action 2025, publicado por Sopra Steria, solo una cuarta parte de los casos analizados ha alcanzado fases comerciales. El resto se encuentra aún en etapas de ideación (26%) o en fase piloto (48%), lo que refleja un despliegue todavía incipiente y fragmentado.
La consultora, especializada en servicios digitales y con fuerte presencia en el sector financiero, ha identificado 22 casos de uso concretos de IA generativa en banca. La mayoría de ellos se orienta a mejorar la eficiencia operativa interna, mediante la automatización de tareas repetitivas, la asistencia en el desarrollo de software o el soporte al cumplimiento normativo. El informe clasifica estos casos en cuatro categorías: IA aplicada al software, a humanos, a procesos y a máquinas.
De acuerdo con el documento, los bancos priorizan iniciativas que permitan liberar recursos humanos, acelerar la toma de decisiones y reducir costes estructurales. Uno de los ejemplos citados es la generación automática de user stories para el desarrollo de software en un neobanco español. También se mencionan copilotos de IA que asisten a empleados en tareas operativas, así como chatbots regulatorios diseñados para facilitar el cumplimiento normativo.
Sin embargo, los casos orientados directamente al cliente son todavía minoritarios. La reticencia, según el análisis de Sopra Steria, se debe al temor a reproducir sesgos algorítmicos o incurrir en incumplimientos regulatorios. En un entorno financiero fuertemente supervisado, el margen para experimentar con tecnologías emergentes en la relación con el cliente es limitado. Esto contrasta con otros sectores, como el comercio electrónico o los medios digitales, donde la adopción de IA generativa en la interfaz de usuario avanza con mayor rapidez.
Antonio Peñalver, director general de Sopra Steria España, subraya que el objetivo del informe no es alimentar expectativas, sino identificar qué casos pueden escalarse con garantías. “No se trata de seguir una moda, sino de reconocer los casos de uso que realmente aportan valor”, afirma. La consultora ha recopilado durante dos años ejemplos reales en varios países europeos, evaluando su madurez, viabilidad tecnológica y retorno potencial.
La metodología del estudio incluye una clasificación por estado de desarrollo (idea, piloto, comercial), objetivos de negocio y capacidades de IA generativa aplicadas. También se han considerado aspectos como la gobernanza, la tecnología subyacente y los retos de industrialización. Esta aproximación busca ofrecer una guía práctica para entidades que quieren avanzar más allá de la experimentación y llevar la IA generativa a escala.
Aunque el foco actual está en la eficiencia interna, el informe no descarta una evolución hacia usos más ambiciosos. La gestión del conocimiento, la inteligencia de negocio o la personalización de servicios podrían ganar peso a medida que maduren las tecnologías y se consoliden los marcos regulatorios. Por ahora, la prudencia domina el panorama.
En términos de infraestructura, la mayoría de los casos analizados se apoyan en modelos de lenguaje de gran tamaño (LLM) adaptados al contexto bancario. Algunos bancos han optado por desarrollar modelos propios, mientras que otros recurren a proveedores externos, ajustando los modelos a sus necesidades específicas. Esta decisión, aparentemente técnica, tiene implicaciones estratégicas: afecta al control sobre los datos, a la capacidad de auditar decisiones automatizadas y al cumplimiento de normativas como la futura Ley de IA de la UE.
El informe también apunta a una tensión latente entre innovación y regulación. Mientras los equipos de innovación exploran las posibilidades de la IA generativa, los departamentos legales y de cumplimiento exigen garantías de trazabilidad, explicabilidad y seguridad. Esta dinámica ralentiza algunos proyectos, pero también actúa como filtro natural frente a soluciones inmaduras o difíciles de escalar.
En contraste con el entusiasmo inicial que generó la IA generativa en 2023, el enfoque actual es más sobrio. Las entidades financieras parecen haber asumido que no todo lo que es técnicamente posible resulta viable desde el punto de vista operativo o regulatorio. El reto, según Sopra Steria, no es tanto descubrir nuevos casos de uso como industrializar los existentes.
El informe From buzz to business no solo enumera casos, sino que traza una hoja de ruta para su adopción responsable. En un momento en que la presión competitiva convive con una creciente exigencia regulatoria, esta perspectiva pragmática puede marcar la diferencia entre un experimento aislado y una transformación estructural.
La inteligencia artificial generativa ha dejado de ser una promesa abstracta. Pero su aterrizaje en la banca europea sigue siendo parcial, condicionado por factores técnicos, culturales y normativos. La pregunta ya no es si se va a adoptar, sino cómo, cuándo y con qué garantías.
