El 55% de los bancos consultados por la European Banking Authority utiliza inteligencia artificial de propósito general o agéntica en procesos orientados al consumidor. La adopción alcanza actividades como la detección de operaciones sospechosas, el apoyo a los equipos de atención y el autoservicio, y obliga a las entidades a integrar estos sistemas en sus controles tecnológicos y operativos.
El porcentaje no corresponde exclusivamente a agentes de IA. La categoría utilizada por la EBA agrupa la IA de propósito general y la IA agéntica, sin desglosar el peso de cada tecnología. Aun con esa precisión, el dato refleja que la inteligencia artificial empieza a incorporarse a procesos reales de relación con el cliente y deja de estar limitada a pilotos aislados.
El cambio afecta a la arquitectura de los procesos. Frente a un chatbot que responde preguntas o un copiloto que ayuda a redactar y analizar información, un agente puede dividir un objetivo en pasos, consultar bases de datos, interactuar con aplicaciones corporativas, activar tareas y solicitar una validación humana. Esa capacidad amplía su utilidad, pero también las consecuencias de un error o de un permiso mal configurado.
De la asistencia a la ejecución controlada
Qaracter, consultora tecnológica especializada en banca y seguros, sitúa el principal desafío en el paso desde las pruebas hacia flujos operativos gobernados. Escalar un agente requiere definir qué sistemas puede consultar, qué acciones tiene autorizadas, qué información puede utilizar y en qué momento debe transferir el expediente a una persona. También exige registrar cada intervención para reconstruir posteriormente el proceso.
En banca, estos sistemas pueden coordinar tareas vinculadas al alta de clientes, los controles KYC, el análisis de riesgo, la prevención del fraude, las conciliaciones, el reporting regulatorio o la gestión documental. Su función puede incluir recopilar documentos, verificar datos, contrastar reglas y preparar expedientes. Las decisiones críticas continuarían sujetas a los controles y responsables establecidos por cada entidad.
En seguros, la misma lógica se puede trasladar a la suscripción, la tarificación, la gestión de siniestros, las renovaciones y la detección de fraude. Un agente podría clasificar documentación, identificar datos pendientes, consultar coberturas y elevar incidencias. El beneficio operativo dependería de su capacidad para conectar canales, sistemas y equipos que ahora intervienen de forma fragmentada, más que de automatizar una tarea individual.
La integración técnica constituye una de las principales condiciones para avanzar. Los agentes deben comunicarse con sistemas heredados, repositorios de datos y aplicaciones corporativas sin eludir las políticas de acceso existentes. Cada conexión amplía la superficie que debe protegerse y obliga a revisar identidades, permisos, ciberseguridad y calidad del dato antes de conceder al sistema capacidad para ejecutar acciones.
Supervisión, trazabilidad y regulación
La supervisión humana figura entre las prioridades de las propias entidades. En otro cuestionario de la EBA, el 59% de los bancos señaló la intervención humana y los protocolos de escalado como medida de gobernanza para reducir los riesgos de la IA orientada al consumidor. El dato refuerza la necesidad de diseñar puntos de control dentro del flujo, en lugar de añadirlos una vez desplegada la tecnología.
Las obligaciones regulatorias también condicionan esta evolución. Desde el 2 de agosto de 2026 se aplican requisitos del AI Act para informar a los usuarios cuando interactúan con determinados sistemas de IA, incluidos los chatbots. La atención bancaria automatizada debe incorporar, por tanto, mecanismos concretos de transparencia frente al cliente.
A estas exigencias se suma DORA, aplicable desde enero de 2025, que establece requisitos de resiliencia operativa digital para las entidades financieras europeas. La normativa obliga a considerar la continuidad, la gestión de incidentes y el control de terceros cuando la IA se integra en una función operativa. Las autoridades europeas de banca, seguros y mercados también han pedido una gobernanza coherente ante los riesgos tecnológicos y de ciberseguridad de los modelos avanzados.
Marta Sanz, directora Global de Exponential Technologies de Qaracter, vincula el despliegue a límites operativos verificables: «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».
La confianza limita la autonomía comercial
El margen de automatización también depende de la aceptación del cliente. El Barómetro Qaracter 2025 indica que el 81% considera que la IA puede mejorar la gestión financiera, aunque cerca del 54% expresa preocupación por su uso. Además, el 60% no contrataría un producto bancario sin intervención humana y el 85% prefiere hablar con una persona por teléfono o chat cuando tiene problemas o dudas.
Estos resultados apuntan a un modelo en el que los agentes asumirán tareas de preparación, coordinación y priorización, mientras las personas conservarán los puntos de decisión sensibles y la relación ante incidencias. Para las entidades, mantener esa separación exige determinar desde el diseño qué actuaciones afectan al cliente, qué explicaciones deben ofrecerse y qué casos requieren escalado inmediato.
El avance tampoco se medirá únicamente por el número de agentes desplegados. Qaracter identifica como condiciones para escalar el gobierno del dato, la explicabilidad, la seguridad, el cumplimiento normativo y la medición del retorno. El paso operativo consiste en rediseñar cada flujo con permisos restringidos, evidencias auditables y responsables definidos antes de conectar el agente con sistemas bancarios o aseguradores críticos.
