Sony Bank y Fujitsu han integrado IA generativa en el desarrollo de un sistema bancario central en producción y atribuyen a su uso una reducción media del 30 % en la duración de los proyectos. La experiencia lleva los agentes de inteligencia artificial más allá de las pruebas piloto y aporta resultados cuantificados sobre su aplicación en software financiero crítico, donde la rapidez debe convivir con controles de calidad, seguridad y supervisión humana.
Las compañías también registraron un descenso medio del 40 % en las horas de trabajo entre el diseño básico y las pruebas de integración. Los datos proceden de proyectos reales desarrollados desde septiembre de 2025 y evaluados en julio de 2026. Su alcance queda limitado a las fases analizadas, pero permite observar cómo la automatización puede modificar un ciclo de desarrollo que en la banca suele estar condicionado por la complejidad técnica y los requisitos operativos.
El modelo utiliza agentes basados principalmente en Claude y Claude Code, tecnologías de Anthropic disponibles a través de Amazon Bedrock. Estos agentes trabajan con documentos de diseño, código fuente y materiales de prueba del sistema central. Las decisiones finales, las aprobaciones y el control de calidad siguen en manos de profesionales, un reparto de funciones especialmente relevante cuando el software interviene en operaciones bancarias.
De la documentación a las pruebas de integración
La aplicación de la IA generativa en sistemas bancarios abarca varias etapas conectadas. En la fase de diseño básico, los agentes ayudan a analizar el impacto de los cambios sobre el sistema. Durante el diseño detallado intervienen en la preparación de documentación; en la implementación generan código y casos de prueba; y en la integración contribuyen a ejecutar las comprobaciones previstas.
El mecanismo reutiliza en fases posteriores los recursos producidos anteriormente. Un documento de diseño puede servir como base para generar código y pruebas, mientras que los materiales resultantes pasan a alimentar tareas posteriores. Esta continuidad pretende reducir trabajos manuales y evitar que cada etapa tenga que reconstruir desde cero la información necesaria, aunque los equipos humanos conservan la capacidad de aprobar, revisar o rechazar los resultados.
Los porcentajes varían según la actividad. Sony Bank y Fujitsu cifran en hasta un 90 % la reducción de las horas dedicadas al análisis de impacto durante el diseño básico. En el diseño detallado, el tiempo empleado en elaborar documentación disminuyó hasta un 40 %, mientras que en las pruebas de integración las horas necesarias para ejecutar comprobaciones bajaron hasta un 90 %.
Durante el desarrollo, la tasa de generación de código fuente mediante IA alcanzó el 99 %. Esa cifra describe qué proporción del código fue generada con ayuda de la tecnología, pero no elimina la revisión profesional ni equivale por sí misma a una medición de calidad. Los resultados agregados que ofrecen una referencia más amplia son la reducción media del 40 % en horas de trabajo y del 30 % en duración para el tramo comprendido entre el diseño básico y las pruebas de integración.
La iniciativa incluye aplicaciones que respaldan tanto el procesamiento de transacciones online como los procesos por lotes. De este modo, el uso de los agentes no queda restringido a una única modalidad de software o a tareas auxiliares, sino que entra en distintos tipos de procesamiento vinculados al funcionamiento de la entidad.
Una arquitectura preparada para incorporar modelos
El sistema de Sony Bank utiliza Fujitsu Core Banking xBank, una plataforma bancaria central nativa en la nube, basada en microservicios y desplegada sobre Amazon Web Services. Esta arquitectura permite incorporar y validar servicios de IA de manera progresiva por funcionalidad, en lugar de introducirlos simultáneamente en todo el sistema.
Amazon Bedrock proporciona el acceso y la gestión de los modelos empleados. Los agentes se conectan a los recursos y herramientas necesarios para consultar información y ejecutar tareas dentro del proceso de desarrollo. Entre esas tecnologías figura Model Context Protocol, junto con otras herramientas y capacidades destinadas a facilitar la interacción con sistemas y datos externos.
Para Yasuhiro Kose, Executive Officer de Amazon Web Services Japan, el valor del proyecto reside en combinar la incorporación de la tecnología con las condiciones de operación del sector. «Aplicar la IA generativa a las fases de diseño, desarrollo y pruebas de un sistema bancario central en producción, y lograr al mismo tiempo una reducción del 30 % en los tiempos de desarrollo manteniendo los niveles de cumplimiento normativo y fiabilidad que exige el sector, supone un hito importante para los servicios financieros en Japón. Este es precisamente el tipo de iniciativas para las que fue concebido Amazon Bedrock».
La plataforma técnica facilita la integración, pero el modelo operativo depende también de la intervención humana. Cada agente actúa dentro de procesos de aprobación y control de calidad, y los responsables del proyecto mantienen la toma de decisiones final. La automatización se concentra así en el análisis, la generación de materiales y la ejecución de determinadas tareas, sin transferir a los modelos la responsabilidad sobre los cambios que llegan al sistema.
Hidetoshi Tojo, Executive Officer y responsable de Japón en Anthropic Japan G.K., vincula este esquema con la confianza exigida a la infraestructura bancaria. «Un sistema bancario gestiona la confianza de todos sus clientes, por lo que es fundamental que las organizaciones utilicen una IA fiable y que pueda aplicarse de forma segura en procesos de esta relevancia. Sony Bank y Fujitsu están avanzando precisamente en esta dirección, utilizando Claude en las fases de diseño, desarrollo y pruebas de un sistema bancario central en producción, siempre con supervisión humana y controles de calidad en cada etapa. Estamos orgullosos de colaborar con Sony Bank, Fujitsu y AWS Japan en un modelo que Fujitsu podrá extender ahora a otras entidades bancarias de Japón».
El mantenimiento de estas salvaguardas será determinante al ampliar el uso de la tecnología. Una reducción de tiempo en tareas acotadas no permite trasladar automáticamente el mismo resultado a todas las fases, y actividades como la definición de requisitos, la seguridad o la operación presentan dependencias y riesgos distintos de los que aparecen al generar documentación o ejecutar pruebas.
Extensión a nuevas fases y entidades
Sony Bank quiere llevar el modelo a la definición de requisitos, situada antes de las etapas ya cubiertas, y a ámbitos posteriores como las operaciones y el mantenimiento. También prevé aplicarlo a la seguridad y a otros sistemas relacionados. La ampliación seguirá una lógica gradual, apoyada en el conocimiento y los recursos obtenidos durante el trabajo sobre el sistema central.
Para la entidad, la consecuencia empresarial esperada es acortar la distancia entre la planificación y la puesta en marcha de nuevos servicios. Los proyectos tecnológicos de las entidades financieras japonesas pueden requerir desde varios meses hasta años debido a su coste y complejidad. Los resultados obtenidos apuntan a una vía para reducir parte de ese esfuerzo, aunque las cifras disponibles corresponden al entorno concreto de Sony Bank y a las fases examinadas.
Fujitsu utilizará la experiencia para evolucionar Core Banking xBank y pretende extender el modelo a otras entidades financieras japonesas que empleen la plataforma. También incorporará el conocimiento generado a Uvance for Finance AI Transformation Platform, orientada a facilitar la adopción de inteligencia artificial en organizaciones del sector financiero.
La posibilidad de replicar las mejoras dependerá de que cada entidad disponga de documentación, código y pruebas utilizables por los agentes, además de una arquitectura capaz de integrar modelos sin debilitar sus controles. El resultado operativo del caso de Sony Bank es una referencia concreta: la IA ya participa de forma transversal en una parte del ciclo de desarrollo bancario, mientras los equipos profesionales conservan la aprobación y la responsabilidad sobre el software que entra en producción.
