Agentes de IA y dinámica del mercado: Riesgo, oportunidad y estrategia

2026 será un año de prueba para los agentes de IA en cuanto a resistencia: el mercado ha crecido de $7 mil millones a casi $10 mil millones, los reguladores están lanzando estandarización, los fondos de capital de riesgo y las corporaciones están escalando o recortando recursos. La euforia ha dado paso al pragmatismo: los analistas advierten que GenAI ahora se encuentra en una fase de decepción, y es importante responder a la pregunta de dónde exactamente los agentes crean un valor medible, así como a qué costo y cómo integrarlos de manera segura en procesos críticos.

¿Qué es un agente de IA en la práctica?

En los medios, un agente se define como casi cualquier cosa que pueda invocar herramientas, pero para el mercado y los reguladores, una definición más terre à terre es importante.

Un agente de IA es un sistema que no solo responde a solicitudes de usuario, sino que también planea de manera independiente una cadena de acciones e invoca servicios externos dentro del marco de políticas y restricciones especificadas. A diferencia de los copilotos que estamos acostumbrados, que ayudan a las personas con tareas específicas, como escribir una carta o resumir un documento, un agente toma el control de todo el proceso de trabajo.

En fintech, los agentes analizan la cartera del cliente y recopilan datos del mercado. En la unidad de operaciones, el agente puede solicitar documentos KYC que faltan, verificar estados en registros externos y preparar un borrador de decisión de incorporación.

Cómo el mercado distorsionó el valor de los agentes de IA

El auge de información que rodea la introducción de los agentes de IA ha sido poderoso: las empresas están incorporando esta funcionalidad en productos separados, creando nuevas unidades de negocio y promocionando activamente una nueva ola de autonomía para los clientes corporativos. Una parte significativa de los futuros presupuestos de IA en fintech ya se está reasignando a favor de soluciones de agente.

El mercado de valores ha interpretado esto a su manera: las empresas públicas se apresuran a demostrar su estrategia para no parecer atrasadas; las startups se reubican en masa de productos de ML a plataformas de agente; los inversores arriesgan pagar demasiado por cualquier crecimiento de ingresos que se pueda atribuir a los agentes, incluso si en realidad está relacionado con la automatización tradicional.

Como resultado, se les atribuye a los agentes como fuente de valor donde los rendimientos reales aún se generan por procesos, datos y control bien establecidos.

Dónde los agentes ya están mostrando resultados medibles

Hoy en día, solo un pequeño número de jugadores utilizan un enfoque agente en producción, con la mayoría aún en la etapa experimental. Los primeros ROI tangibles se pueden ver en las mismas áreas donde la inteligencia artificial despegó anteriormente – flujos de trabajo de alto volumen, formalizables, con tiempos y costos claros pre- y post-ciclo, solicitudes de clientes repetitivas y preparación de reuniones, operaciones anti-fraude y monitoreo de actividades sospechosas, donde los agentes se integran en sistemas de alerta y investigación existentes.

Como ejemplo, un banco europeo ha implementado agentes de IA para el procesamiento inicial de cuentas corresponsales. Los agentes ordenan automáticamente los documentos, extraen datos para KYC y verifican la información que falta. Como resultado, el tiempo de recopilación de datos se ha reducido en un 99%, los costos en un 94%, y la precisión del trabajo de los analistas ha aumentado.

El verdadero activo es la infraestructura, no el agente en sí

Los inversores deben hacer preguntas sobre cómo se estructura la arquitectura de datos bajo los agentes, si hay una capa única de derechos de acceso y auditoría para todas las acciones del agente, y cómo se abordan los problemas de almacenamiento de datos privados y sensibles al utilizar modelos externos.

Después de todo, el activo más importante es el flujo de trabajo en el que se inserta el agente: KYC, incorporación, anti-fraude, gestión de liquidez y comunicaciones con el cliente. Las empresas que gestionan estos procesos a través de la participación de mercado, la profundidad de integración o el estatus regulatorio se benefician más que otras: pueden aumentar los márgenes y reducir las pérdidas sin perder el control.

Una startup que vende un agente condicionalmente universal pero no posee procesos o dominios críticos se encuentra en la posición menos ventajosa: puede ser reemplazada relativamente fácil por otro marco.

Vemos el valor real de un agente en su acceso a datos confiables, limpios y jurídicamente seguros y en su integración con sistemas existentes.

Sin control, no hay escalabilidad

Los reguladores en varios países ya requieren que los sistemas de IA sean transparentes, controlables y verificables. Por lo tanto, la capacidad de una empresa para controlar y documentar el trabajo de los agentes ya es un requisito previo para operar en el mercado.

Esto conduce al siguiente paso lógico: las empresas necesitan una infraestructura de control integral. Esto incluye registrar todas las acciones del agente, monitorear constantemente, alertas por desviaciones y pruebas de estrés.

Un ejemplo exitoso es Sumsub, que ha desplegado el copiloto de IA “Summy” para especialistas en cumplimiento y fraude. A diferencia de las cajas negras, el sistema no toma decisiones autónomas, sino que analiza matrices de transacciones y genera informes de auditoría listos para su uso en lenguaje natural, reduciendo el tiempo de procesamiento de incidentes en tres veces mientras mantiene el control humano total.

Los proveedores que integran este complemento en sus plataformas y soluciones de agente obtienen no solo una ventaja tecnológica, sino también regulatoria: reducen el tiempo y el costo de aprobaciones y simplifican la debida diligencia y la auditoría.

¿Qué debe verificar un inversor además del producto?

Los inversores a menudo subestiman los riesgos porque rara vez se manifiestan de inmediato. Más a menudo, es un fallo gradual del sistema, casi imperceptible, que se acumula con el tiempo y conduce a consecuencias graves.

Si una empresa no establece límites estrictos y no implementa un proceso de monitoreo, el problema solo se nota cuando es señalado por los reguladores o los clientes.

Además, la inyección de datos, el envenenamiento de datos y la circunvalación de las políticas de acceso se convierten en una amenaza real, ya que los atacantes pueden explotar todos estos. En fintech, estos ataques afectan directamente las operaciones anti-fraude, KYC y de pago.

Un ejemplo de tal riesgo: un empleado financiero de una corporación multinacional transfirió $25 millones a cuentas de estafadores después de participar en una conferencia de video donde los atacantes utilizaron IA generativa en tiempo real para clonar las caras y las voces del director financiero y varios colegas.

Esto y muchos otros ejemplos similares muestran que los métodos tradicionales de verificación de video o voz ya no brindan protección confiable en un entorno corporativo.

Para los inversores, esto significa mirar no solo al producto en sí, sino también a quién depende. ¿Quién suministra la tecnología? ¿Puede ser reemplazada rápidamente? ¿Hay un plan en caso de fallos o cambios en los términos de la licencia?

Es hora de un enfoque maduro

En este momento, lo que es importante para el crecimiento del mercado no es la publicidad revolucionaria, sino tres cosas simples: saber cómo trabajar con procesos reales, control normal y ser honesto sobre los riesgos.

Los inversores deben preguntar qué es lo que la empresa realmente tiene bajo control. Las startups necesitan decidir honestamente si quieren ser multifuncionales o profundamente conocedoras en un área específica. Y las corporaciones necesitan recordar que los agentes no reemplazan los sistemas existentes, sino que los refuerzan. Pero esto solo funciona donde hay orden en los procesos y la gestión.