Cómo la IA moderniza los préstamos junto a sistemas bancarios heredados sin sustituirlos

Cualquier intervención en el sistema central de un banco hace que el equipo de ingeniería se estremezca. Las soluciones heredadas son rígidas, por lo que un solo cambio puede tardar un mes en completar el proceso. El área de préstamos, una de las principales fuentes de ingresos de un banco, es la que más lo sufre.

Quien haya puesto en producción una versión en el sistema central de un banco conoce el patrón: un producto nuevo necesita un nivel de aprobación nuevo, una lista revisada de documentos, una regla de puntuación ajustada y un flujo de informes actualizado, y cada elemento afecta código que lleva décadas funcionando.

Por eso, los productos nuevos y las actualizaciones se posponen incluso cuando todos coinciden en que son necesarios: el riesgo de cometer un error siempre ha pesado más que el riesgo de esperar. O, mejor dicho, así era antes, porque hoy quedarse atrás frente al cambio tecnológico se ha convertido en un riesgo mucho mayor.

Sin embargo, imaginemos una plataforma de préstamos independiente, configurada con IA y desplegada junto al sistema central. Los nuevos flujos de crédito funcionan de forma independiente y se conectan al sistema central mediante integraciones. Así, los cambios en la infraestructura de préstamos se convierten en una serie de versiones pequeñas y probadas, y los errores aparecen durante las pruebas antes de llegar a un prestatario real. ¿Podría esto aliviar la carga de los equipos de ingeniería?

La demanda crece más rápido de lo que pueden cambiar los sistemas heredados

Se espera que el mercado de software de originación de préstamos crezca a una tasa anual compuesta del 11,8 % hasta 2030, según The Business Research Company. Como referencia, es casi el mismo ritmo que el del mercado más amplio de software empresarial, de acuerdo con las proyecciones de Technavio. Es un dato que conviene tener presente, dado que los préstamos suelen ser el rincón de la infraestructura tecnológica bancaria más reacio al cambio.

Uno de los motores de este crecimiento es la rigidez de los sistemas centrales heredados, que frena los cambios en el área de préstamos. Los bancos y las fintech compran cada vez más herramientas que les permiten lanzar productos de crédito alrededor del sistema central sin esperar meses para que se apruebe una pequeña actualización.

Los equipos de ingeniería saben que un solo error puede resultar muy costoso. En abril de 2018, TSB Bank migró los datos de sus clientes a una nueva plataforma, que falló en cuanto entró en funcionamiento. Una proporción importante de sus clientes perdió el acceso a los servicios bancarios y el banco sufrió grandes pérdidas. Muchos equipos de ingeniería todavía mencionan ese caso cada vez que planifican una versión del sistema central.

Además, en los préstamos, los errores llegan directamente al balance. Un umbral de aprobación mal configurado acepta préstamos que deberían haberse rechazado o descarta a prestatarios que sí cumplían los requisitos. Cualquiera de los dos errores se refleja en pérdidas o ingresos no percibidos en cuestión de semanas.

Dónde aporta mayor ventaja la IA en los préstamos

Los bancos suelen empezar a incorporar IA mediante las integraciones más conocidas y aparentemente seguras: chatbots y asistentes de atención en la interfaz del cliente. Un prestamista que añade un chatbot asume un riesgo menos evidente. A veces, los modelos generativos ofrecen respuestas equivocadas con absoluta seguridad. En la encuesta AI Impact Survey 2026 de Grant Thornton, solo el 18 % de los directivos bancarios afirmó confiar plenamente en sus controles de IA.

La ventaja de la IA en los préstamos procede de la rapidez con que un prestamista puede cambiar todo lo que rodea la decisión crediticia. La propia decisión permanece en manos de los modelos de puntuación aprobados y los comités de crédito.

La rapidez siempre ha tenido valor comercial. Modificar la infraestructura de préstamos en un sistema central heredado exige entre 12 y 18 meses de trabajo de ingeniería, y los nuevos lanzamientos quedan paralizados durante todo ese periodo. Sustituir por completo el sistema central tarda de tres a cinco años. Mientras tanto, los prestatarios solicitan financiación en otro lugar.

El Informe de 2026 sobre empresas empleadoras de la Reserva Federal constató que la proporción de pequeñas empresas estadounidenses solicitantes de crédito que buscaron financiación de prestamistas fintech en línea aumentó del 17 % en 2020 al 29 % en 2025, y muchas empresas señalaron como motivo la mayor rapidez de las decisiones.

La IA parte del requisito empresarial

En lugar de realizar análisis o participar en las decisiones crediticias, la IA puede aportar un enorme valor en el trabajo de configuración que permite lanzar y actualizar productos de préstamo. El punto de partida es un requisito empresarial escrito por los responsables del producto. Un equipo de crédito describe lo que quiere: quién puede solicitar, qué documentos son obligatorios, cuáles son los niveles de aprobación, qué datos se incorporan a la puntuación, qué se comunica y cuándo.

La IA convierte cada punto en una configuración de la plataforma: criterios de elegibilidad, una lista de documentos, un flujo de aprobación con sus niveles, conexiones con las fuentes de datos que alimentan la puntuación y un calendario de informes. En un sistema central heredado, los ingenieros construyen manualmente cada uno de estos elementos y cada cambio pasa por un ciclo completo de publicación. Con la IA, el producto se construye función por función sobre una base compartida. Los equipos de ingeniería y cumplimiento revisan y prueban cada cambio antes de que entre en producción, y conservan la aprobación final.

El requisito puede ser totalmente independiente del sistema central existente. La IA no necesita leer ni interpretar la lógica del sistema central, por lo que un prestamista puede definir un producto que el sistema actual nunca fue diseñado para admitir. Dos décadas de código sin documentar permanecen intactas.

El nuevo flujo de crédito funciona en una plataforma independiente desplegada junto al sistema central. Ambos se conectan mediante integraciones, mientras que el sistema central mantiene sus registros y funciones existentes. No es necesario reescribir ninguna parte de su código antes de lanzar un producto nuevo.

Construir sobre los datos disponibles actualmente

Sin embargo, muchos proyectos de IA bancaria se estancan por los datos. En realidad, no se necesita una base de datos enorme: es conveniente, pero no imprescindible. La IA redacta las reglas de suscripción y los requisitos de datos en función de las fuentes existentes, y el equipo de riesgos los aprueba antes de ejecutar nada. Cuando falta una fuente, define cómo recopilarla: incorporación de datos del prestatario, incorporación de datos del avalista, documentos obligatorios y que se pueden cargar, y fuentes de datos externas.

Este proceso de «construcción de datos» ayuda a bancos y fintech a ampliar su inventario real de datos, incluidas sus carencias, y evita que los supuestos de los proveedores sobre lo que ya debería recopilarse dirijan el proyecto.

La preparación de los datos deja de ser una condición previa para lanzar un producto de crédito y pasa a formar parte del mismo paso de configuración.

Cambio de producto frente a cambio del sistema central

Para la mayoría de los prestamistas, la pregunta práctica es si pueden lanzar nuevos productos de crédito y adaptar los existentes mientras continúa una migración del sistema central que dura varios años. Una plataforma de préstamos independiente, configurada con IA a partir de requisitos empresariales, responde a esa pregunta. Un prestamista puede lanzar y ajustar productos de crédito cada trimestre mientras el programa del sistema central sigue su propio calendario. En esa separación es donde la IA está demostrando actualmente su valor en los préstamos.