CIBC Mellon administra $3.5 billones en activos en un mercado donde un solo día puede costar cientos de millones. Aquí está cómo la empresa está utilizando la IA para asegurarse de que siempre sea la primera en llegar.

El 18 de febrero de 2021, el primer ETF de Bitcoin en América del Norte se lanzó en Canadá y recaudó más de $500 millones en su primera semana. Al día siguiente, un segundo ETF de Bitcoin se lanzó en la misma bolsa. El segundo, según Mal Cullen, CEO de CIBC Mellon, recaudó $35 millones. Aunque era un producto similar en el mismo mercado, lanzado solo un día aparte, hubo una gran diferencia en los números que cada uno recaudó.

Ese contraste es el tipo de cosa que define el mundo de Cullen. CIBC Mellon es una de las empresas de servicios de activos más grandes de Canadá, responsable de la administración de $3.5 billones en activos. En ese tipo de entorno, un retraso de un solo día cuesta dinero real —a veces, cientos de millones.

“¿Cuál es el valor de un día en su negocio?”, preguntó Cullen a la audiencia en Appian World 2026 en Orlando el mes pasado. “En nuestro negocio, puede ser masivo”.

Esa pregunta ahora está impulsando una de las implementaciones de IA más importantes en los servicios financieros canadienses, y las lecciones que se derivan de ella van más allá de los mercados de capital.

El problema de 30 años de proceso

CIBC Mellon ha estado en el negocio durante 30 años. Es una empresa conjunta entre BNY —que administra más de $59 billones en activos a nivel global— y CIBC, uno de los bancos más grandes de Canadá. Esa filiación trae una enorme escala y credibilidad institucional. También trae complejidad.

“Hay solo una cosa mejor que ser propiedad de un banco”, dijo Cullen, con una sonrisa medida, “y es ser propiedad de dos bancos. Dos bancos significan dos equipos de cumplimiento, dos equipos de riesgo y dos opiniones sobre casi todo”.

Tomar en serio la IA para CIBC Mellon significó resistir la tentación de moverse rápido. Antes de que se implementara una sola herramienta, la empresa volvió a los conceptos básicos. El equipo trazó todos los flujos de trabajo, identificó dónde se limitaba la capacidad, dónde era más alto el riesgo y dónde se concentraba el trabajo manual. Lo que encontraron los sorprendió.

“Las personas que hacían el trabajo no eran el problema”, señaló Cullen. “Era cómo el trabajo fluía entre los equipos que estaba causando las limitaciones”. En otras palabras, la tecnología nunca iba a solucionar lo que el proceso había roto.

De las líneas de ensamblaje a la IA

La primera implementación importante involucró la contabilidad de fondos —un proceso que CIBC Mellon ejecuta a una escala enorme. La empresa produce aproximadamente 350,000 valoraciones de fondos cada mes, cada una sujeta a plazos ajustados y requisitos de precisión estrictos.

Durante años, el proceso se ejecutó verticalmente: un contable poseía un archivo desde el principio hasta el final. Era un proceso construido sobre la experiencia individual, lo que significaba que también se construía sobre los límites individuales y era casi imposible de escalar. La empresa lo rediseñó horizontalmente, distribuyendo el trabajo en equipos especializados. Pero eso creó un nuevo problema —los traspasos entre equipos se convirtieron en una fuente de fricción y retraso. Los supervisores no tenían visibilidad sobre el estado del trabajo sin preguntar.

Un contable de fondos con más de una década de experiencia, que conocía el proceso mejor que nadie en el edificio, utilizó la plataforma de automatización de IA de Appian para construir lo que Cullen llama una “torre de control” —un sistema de flujo de trabajo que da a cada equipo visibilidad en tiempo real sobre dónde se encuentra el trabajo en el proceso, automatizando los traspasos que habían estado causando los retrasos.

El resultado fue una ganancia de eficiencia del 34% en un solo proceso. Con 350,000 valoraciones al mes, eso se compone rápidamente.

“Me dijo que diseñó todo lo que no le gustaba de su trabajo”, dijo Cullen. “Cuando las personas que entienden el proceso trabajan en él, no automatizan las cosas manuales que estaban allí antes. Reingenian el proceso y lo hacen mejor”.

El problema de los ETF

El segundo ejemplo se remonta a esa historia del ETF de Bitcoin. Cuando un ETF se lanza o distribuye rendimientos a los tenedores de unidades, implica una red compleja de contrapartes —el administrador del fondo, el custodio, la bolsa, el creador de mercado y el agente de transferencia. Cada uno necesita ser notificado. Cada uno tiene un papel. Sacar ese fondo un día antes requiere que todos se muevan en sincronía.

Un experto en productos ETF de CIBC Mellon construyó un flujo de trabajo en Appian que trae transparencia a través de todas esas contrapartes en un solo lugar —convirtiendo un proceso fragmentado y pesado en correo electrónico en algo automatizado y auditable.

Tres semanas antes de Appian World, CIBC Mellon demostró la aplicación a los principales proveedores de ETF de Canadá en un grupo de usuarios de clientes en Toronto. “La habitación se volvió más silenciosa”, recordó Cullen. “La gente se inclinó. Uno de nuestros clientes más grandes dijo a sus compañeros: Eso acaba de ahorrarme una cantidad material de tiempo en mi día”.

La cuestión de la gobernanza

Ninguno de estos desarrollos sucedió rápidamente, y Cullen es directo sobre por qué. CIBC Mellon no está utilizando la IA en nada que enfrente al cliente todavía. Cada implementación de IA hasta la fecha es interna —contenida dentro de flujos de trabajo definidos, auditable y revisada por humanos antes de que cualquier resultado afecte a un cliente.

“Solo podemos movernos con la IA tan rápido como el nivel de comodidad de nuestros clientes”, dijo. “No hemos incorporado intencionalmente la IA en nada que enfrente al cliente porque no sentimos que la gobernanza esté allí todavía”.

Los números del mercado más amplio confirman lo que Cullen ya sabía. Según un nuevo estudio de Harvard Business Review Analytic Services, patrocinado por Appian y lanzado en la conferencia, el 92% de las organizaciones están de acuerdo en que los agentes de IA necesitan guardias de reglas para operar de manera segura —sin embargo, menos de la mitad han definido realmente esas reglas. CIBC Mellon es una de las organizaciones que han elegido construir la base antes de escalar la implementación.

Dentro de la organización, esa precaución está dando forma a cómo la empresa está preparando a sus personas. La empresa ha designado a 100 empleados de aproximadamente 2,000 como campeones de IA. A estos campeones se les da acceso temprano a herramientas, tiempo para construir casos de uso y un mandato para probar aplicaciones en entornos de prueba antes de que algo se mueva a producción. Realizan sesiones internas semanales llamadas “Hablando artificialmente”, trayendo a empresas como Snowflake y Microsoft (MSFT ) para compartir qué funciona y qué no.

Cullen ha visto que este patrón se reproduce antes. Hace veinte años, estaba teniendo conversaciones con CTO que decían que la nube era una moda y nunca sería de confianza con datos sensibles. Luego surgió la nube híbrida, dando a las organizaciones un camino intermedio —la eficiencia de la infraestructura en la nube sin la pérdida percibida de control. Espera el mismo arco con la IA.

“Creo que verás la IA híbrida a continuación”, dijo. “Contenida, gobernada, pero en movimiento”.

Lo que el resto del mercado puede aprender

La historia de CIBC Mellon no es una historia sobre un avance tecnológico. Es una historia sobre disciplina organizativa aplicada a una herramienta poderosa. Medir antes de construir, poner a las personas que conocen el proceso más cerca del problema y gobernar antes de escalar.

Esas lecciones se aplican bien más allá de los servicios de activos. En un mercado donde solo el 16% de las organizaciones informan que obtienen un valor significativo de la IA, las organizaciones que obtienen resultados reales son aquellas que trataron la gobernanza como una característica, no como una restricción.

“No comiences con la tecnología”, le dijo Cullen a la audiencia en Appian World. “Mide todo primero”.

En una industria donde un día puede significar la diferencia entre $500 millones y $35 millones, ese tipo de paciencia resulta ser su propia ventaja competitiva.