En los últimos meses casi todas las conversaciones con financieras, SGRs y administradoras de planes de ahorro tocan el mismo tema en algún momento: agentes de IA en procesos financieros. A veces la pregunta llega con entusiasmo ("¿esto no lo puede hacer un agente?") y a veces con miedo ("¿un modelo va a aprobar créditos?"). Las dos versiones parten del mismo error: discutir la herramienta antes que el proceso.
Esta guía baja el tema a tierra. Qué hace bien un agente de IA dentro de un circuito financiero, qué no tiene que hacer nunca, cómo se diseña la frontera entre los dos, qué evidencia tiene que dejar y qué preguntas conviene hacerle a cualquiera que te ofrezca "automatizar con IA". Sin sobrevender: la IA es útil, y justamente por eso conviene usarla donde rinde.
Qué es un agente de IA, sin el folleto
Un agente de IA es un programa que recibe una tarea, lee información no estructurada —un PDF, un mail, una foto de un DNI, un recibo de sueldo—, decide qué paso sigue dentro de un margen acotado y ejecuta una acción: extraer un dato, consultar una fuente, completar un campo, marcar un caso, redactar un pedido. La diferencia con una automatización clásica es que no necesita que la entrada venga perfecta. La diferencia con una persona es que no tiene criterio propio: tiene instrucciones, ejemplos y umbrales.
Esa definición ya marca el límite. Un agente sirve para todo lo que se puede describir con reglas claras aunque la información llegue desordenada. No sirve para lo que requiere juicio, responsabilidad o una conversación con alguien.
Dónde los agentes de IA rinden en procesos financieros
En la operación de una entidad financiera hay una capa enorme de trabajo que no es decisión: es preparar la decisión. Ahí es donde un agente suma, y donde el impacto se mide rápido.
Tareas que un agente hace bien
- Clasificación. Qué documento llegó, a qué legajo pertenece, qué tipo de solicitud es y a qué cola tiene que ir. Es la tarea más simple y la que más tiempo libera.
- Extracción. Nombre, CUIT, fechas, montos y domicilio desde documentos con formatos distintos, llevados al sistema de la entidad en el formato que el sistema espera.
- Controles cruzados. Que el nombre del recibo coincida con el del DNI, que el ingreso declarado sea consistente con el comprobante, que el documento esté vigente, que no haya un legajo duplicado.
- Seguimiento de faltantes. Detectar qué falta en un legajo y redactar el pedido al cliente o al productor, para que una persona lo revise y lo envíe.
- Resúmenes para el analista. Ordenar lo verificado y lo pendiente en una ficha, de modo que quien decide arranque por el análisis y no por la búsqueda.
Ninguna de esas tareas es glamorosa, y ese es el punto. Son las que hoy consumen horas de analistas que deberían estar evaluando. Son, también, las mismas que describimos en validación documental con OCR e IA: la máquina lee y compara, la persona resuelve lo dudoso.
Lo que sigue siendo humano
Del otro lado de la línea hay cuatro cosas que no se delegan a un agente, por más preciso que sea el modelo.
La primera es la decisión. Aprobar un crédito, otorgar un aval, adjudicar o rechazar es aplicar la política de la entidad y hacerse responsable por el resultado ante el directorio, el regulador y los fondeadores. Un modelo no firma y no responde. Puede preparar la carpeta; no puede cerrarla.
La segunda es el criterio frente a lo ambiguo. Un ingreso informal bien documentado, una inconsistencia que tiene explicación razonable, un caso que cumple la letra de la política pero no su espíritu. Ahí hace falta alguien que conozca el negocio y que pueda decir "esto no".
La tercera son las excepciones. Por definición, una excepción es lo que no está en las reglas, y un agente trabaja con reglas. Lo correcto no es que el agente intente resolverla sino que la detecte y la derive.
La cuarta es la conversación. Explicarle a un socio partícipe por qué su legajo está frenado, negociar con un comercio adherido, contener a un adherente de un plan de ahorro que no entiende por qué no le entregan la unidad. Eso no es una tarea operativa con texto: es una relación.
El diseño que funciona: el agente propone, la persona dispone
La pregunta útil no es "¿esto lo hace la IA o una persona?" sino "¿en qué punto del circuito entra cada uno?". El esquema que mejor funciona en procesos financieros tiene tres piezas.
Umbrales de confianza. Cada resultado del agente viene con una medida de certeza. Por encima del umbral, el dato sigue su camino; por debajo, va a revisión humana. El umbral lo define la entidad según el costo de equivocarse en ese campo: no es lo mismo leer mal un teléfono que un monto.
Una matriz de derivación escrita. Qué configuración de un caso lo manda a análisis humano, qué lo frena y qué lo deja seguir. Si esa matriz no existe, el agente termina tomando decisiones implícitas que nadie aprobó. Es el mismo documento que hace falta para delegar cualquier tramo operativo, con o sin IA.
Muestreo sobre lo que pasó sin revisión. Lo que el agente resolvió solo también se audita, por muestra, con criterio definido y resultado compartido. Es la lógica del control de calidad sobre procesos tercerizados aplicada a una máquina: si el error sube, se ajusta el umbral o la instrucción antes de que se acumule.
Los errores típicos de la IA en un circuito financiero
Usar agentes sin conocer cómo fallan es la forma más rápida de perder confianza en ellos. Los errores frecuentes son pocos y previsibles.
Dónde hay que mirar
- Respuestas inventadas. Ante un documento ilegible, un modelo puede completar el dato con algo verosímil. Por eso la extracción se valida contra reglas y contra otras fuentes, nunca se toma como verdad.
- Documentos adulterados. Un agente compara formato y consistencia, pero un recibo bien falsificado puede pasar. Los controles de fraude siguen necesitando cruces externos y ojo entrenado.
- Deriva silenciosa. Cambia el formato de un comprobante, entra un convenio nuevo, cambia un proveedor de datos, y el porcentaje de error sube de a poco sin que nadie lo note. Se detecta con indicadores, no con fe.
- Sesgos heredados. Si el agente aprende de decisiones pasadas, aprende también sus errores. Otra razón para que no decida.
Ninguno de estos riesgos justifica no usar IA. Justifica usarla dentro de un proceso que sabe dónde mirar, que es exactamente lo que defendimos en la columna sobre por qué la IA no te ahorra la conversación difícil sobre tus procesos.
Lo que un agente tiene que dejar escrito
En un proceso financiero, cada paso que toca un legajo es potencialmente evidencia. Una auditoría interna, un requerimiento del regulador o un caso que salió mal van a pedir reconstruir quién verificó qué, cuándo y con qué resultado. Si una parte del trabajo la hizo un agente, la traza tiene que ser igual de completa.
Eso significa, como mínimo, registrar qué documento se leyó, qué dato se extrajo, con qué nivel de confianza, qué regla se aplicó, si hubo revisión humana y quién la hizo. Con ese registro, la IA mejora la posición de la entidad frente a una auditoría en lugar de complicarla: hay más evidencia que cuando todo lo resolvía una persona de memoria. Y ese registro tiene que ser del cliente y exportable, que es lo que desarrollamos en datos, propiedad y salida limpia de un BPO.
Nosotros no vendemos agentes de IA ni licenciamos una plataforma. Operamos el proceso, y cuando un tramo pide clasificación, extracción o controles automáticos, lo construimos sobre la operación en marcha, dentro del costo del servicio y sin cotización aparte. La decisión sigue siendo del cliente, las excepciones las resuelve gente, y la traza de lo que hizo cada agente es del cliente y se exporta cuando la necesite.
Cómo pedir IA sin comprar humo
Si alguien te ofrece incorporar agentes de IA a tus procesos financieros, hay cinco preguntas que separan una propuesta seria de una demo.
Las preguntas que conviene hacer
- ¿Qué tarea concreta hace el agente y qué problema de negocio resuelve? Si la respuesta empieza por la tecnología y no por el cuello de botella, desconfiá.
- ¿Qué pasa cuando no está seguro? Tiene que haber un umbral, una derivación y una persona del otro lado.
- ¿Cómo se mide el error? Muestreo, indicadores y un responsable de mirarlos. Sin esto, nadie sabe si funciona.
- ¿Qué queda registrado y de quién es? La traza tiene que ser auditable y exportable, sin depender del proveedor.
- ¿Cuánto cuesta aparte? Si para usarlo tenés que comprar licencias, armar un proyecto de IT y sumar un equipo interno, el costo real es mucho mayor que el que figura en la propuesta.
La última pregunta es la que más cambia la ecuación. Para la mayoría de las entidades medianas, el problema nunca fue que la IA no exista: es que incorporarla exige un proyecto que compite con todo lo demás y que el directorio no termina de aprobar. Cuando el desarrollo viene adentro del servicio, como explicamos en automatizaciones que nacen de la operación, esa barrera desaparece.
Por dónde empezar
No empieces por el proceso más vistoso: empezá por el más repetitivo y mejor documentado. La clasificación de documentos entrantes y la extracción de datos de comprobantes estándar suelen ser el primer lugar donde un agente de IA rinde, porque el volumen es alto, el criterio es objetivo y el resultado se mide en semanas. Con eso funcionando y medido, sumar controles cruzados y seguimiento de faltantes es el paso natural.
En éxodo bpo lo armamos desde análisis de riesgo para la verificación documental y el armado de carpeta, y desde operaciones a medida para la carga, la clasificación y el seguimiento, con desarrollo e IA propios incluidos en el costo del servicio. La IA hace lo que hace bien. Tu equipo sigue decidiendo.