2025 puede haber marcado un punto de inflexión en el paradigma financiero, en el que la transformación digital de las dos últimas décadas deja paso a una metamorfosis profunda (no evolución) que sitúa al modelo “IA-nativo” como eje de la nueva banca. Si en la tribuna anterior apuntamos el crecimiento de los sistemas de “IA agéntica” en el mercado de pagos, donde las entidades financieras y, sobre todo, las entidades de dinero electrónico, están jugando un papel crucial, en estas páginas abordaremos la redefinición fundamental de la arquitectura bancaria institucional, la evolución de la economía operativa y la particular relación emocional con el cliente. Recientes informes realizados por diversas consultoras como McKinsey, Deloitte, Accenture y otras revistas especializadas coinciden en que la diferencia entre las entidades que simplemente utilizan la inteligencia artificial y aquellas que han sido construidas partiendo de una arquitectura concebida y soportada por aplicaciones de IA, se ha convertido en la principal ventaja competitiva para obtener mayor rentabilidad, solidez y relevancia en el mercado.
Podemos definir la “banca IA-nativa” como un modelo de institución financiera cuya estructura central, procesos de análisis de datos, toma de decisiones y capas de interacción han sido diseñados de forma primigenia y exclusiva alrededor de sistemas de inteligencia artificial, con especial énfasis en la IA generativa y la agentica. Mientras que los bancos tradicionales integran la IA como una capa periférica para optimizar procesos y tareas aisladas, los “bancos IA-nativos” operan bajo el concepto de un «cerebro único» o red de inteligencia unificada que permea cada función de la entidad.
Esta concepción arquitectónica implica que la IA no es un «añadido» al sistema (por otro lado, y en muchos casos, estando éste construido sobre otros complejos sistemas heredados), sino que es el sistema mismo. En una entidad IA-nativa, la recopilación de datos no se limita a registros transaccionales; se trata de un ciclo de retroalimentación continuo donde cada interacción del usuario, cada señal de mercado y cada proceso interno alimenta modelos de aprendizaje que se ajustan y responden en tiempo real. Diversas publicaciones de 2024/2025 destacan que estas instituciones han trascendido los sistemas basados en reglas estáticas, típicos de la banca convencional digitalizada apresuradamente en las dos últimas décadas, para implementar plataformas inteligentes que pueden planificar, decidir y ejecutar flujos de trabajo complejos con una intervención humana mínima.
La transición hacia lo “IA-nativo” también implica una reingeniería de la confianza. Mientras que la banca tradicional se apoyaba en la presencia física y la longevidad de la marca, el banco IA-nativo construye su legitimidad a través de la transparencia algorítmica y la capacidad de demostrar que sus modelos operan de manera ética, sin sesgos y bajo un control riguroso de las entidades reguladoras y un marco de gobernanza confiable. En el cuadro siguiente exponemos algunas de las diferencias fundamentales en las dimensiones estructurales clave de ambos modelos de banca:
| Dimensión | Banca convencional (digital) | Banca IA-nativa |
| Núcleo tecnológico | Sistemas legados con capas de API. | Arquitectura unificada, nativa en la nube y centrada en IA. |
| Procesamiento de datos | Por lotes (Batch processing). | Flujos de datos en tiempo real (Streaming analytics). |
| Interacción con el cliente | Chatbots basados en reglas y menús. | Agentes autónomos conversacionales con contexto completo. |
| Gestión de riesgos | Modelos estadísticos retrospectivos. | Continua evaluación predictiva y dinámica. |
| Estructura operativa | Silos funcionales con procesos manuales activos. | Operaciones «Zero-touch» y flujos de trabajo autónomos. |
En el último lustro, el surgimiento de bancos IA-nativos ha pasado de ser una curiosidad de nicho a una fuerza disruptiva masiva. Este auge no se mide únicamente en el número de nuevas licencias bancarias (solo en España, se ha multiplicado por dos el número de entidades de dinero electrónico), sino en la transformación radical de los neobancos líderes y el nacimiento de startups con infraestructuras diseñadas específicamente para la “AI economy”. Varios proyectos emblemáticos representan la maduración de este sector. Entre ellos, uno de los casos más notables es el de NuBank (Nu Holdings) que, aunque inició su andadura como un neobanco digital, ha consolidado su transición a una estrategia «AI-first» durante 2025. Con una base de 127 millones de clientes, NuBank reportó en el tercer trimestre de 2025 unos ingresos de $4.200 millones, impulsados por la integración de modelos fundacionales que personalizan la experiencia del cliente y optimizan la eficiencia operativa.
En Europa, el banco holandés Bunq se ha posicionado como el primer banco impulsado por IA del continente con el despliegue de «Finn», su asistente generativo de finanzas personales. Hacia finales de 2024 y durante todo 2025, Bunq ha reportado que su IA gestiona de forma autónoma hasta el 90% de los tickets de soporte y el 40% de las consultas directas de los usuarios, redefiniendo el compromiso con el cliente sin aumentar la plantilla proporcionalmente.
Un hito reciente en 2025 ha sido la aparición de Catena Labs, que se ha propuesto construir el primer banco diseñado para servir a los agentes de IA. Este modelo de negocio es particularmente innovador ya que no se trata de un banco para humanos que usan IA, sino de una infraestructura financiera donde los agentes autónomos de IA pueden validar su identidad y transaccionar dinero de forma segura en la emergente economía agentica, contando con la confianza “ciega” del cliente en la gestión de sus recursos económicos.
La superioridad de los bancos IA-nativos no reside únicamente en su interfaz de usuario, sino en una estructura de costes y una capacidad de procesamiento de riesgos que las instituciones tradicionales encuentran casi imposible de replicar sin una reingeniería completa de sus sistemas. De hecho, la ratio de eficiencia (la relación entre los gastos operativos incurridos y los ingresos generados) es quizás la métrica donde la ventaja competitiva es más evidente. Si los bancos convencionales operan típicamente con ratios situadas en torno al 50% (media europea del 54%; en España, el BBVA informa del 43% en 2025), los bancos IA-nativos han logrado romper esta barrera. NuBank, por ejemplo, ha reportado una ratio de eficiencia del 27,7% en el tercer trimestre de 2025. Esta eficiencia permite a estas entidades ofrecer mejores tasas a los ahorradores/inversores, comisiones más bajas o nulas y una reinversión constante en innovación de sus productos y servicios.
La banca IA-nativa, por otro lado, utiliza modelos de aprendizaje profundo que superan con creces las capacidades de los sistemas basados en reglas de los bancos convencionales. En 2025, se han documentado avances significativos en:
- Detección de fraude en tiempo real. Los sistemas analizan más de 5.000 atributos de datos por transacción en milisegundos, permitiendo identificar patrones de fraude complejos que son invisibles para la gestión humana y para los algoritmos tradicionales. Esto se ha traducido en una reducción de hasta el 85% en los falsos positivos.
- Suscripción dinámica del crédito. En lugar de depender de informes de crédito retrospectivos y scoring estáticos, los bancos IA-nativos utilizan modelos predictivos con análisis de datos en tiempo real para ajustar los límites de crédito y las tasas de interés de forma personalizada, lo que mejora la precisión de la aprobación y reduce la exposición al riesgo.
- Cumplimiento normativo (RegTech). La automatización del cumplimiento y, especialmente, la detección de blanqueo de capitales permite a estas entidades adaptarse a nuevas regulaciones, como las directivas de servicios de pago, de protección de datos, de los servicios de atención al cliente o la Ley de IA de la UE, de manera casi instantánea, reduciendo los costes de cumplimiento hasta en un 70%.
La arquitectura de «cerebro único» permite experimentar y escalar soluciones a una velocidad sin precedentes. El número de nuevos casos de uso de IA lanzados por los bancos líderes se triplicó entre finales de 2024 y mediados de 2025. Mientras que un banco tradicional puede tardar meses o años en integrar una nueva funcionalidad en su core bancario heredado, una entidad IA-nativa puede desplegar y probar modelos en semanas, detectando y captando oportunidades de mercado antes que sus competidores.
Para sobresalir en un mercado donde la digitalización ya es un estándar, los bancos IA-nativos están recurriendo a un conjunto de herramientas de «precisión» que redefinen la experiencia del cliente y la operatividad institucional. Entre ellas, la IA-agéntica ha supuesto un salto cualitativo respecto de la “IA asistencial”, pasando de chatbot que responden a las consultas planteadas por los clientes a ofrecer agentes autónomos que pueden realizar tareas en nombre éste. Un ejemplo son los “pilotos automáticos” financieros o sistemas que gestionan de forma autónoma el flujo de caja del usuario, moviendo fondos sin intervención humana entre cuentas de ahorro o de inversión, o pago de facturas para maximizar el rendimiento y evitar cargos por descubierto. Otro más avanzado es el asesoramiento proactivo en el que la IA analiza los patrones de gasto y alerta al usuario sobre suscripciones no deseadas o sugiere cambios en el comportamiento financiero o de gasto antes de que se produzca un problema.
Por otro lado, mientras que la banca tradicional segmenta a sus clientes en grupos “manejables” caracterizados por diferentes criterios como niveles de renta, atributos sociodemográficos, etc., los bancos IA-nativos utilizan analíticas predictivas para tratar a cada cliente como un segmento individualizado. Han hecho realidad lo que hace casi una década definí como estrategias “Brain centric” desarrolladas por una nueva geometría del marketing basada en la hiper-personalización dinámica (a nivel individuo) de las ofertas de productos y servicios, donde las interfaces de la aplicación y las comunicaciones se ajustan en tiempo real según el contexto del usuario. Se ha demostrado que este enfoque aumenta el éxito del cross-selling y del up-selling un 20%-30%.
Como herramientas de seguridad y diferenciación, han implementado la biometría conductual mediante la cual la IA rastrea la forma única con la que un usuario interactúa con su dispositivo (ritmo de tecleo, presión, movimientos del ratón) para autenticar transacciones de forma invisible, eliminando la fricción de las contraseñas sin comprometer la seguridad. Esta es otra forma de eliminar la llamada latencia humana, como hacen las plataformas de automatización financiera IA-nativas que permiten el procesamiento inteligente de documentos (IDP) mediante el uso de NLP (procesamiento de lenguaje natural) y visión artificial para procesar instantáneamente documentos de KYC, contratos de préstamos e informes regulatorios, reduciendo el tiempo de procesamiento manual en un 70-85%. O el de los sistemas de conciliación predictiva para casar transacciones y detectar anomalías en tiempo real, liberando a los equipos humanos para tareas de análisis de alto nivel.
En este nuevo escenario, el éxito de la banca IA-nativa dependerá más que de la tecnología, de la aceptación de los usuarios. En 2025, la percepción del mercado está marcada por una mezcla de curiosidad, utilidad práctica y una persistente preocupación por la privacidad y la deshumanización de la relación entre entidad y cliente. Además, existe una notable disparidad entre la autopercepción del conocimiento sobre IA y la realidad de cada usuario. Según el AI Insights Report, de TD Bank, aunque la mayoría de los consumidores afirma estar familiarizado con la IA, una gran proporción no logra identificar correctamente afirmaciones básicas sobre tecnología y, menos aún, cuando la educación financiera es deficiente. De hecho, los millennials se perfilan como el grupo con mayor conocimiento real y los más dispuestos a confiar en el asesoramiento financiero impulsado por IA; la generación Z, aunque son los más cómodos delegando tareas transaccionales a la IA (como realizar pedidos automáticos), muestran una menor profundidad de conocimiento técnico que los millennials. Los baby boomers, por su parte, mantienen el nivel más alto de escepticismo, prefiriendo abrumadoramente la interacción humana, especialmente para decisiones financieras complejas como las inversiones de riesgo o la planificación para la jubilación.
Uno de los hallazgos críticos detectados en el Global Banking Consumer Study, de Accenture, es que la digitalización masiva ha erosionado la conexión emocional. Muchos clientes sienten que sus bancos son «funcionalmente correctos, pero emocionalmente vacíos». En conjunto, los consumidores confían en los bancos por los estándares de seguridad de sus datos, pero desconfían del uso de la IA para tomar decisiones de financiación o inversión particulares o por los riesgos de hackeo asociados a los sistemas de IA. Esta resistencia indica que los bancos IA-nativos deben esforzarse por demostrar «empatía algorítmica», utilizando la personalización no para vender más, sino para proteger y mejorar activamente el bienestar financiero del cliente.
Para los bancos convencionales, la competencia con los bancos IA-nativos requiere una transformación que va más allá del “look & feel” de la aplicación móvil. El objetivo es dejar de ser entidades transaccionales para convertirse en socios confiables superando su tecnología heredada mediante la inversión en plataformas IA-nativas reales con la agilidad necesaria para integrar agentes de IA autorizados por los clientes para que controlen el uso de sus datos, transformando la IA «artificial» en una IA «confiable».
La observación de la tendencia del mercado deja como conclusión que la aplicación de la inteligencia artificial a las finanzas no es un lujo tecnológico, sino un imperativo ético y operativo para alcanzar la excelencia. La verdadera excelencia financiera, que en la era de la IA no se define por el tamaño del balance, la solvencia, la productividad o el número de clientes, sino por la capacidad para actuar con precisión, integridad y empatía tanto a escala masiva como a título individual, con cada cliente. En este sentido, la banca IA-nativa ofrece como promesa revolucionaria añadida la democratización del acceso al asesoramiento financiero de alta calidad que anteriormente solo estaba disponible para los grandes patrimonios. Al reducir los costes operativos a mínimos, estas entidades pueden permitirse centrar sus esfuerzos en la protección y acompañamiento del cliente, en la creación de valor real.
Sin embargo, el camino hacia esta excelencia está plagado de desafíos. La industria debe balancear la tensión entre la automatización y la necesidad humana de conexión, entre la eficiencia algorítmica y la justicia social, entre la innovación rápida y la estabilidad del sistema. Aquellas instituciones, ya sean neobancos o banca convencional, que logren integrar la IA con la sabiduría y el propósito humano serán las que lideren la próxima década. La IA es, en última instancia, la herramienta que permitirá a la banca volver a su propósito original de ser el catalizador de las aspiraciones individuales y la seguridad financiera de las personas, pero esta vez con una precisión y un alcance que nunca habíamos imaginado.
Director Estrategia y Marca SEFIDE EDE
Articulo publicado en IT Digital Magazine de ITUser nº35, páginas 60-64
Deja una respuesta