La pregunta, por tanto, no es si la inteligencia artificial tiene capacidades. Las tiene. La cuestión real es por qué tantas iniciativas no logran traducirse en impacto tangible para el negocio. A mi juicio, el problema es lo que denomino “miopía de tarea”. Hemos comprobado que la IA generativa es un motor muy potente para el trabajo relacionado con el conocimiento, especialmente en tareas de búsqueda, resumen y síntesis. Sin embargo, la industria se choca constantemente contra un muro en el momento en que intenta pasar de tecnologías del lenguaje a una tecnología capaz de ejecutar.

En banca, por ejemplo, vemos cómo se automatizan con éxito tareas cognitivas aisladas y se presenta ese avance como una victoria, pero el fallo sistémico aparece cuando se intenta escalar ese enfoque a ejecuciones complejas de principio a fin. Si un resumen más rápido de un correo no acelera realmente la aprobación de un préstamo o no evita la fuga de un cliente, no se ha generado retorno. Lo único que se ha generado es una factura tecnológica más alta.

La IA necesita un entorno estructurado para funcionar bien y una capa que ordene y relacione los datos de forma significativa, pero en operaciones bancarias complejas no basta con un mapa estático de documentos o información dispersa. Hace falta una estructura orientada específicamente a los procesos, capaz de reflejar la trazabilidad entre sistemas, los traspasos entre funciones y los controles operativos que condicionan cada decisión.

Aquí es donde la arquitectura debe evolucionar. Me gusta explicarlo de forma sencilla: el modelo lingüístico es el motor de razonamiento, pero hace falta además un motor de percepción. Un agente de IA necesita una capa previa que le permita observar, contextualizar y entender antes de actuar. Un modelo genérico no comprende las reglas concretas de una organización, ni las interacciones entre sistemas heredados aislados, ni tampoco la realidad operativa que explica por qué se concedió una excepción en un préstamo un martes determinado. No se pueden obtener resultados fiables ni conformes a la normativa a partir de un modelo que no dispone de la trazabilidad de los datos.

La IA puede aportar un enorme valor al sector financiero, pero solo si dejamos de medir su éxito por tareas aisladas y empezamos a evaluarla por su capacidad para transformar la ejecución real del negocio. El futuro no será de los bancos que tengan más pilotos, sino de los que consigan conectar inteligencia, contexto y control. Porque una IA útil no es solo una IA más inteligente. Es una IA segura, escalable y preparada para generar valor definido.