Por qué los LLMs por sí solos no ofrecerán retorno de inversión en los servicios financieros

¡Descubre las principales noticias y eventos de fintech!

Suscríbete al boletín de FinTech Weekly

Leen ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

Los modelos de lenguaje grandes (LLM) se han llamado la electricidad de nuestro tiempo, y su llegada ha desatado una ola de experimentación en las finanzas. Desde la investigación automatizada hasta la obtención de información sobre los clientes, el potencial es enorme. Pero a medida que crece la adopción, está emergiendo una realidad clara: los LLM por sí solos no son suficientes sin una capa agentic encima.

Los LLM pueden generar palabras, pero necesitan agentes para garantizar la veracidad. Pueden resumir datos, pero sin una capa agentic no pueden decidir qué es lo más importante para tu negocio. Y en un sector donde la confianza, el cumplimiento y la velocidad son innegociables, esa brecha es fundamental. Si bien los LLM aportan potencia al sistema, la IA agentic sabe cuándo y cómo encender las luces.

Los LLM por sí solos no son suficientes

Los LLM son impresionantes, pero son reactivos. Responden a indicaciones, generan texto y resumen datos, pero no operan con contexto de negocio. Por sí solos, carecen de base en definiciones organizacionales, reglas y plazos. Sin una capa agentic y un catálogo de contexto, estos modelos son potentes pero incompletos. Pueden comunicarse con fluidez, pero no pueden garantizar que lo que dicen esté alineado con la forma en que el negocio define la verdad. Esa brecha se vuelve crítica en entornos financieros complejos donde la información debe confiarse, organizarse y compartirse de manera consistente.

La IA agentic, combinada con un catálogo de contexto, aporta los elementos que faltan: contexto de negocio para la toma de decisiones y aprendizaje con intervención humana para la mejora continua. Juntos, añaden autonomía, contexto y memoria. Los agentes saben qué buscar; el catálogo de contexto garantiza que las salidas se asignen a definiciones confiables, y ambos operan dentro de límites claros. En la práctica, esto permite a las  instituciones financieras:

*   Examinar continuamente mercados, noticias y presentaciones en busca de anomalías antes de que los humanos lo noten
*   Hacer seguimiento del sentimiento del cliente a lo largo del tiempo y conectar los conocimientos con asesores y equipos de producto
*   Automatizar la elaboración de informes y los flujos de trabajo de cumplimiento para que los conocimientos se traduzcan directamente en decisiones

Los agentes, junto con una capa de metadatos, convierten los LLM de herramientas reactivas en participantes activos en las operaciones financieras, mientras que los humanos siguen siendo los principales decisores. Transforman el potencial en rendimiento.

A medida que más negocios adoptan herramientas de IA, las organizaciones que tratan la IA como un acompañamiento sofisticado para su estrategia no verán el ROI que buscan. La estrategia de IA tiene más éxito cuando se entreteje en el tejido de una organización, cuando se convierte en parte de la organización misma.

Construyendo inteligencia sobre el modelo

La historia de la electricidad ofrece una analogía útil. El acceso temprano a la energía fue una ventaja competitiva. Una vez que la electricidad se volvió ampliamente disponible, la ventaja pasó a quienes diseñaron los sistemas que la utilizaban de manera eficiente. Las fábricas, las líneas de ensamblaje y los sistemas de iluminación se convirtieron en diferenciadores.

Los LLM están ahora en una etapa similar. Son ampliamente accesibles. La ventaja real proviene de cómo las instituciones los usan para informar flujos de trabajo, orquestar decisiones y respaldar el juicio humano. Simplemente desplegar un modelo como un “arreglo para todo” no es una estrategia. Usar la inteligencia para resolver o apoyar un objetivo específico es lo que impulsa un impacto medible.

Considera tres ejemplos:

*   **Investigación de mercado**: Un LLM puede resumir noticias o presentaciones. Un agente, respaldado por metadatos del catálogo contextual, filtra, prioriza y destaca lo que es relevante para decisiones de inversión adaptadas a un inversor.
*   **Análisis del sentimiento del cliente**: Un LLM lee publicaciones sociales o encuestas. Los agentes contextualizados por el catálogo agregan información, rastrean tendencias y conectan los resultados con los responsables de relaciones.
*   **Fraude y cumplimiento**: Los LLM analizan datos no estructurados. Los agentes orquestan la detección de anomalías usando definiciones del catálogo y, luego, automatizan la elaboración de informes y las tareas de seguimiento para prevenir riesgos operativos.

En cada escenario, el modelo aporta escala y fluidez, pero la combinación de agente y catálogo de contexto crea relevancia, enfoque y capacidad de acción.

Respaldar el juicio humano

Algunos asumen que los agentes o los LLM reemplazarán a los humanos. En servicios financieros, esto es poco probable. Los humanos aportan juicio, supervisión y pensamiento estratégico que no se pueden automatizar. Los agentes y el catálogo de contexto amplifican las capacidades humanas asegurando que la información sea precisa, esté contextualizada y esté lista para la toma de decisiones. Manejan tareas repetitivas, que consumen mucho tiempo o que están altamente distribuidas.

Cuando se combinan, los LLM, los agentes y el catálogo de contexto crean un ciclo de retroalimentación: el modelo genera información; el agente la prioriza y la orquesta; el catálogo la fundamenta en la verdad organizacional. Por último, los humanos toman decisiones.

El resultado son resultados más rápidos, más seguros y más precisos. Los analistas y los líderes pasan menos tiempo recopilando información y más tiempo actuando sobre ella.

El imperativo competitivo

Las instituciones financieras que dependen solo de los LLM siguen siendo reactivas. Las que integran agentes y un catálogo de contexto ganan proactividad, eficiencia y conocimiento a escala. Los LLM son necesarios pero incompletos. Los agentes los convierten en sistemas que entregan un valor real. El catálogo garantiza que esos sistemas operen con definiciones confiables y datos verificables.

La industria de servicios financieros está en un punto de inflexión. Los LLM se han convertido en una utilidad base. La ventaja competitiva ahora proviene de diseñar sistemas que orquesten la inteligencia, aporten contexto e integren a través de los flujos de trabajo. Quienes comprendan esta realidad definirán la próxima era de la innovación en fintech.

Los LLM aportan la potencia. Los agentes y un catálogo de contexto dirigen esa potencia y la hacen útil. Juntos, permiten a las organizaciones de servicios financieros ver con claridad, actuar con confianza y tomar decisiones más inteligentes.

Sobre el autor

Alexander Walsh es cofundador y CEO de Oraion. Con una formación diversa en estrategia, finanzas y expansión internacional, Alexander ha dedicado más de una década a impulsar el crecimiento de las principales empresas globales. Antes de fundar Oraion, se desempeñó como Director de Expansión Internacional en Via.work, ayudando a escalar las operaciones globales de la empresa y liderándola hacia una salida exitosa mediante adquisición a JustWorks. Su experiencia abarca cargos en Apple, N26 y Silicon Valley Bank, donde se especializó en operaciones, cumplimiento y toma de decisiones basada en datos. La experiencia de Alexander se centra en la estrategia empresarial, la gestión financiera y en aprovechar la automatización para impulsar el crecimiento y transformar empresas.