Tu agente de IA tiene un problema de liquidación

Los bancos están invirtiendo fuertemente en IA agentic y, por separado, en infraestructura tokenizada. La mayoría las trata como vías paralelas que eventualmente convergerán. Ese supuesto de secuenciación merece escrutinio, porque los dos programas son más interdependientes de lo que la mayoría de las hojas de ruta tecnológicas reflejan actualmente.

Aquí está el problema subyacente. Los sistemas de IA agentic son fundamentalmente diferentes de los modelos predictivos y las herramientas de apoyo a la decisión que los precedieron. Un modelo presenta una idea. Un agente actúa en base a ella. Esa distinción no es un matiz meramente de marketing. Tiene implicaciones directas de infraestructura que la mayoría de los planes de implementación aún no han contemplado.

Cuando un agente actúa, la transacción debe liquidarse. No al final del día. No el día hábil siguiente. En el momento de la ejecución, porque la siguiente instrucción del flujo de trabajo depende del resultado del actual.

La liquidación por lotes rompe esa dependencia por completo. Si un agente identifica un déficit de liquidez, selecciona la mejor garantía que mover e inicia la transferencia, pero la infraestructura de liquidación no puede confirmar la irrevocabilidad hasta la mañana siguiente, el agente no está gestionando tesorería en tiempo real. Está poniendo instrucciones en cola dentro de un sistema que las procesará según un calendario diseñado para un mundo en el que los humanos eran los actores. Para cuando esas instrucciones se liquidan, es posible que las condiciones del mercado que las generaron ya no se mantengan. El agente no ha fallado. Los rieles sí.

NTT DATA lo ha descrito como el “gap de la pila” (stack gap), el abismo entre lo que exige la IA agentic y lo que la mayoría de la infraestructura bancaria puede entregar realmente. La investigación de MIT citada a través de múltiples análisis del sector encontró que los fallos de integración de infraestructura, no la calidad del modelo, son la razón principal por la que los pilotos de IA en banca no entregan un valor medible a escala. La inteligencia no es el factor limitante. La base sí lo es.

Esto importa particularmente para las operaciones de tesorería y pagos, donde el valor de la ejecución autónoma es más directo. Un agente que gestiona garantías intradía entre contrapartes, monitorea exposiciones continuamente y optimiza posiciones de caja en tiempo real requiere una infraestructura que pueda moverse con él. El pronóstico de 2026 de A16z lo establece de forma directa: los agentes de IA requerirán pagos que se muevan a la velocidad de internet, respaldados por herramientas de liquidación programables. El cambio hacia sistemas autónomos basados en intenciones no es compatible con rieles diseñados alrededor de ventanas de procesamiento humano.

Lo que exigen realmente los flujos de trabajo financieros autónomos es una liquidación atómica: el intercambio simultáneo e irrevocable de valor que confirma la irrevocabilidad en tiempo real. Precisamente eso es lo que se está construyendo para ofrecer la infraestructura tokenizada. El token de depósito de JPMorgan en Base, la plataforma de depósitos tokenizados de BNY para clientes institucionales y el consorcio Cari Network, formado por cinco bancos regionales, representan en el fondo la construcción de rieles de liquidación que no dependen de ciclos nocturnos de lotes. No se trata solo, en exclusiva, de una historia de tokenización. Es una historia de infraestructura para IA. Las instituciones que hoy construyen rieles de liquidación programables están construyendo el requisito previo para operaciones financieras autónomas a escala.

La implicación de secuenciación para bancos que las ejecutan como programas separados es directa. En algún momento cercano, los agentes desplegados en flujos de tesorería y pagos serán capaces de ejecutar decisiones más rápido de lo que la infraestructura de liquidación subyacente puede confirmarlas. Cuando eso ocurra, la organización se enfrenta a una elección: limitar los agentes a lo que permiten los rieles, aceptando que la ejecución autónoma se detiene en el límite donde comienza la transferencia manual, o reconstruir los rieles con un costo y una complejidad considerablemente mayores que si ambos programas se hubieran diseñado como un solo programa desde el inicio.

También hay una dimensión orientada al cliente que vale la pena nombrar. Los equipos de tesorería corporativa están construyendo sus propios flujos de trabajo agentic. Un cliente que construye una función de tesorería nativa de IA no necesitará que su banco gestione esas decisiones. Necesitará la infraestructura del banco para respaldar la ejecución autónoma sin reintroducir intervención manual en el límite de la liquidación. Los bancos que no puedan proporcionar eso verán cómo sus clientes corporativos gravitan hacia instituciones, o plataformas, que sí puedan.

La pregunta práctica para cada banco que actualmente ejecuta un programa de IA agentic es si la infraestructura de liquidación de la que esos agentes acabarán dependiendo se está construyendo en paralelo. No como una consideración futura. Como una decisión de diseño actual. Los dos programas no están en secuencia. Es el mismo programa.