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 grandes modelos de lenguaje (LLMs) se han descrito como la electricidad de nuestro tiempo, y su llegada ha provocado una ola de experimentación en las finanzas. Desde la investigación automatizada hasta los conocimientos del cliente, el potencial es enorme. Pero a medida que crece la adopción, está emergiendo una realidad clara: los LLMs por sí solos no son suficientes sin una capa agentic encima.

Los LLMs 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 no son negociables, esa brecha es crucial. Mientras los LLMs aportan poder al sistema, la IA agentic sabe cuándo y cómo encender las luces.

Los LLMs por sí solos no son suficientes

Los LLMs son impresionantes, pero son reactivos. Responden a indicaciones, generan texto y resumen datos, pero no operan con contexto empresarial. 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 cómo el negocio define la verdad. Esa brecha se vuelve crítica en entornos financieros complejos donde la información debe ser confiable, organizada y compartida de manera consistente.

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

*   Analicen continuamente mercados, noticias y presentaciones en busca de anomalías antes de que lo noten los humanos
*   Hagan seguimiento del sentimiento del cliente a lo largo del tiempo y conecten los conocimientos con asesores y equipos de producto
*   Automatizen la elaboración de reportes y los flujos de trabajo de cumplimiento para que los conocimientos se traduzcan directamente en decisiones

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

A medida que más empresas adopten herramientas de IA, las organizaciones que traten la IA como un acompañamiento sofisticado para su estrategia no verán el ROI que buscan. La estrategia de IA tiene más éxito cuando se integra 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 estuvo ampliamente disponible, la ventaja cambió hacia quienes diseñaron los sistemas que la usaban de manera eficiente. Las fábricas, las líneas de ensamblaje y los sistemas de iluminación se convirtieron en diferenciadores.

Los LLMs están ahora en la misma etapa. Están ampliamente disponibles. 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 “arregla todo” no es una estrategia. Usar 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 de catálogo de contexto, filtra, prioriza y resalta lo que es relevante para decisiones de inversión adaptadas a un inversor.
*   **Análisis de sentimiento del cliente**: Un LLM lee publicaciones sociales o encuestas. Los agentes, contextualizados por el catálogo, agregan conocimientos, rastrean tendencias y conectan los resultados con los gestores de relaciones.
*   **Fraude y cumplimiento**: Los LLMs analizan datos no estructurados. Los agentes orquestan la detección de anomalías usando definiciones del catálogo y, luego, automatizan la generación de reportes 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 LLMs reemplazarán a los humanos. En servicios financieros, esto es poco probable. Los humanos aportan juicio, supervisión y pensamiento estratégico que no se puede 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. Gestionan tareas repetitivas, que consumen tiempo o que están altamente distribuidas.

Cuando se combinan, LLMs, agentes y el catálogo de contexto crean un bucle de retroalimentación: el modelo genera conocimientos; el agente los prioriza y los orquesta; el catálogo los 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 líderes dedican menos tiempo a recopilar información y más tiempo a actuar sobre ella.

La exigencia competitiva

Las instituciones financieras que dependen únicamente de LLMs siguen siendo reactivas. Las que integran agentes y un catálogo de contexto ganan proactividad, eficiencia y conocimientos a escala. Los LLMs son necesarios pero incompletos. Los agentes los convierten en sistemas que entregan 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 LLMs se han convertido en una utilidad básica. La ventaja competitiva ahora proviene de diseñar sistemas que orquesten inteligencia, aporten contexto e integren a través de flujos de trabajo. Quienes entiendan esta realidad definirán la próxima era de la innovación en fintech.

Los LLMs proporcionan el poder. Los agentes y un catálogo de contexto dirigen ese poder y lo hacen útil. Juntos, permiten que las organizaciones de servicios financieros vean con claridad, actúen con confianza y tomen decisiones más inteligentes.

Sobre el autor

Alexander Walsh es CoFundador y CEO de Oraion. Con una trayectoria 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 roles 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 negocios.