Anthropic lanza un agente de inteligencia artificial para realizar tareas de servicios financieros, ¿qué está impulsando?

Escribir artículo: Centro de Investigación Web4

Anthropic, la compañía que en los últimos años ha arrasado en la comunidad de desarrolladores con herramientas de programación de IA, anunció el 5 de mayo en horario de EE. UU. el lanzamiento de 10 agentes de IA diseñados específicamente para servicios financieros, lanzando oficialmente su ofensiva en Wall Street.

Según informes de Sina Finanzas, la lista de tareas de estas 10 herramientas casi cubre las áreas centrales del trabajo diario de los profesionales financieros: redactar materiales de presentación para reuniones con clientes, revisar estados financieros, escalar casos para revisión de cumplimiento. Los usuarios objetivo abarcan profesionales en bancos, seguros, gestión de activos y fintech. No se trata de un chatbot ni de una herramienta de preguntas y respuestas auxiliar. Es un conjunto de empleados digitales capaces de integrarse directamente en los flujos de trabajo de las instituciones financieras y encargarse de tareas concretas.

Las fuertes fluctuaciones del mercado transmiten señales mucho más complejas que los titulares de noticias. La acción de los inversores, que votan con sus pies, revela un consenso profundo en la industria: cuando los agentes de IA comienzan a tomar el control de tareas que antes eran insustituibles para los profesionales financieros, toda la cadena de valor de los servicios financieros podría estar en un punto de inflexión.

1. De escribir código a redactar informes: un camino comercial con lógica similar

La entrada de Anthropic en el sector financiero, al igual que su conquista del mercado de programación, sigue un patrón muy similar. En realidad, es casi el mismo guion repetido en diferentes industrias. Antes del lanzamiento del agente de IA para finanzas, Anthropic ya había establecido una posición dominante en el mercado de herramientas de programación. Según un informe de Zhejiang Securities publicado en abril de 2026, Claude Code, la marca de Anthropic en el mercado de agentes de codificación empresarial, había alcanzado una participación del 54%. Hasta febrero de 2026, el 4% de los commits públicos en GitHub eran realizados por Claude Code, y los analistas estiman que para finales de 2026 esa proporción superará el 20%. En cuanto a gastos en modelos de lenguaje a nivel empresarial, Anthropic posee el 40% del mercado, y el 80% de las diez mayores empresas de riqueza mundial son sus clientes de pago.

Datos relacionados muestran que la cuota de mercado de Anthropic en EE. UU. en IA ha subido casi al 70%, mientras que la participación previa de ChatGPT, que era del 90%, ha sido significativamente erosionada. De un competidor que perseguía, a uno que supera en cuota de mercado, Anthropic tardó menos de un año. La lógica de la disrupción en el mercado de programación no es compleja: los agentes de IA no ayudan a los programadores a teclear más eficientemente, sino que generan código, lo depuran y lo despliegan directamente, comprimiendo tareas de desarrollo que antes tomaban días en horas. Según una encuesta de La Observación Económica entre octubre de 2025 y enero de 2026 en China continental y Hong Kong, el 81% de las empresas financieras ya han incorporado IA en sus flujos de trabajo, pero enfrentan problemas claros: escasez de talento, sistemas obsoletos y regulación atrasada. Estos puntos débiles son precisamente los puntos de apoyo que los agentes de IA pueden aprovechar.

Pero hay un matiz importante. Nicholas Lin, responsable de productos de servicios financieros en Anthropic, dijo una frase que parece trivial pero en realidad tiene un significado profundo. Según informes de Tencent News, afirmó que las aplicaciones de IA en finanzas “solo llegan unos meses después que las aplicaciones en programación”, y que estas últimas ya están acelerando notablemente. La diferencia de unos meses. No años, no una generación de ciclos tecnológicos, sino solo unos meses. Detrás de esta evaluación hay una lógica subyacente: si la demanda de IA en finanzas tiene una estructura similar a la del sector de programación, entonces los dominós que ya cayeron en el mercado de programación, en el sector financiero también caerán en su momento.

Desde la perspectiva de escenarios laborales concretos, estas 10 agentes se dividen en dos categorías de tareas: cinco para investigación financiera y atención al cliente, y cinco para finanzas y operaciones. En los escenarios de investigación y atención, los agentes Claude pueden crear listas de objetivos, realizar análisis comparativos de empresas, redactar materiales de presentación para reuniones, y preparar resúmenes de antecedentes de clientes y contrapartes antes de llamadas. En finanzas y operaciones, pueden verificar si las valoraciones cumplen con indicadores de empresas similares, ejecutar listas de cierre, preparar asientos contables y generar informes de cierre. TechOrange reveló más detalles: Claude ya puede funcionar mediante plugins en Excel, PowerPoint, Word y Outlook, lo que significa que los analistas financieros no necesitan salir de sus programas de trabajo diarios, ya que los agentes de IA ya están integrados en ellos.

Sin embargo, cuando los agentes de IA están suficientemente integrados, surge una cuestión más fundamental: si estos agentes no solo redactan memorandos, sino que también toman decisiones financieras en nombre de las instituciones o clientes, ¿hasta dónde pueden llegar sus “manos”?

2. El mismo campo de batalla, dos rutas de ataque

Anthropic no es el único “tocador de la puerta” en Wall Street. Casi en paralelo, OpenAI también ha lanzado su ofensiva financiera. Según un informe de Bloomberg Law del 5 de mayo de 2026, OpenAI y PwC anunciaron una colaboración para desarrollar agentes de IA dirigidos a equipos de CFO, cubriendo planificación, previsiones, informes, compras, pagos, finanzas, impuestos y liquidaciones. Más interesante aún, OpenAI ha posicionado a su propio equipo financiero como “cliente cero”: probando en sus operaciones internas un conjunto de herramientas de agentes de compras, y luego replicando la experiencia en clientes empresariales.

Retrocediendo en el tiempo, el 6 de marzo de 2026, Ji Tong Finance reportó que OpenAI lanzó GPT-5.4, junto con un conjunto de herramientas para servicios financieros que pueden conectarse a fuentes de datos como FactSet y Third Bridge, y crear y verificar modelos financieros directamente en Excel y Google Sheets. El 14 de abril, Wedbush publicó un informe que revelaba que OpenAI había adquirido la startup Hiro Finance, especializada en gestión de finanzas personales autónomas.

El camino de ambas compañías se vuelve cada vez más claro. Anthropic optó por una estrategia bottom-up: comenzar desde la mesa de análisis, con tareas repetitivas que consumen mucho tiempo, y gradualmente infiltrarse en los sistemas operativos de las instituciones financieras. OpenAI, en cambio, trabaja con consultoras como PwC, desde la cima, impulsando desde la oficina del CFO, centrado en los controles financieros clave. Una ruta busca “eficiencia”, la otra apunta a “control”.

Este ritmo es interesante. No se trata de una penetración gradual que dure años, sino de una estrategia de mercado que se completa en meses. Cuando las mayores instituciones financieras empiezan a definir a los agentes de IA como “colegas digitales” en lugar de “herramientas de eficiencia”, el cambio en el vocabulario refleja una confirmación de identidad más profunda: estos agentes están pasando de ser “herramientas auxiliares” a “participantes semi-autónomos”.

De la asistencia a la participación, cada paso parece fluido. Pero pasar de participar a ser autónomo requiere una infraestructura completamente diferente. Un agente que selecciona empresas comparables para un analista, y otro que mantiene fondos y realiza pagos en nombre de clientes, enfrentan desafíos tecnológicos casi de especies distintas.

3. La apuesta tras la apuesta: ¿a quién va el dinero?

El mercado ha respondido a la llegada de los agentes de IA con una caída en los precios de las acciones. Pero otro mercado expresa su confianza de forma más primitiva: con dinero. La línea de tiempo no necesita ser larga. En febrero de 2026, Anthropic completó una ronda de financiación de 30 mil millones de dólares con una valoración de 380 mil millones. Solo dos meses después, Bloomberg y CNBC informaron que Anthropic negocia una nueva ronda de aproximadamente 50 mil millones, con una valoración objetivo de 900 mil millones. Si se concreta, superará los 852 mil millones de OpenAI en marzo, convirtiendo a Anthropic en la startup de IA más valorada del mundo.

En solo dos meses, la valoración se disparó de 380 mil millones a 900 mil millones de dólares. La magnitud de este salto es rara en la historia empresarial. Pero aún más interesante es el catalizador directo de esta ronda: el lanzamiento en abril del modelo Claude Mythos Preview, con capacidades avanzadas en ciberseguridad, accesible solo a unas 50 instituciones como Apple y Microsoft, y que generó múltiples reuniones de alto nivel en Washington y Wall Street. Solo una versión preliminar, y ya impulsó una valoración de miles de millones de dólares, demostrando que la lógica de valoración del mercado para “IA confiable en industrias verticales” ha cambiado radicalmente.

La inversión de capital no solo se refleja en la valoración. Según IT之家 del 30 de abril de 2026, los ingresos recurrentes anuales de Anthropic alcanzaron los 30 mil millones de dólares, frente a unos 10 mil millones del año anterior. La curva de crecimiento es casi vertical.

Mientras tanto, el CEO de Anthropic, Dario Amodei, participó el 5 de mayo en un evento en Nueva York junto a Jamie Dimon, CEO de JPMorgan Chase, discutiendo IA. Entre el público, altos ejecutivos de bancos de Wall Street. Un fundador de Silicon Valley en el centro del poder de Wall Street. ¿Qué piensan los banqueros? No es difícil de imaginar. Cuando se le preguntó sobre el aumento en gastos de infraestructura de IA, Dimon respondió: “Desde una perspectiva general, tiene sentido. Si intentas escoger ganadores y perdedores, sería muy difícil”. Este comentario aparentemente simple refleja la ansiedad del sector: no es que no quieran alinearse, sino que temen apostar equivocadamente.

Pero una pregunta clave sigue sin respuesta: si los agentes de IA dejan de ser solo “colegas digitales” y comienzan a poseer activos, autorizar gastos, firmar contratos, ¿hasta dónde puede llegar la infraestructura financiera actual?

4. Cuando el agente no es solo un “asistente para redactar informes”

Esta no es ciencia ficción; ya está en la puerta. En mayo de 2026, Odin Group lanzó oficialmente OwlPay Agent Wallet, una billetera digital diseñada específicamente para agentes de IA. Según China Times del 5 de mayo, no es una billetera digital tradicional: su usuario no es humano, sino IA. Tras la autorización, la IA puede enviar, recibir y gestionar stablecoins sin intervención humana. La billetera usa una arquitectura de autogestión, con control total del usuario sobre las claves privadas y fondos, generando y almacenando todos los certificados en dispositivos locales, y soportando blockchains como Ethereum, Stellar y Solana.

El mismo día, GlobeNewswire publicó un comunicado. Odin Group indicó que la billetera aprovecha las licencias de pago en 40 estados de EE. UU., extendiendo la capacidad de integrar stablecoins regulados en la economía de agentes de IA. No es una prueba de concepto; es un producto en producción, con licencias en 40 estados.

Entonces, la pregunta: ¿por qué una billetera diseñada para agentes de IA necesita usar stablecoins y blockchain? ¿No podrían usar tarjetas bancarias? Claro que sí. Como observó un analista a finales de abril en un artículo, si un agente de IA solo ayuda a comprar un boleto de avión, reservar un hotel o renovar un servicio SaaS, puede usar sistemas de pago existentes como Swift, tarjetas de crédito o virtuales, sin obstáculos esenciales. Pero el verdadero problema surge en escenarios más complejos: un agente de investigación para informes industriales puede necesitar acceder a múltiples bases de datos, comprar datos pagos, usar APIs de modelos, pagar por herramientas de generación de gráficos, e incluso comprar análisis a otro agente. En toda esa cadena, puede que no exista una tienda o un proceso de pago estándar. El agente enfrenta APIs, interfaces de datos, servicios de modelos y nodos de computación.

Cuando las transacciones las realizan máquinas, el sistema financiero tradicional descubre que le falta una pieza fundamental. Desde una perspectiva macro, esto no es solo una observación comercial. Los agentes de IA están evolucionando rápidamente de herramientas auxiliares a actores económicos reales. Aunque ahora puedan ejecutar tareas y transacciones, aún carecen de un método estándar para demostrar “quién soy”, “qué estoy autorizado a hacer” y “cómo recibir recompensas” en entornos cruzados. “La identidad no es transferible, los pagos aún no son programables por defecto, y la colaboración sigue siendo un silo”. La blockchain, como libro público, billetera portátil y capa de liquidación programable, es vista por algunos equipos técnicos como la infraestructura clave para llenar estos vacíos.

Esto no es solo narrativa de blockchain. Como señaló un informe de PwC a principios de 2026, las instituciones financieras están adoptando IA cada vez más como “motor de transformación estratégica” en lugar de solo una herramienta de eficiencia. Cuando los agentes evolucionen de “ayudarte a hacer cosas” a “gestionar tus activos”, los “registros verificables de ejecución” dejarán de ser un valor añadido y se convertirán en un requisito de supervivencia: los registros en cadena no solo reemplazan auditorías tradicionales, sino que ofrecen una trazabilidad confiable a nivel de agente, que las auditorías humanas no pueden realizar en tiempo real. Esto implica que en el futuro, los ecosistemas financieros probablemente requieran tanto canales regulatorios tradicionales como identidades y pagos auditables en cadena, coexistiendo en paralelo.

Pero hay que ser honestos: aunque OwlPay Agent Wallet obtuvo licencias en 40 estados, su adopción general todavía está en etapas tempranas; los protocolos como x402 y las propuestas de identidad para agentes aún están en discusión; la idea de “conoce a tu agente” (KYA) ha recibido atención, pero aún no se ha implementado ampliamente. No es una historia ya resuelta, sino un proceso que avanza con tropiezos. Su valor no radica en demostrar una conclusión indiscutible, sino en exponer un problema real: en el sistema financiero tradicional, las máquinas siempre han sido herramientas, no sujetos. Pero hoy, están aprendiendo a hacer más cosas.

5. Redefiniendo los puntos de anclaje del valor

Esto suena como una visión de IA que reemplaza a los humanos en el trabajo. Pero si se piensa bien, el cambio real puede ocurrir en otra dimensión. El valor central de los servicios de información financiera tradicionales se basa en una asimetría de información. FactSet y Morningstar no solo tienen datos, sino que los organizan en formatos accesibles, comparables y modelables para usuarios especializados. Esa “coste de organización” crea su barrera competitiva. La lógica de los agentes de IA, en cambio, es completamente diferente. No organizan datos, ejecutan procesos: son operadores, no bases de datos.

Esta diferencia es crucial. Tras el anuncio, las acciones de FactSet cayeron un 8.1%, Morningstar más de un 3%, según informes citados por Sina Finanzas. Pero la caída no solo refleja que “IA puede reemplazar analistas humanos”: también es una reevaluación del mercado. Cuando los sistemas de IA pueden conectarse en tiempo real a FactSet y Morningstar para análisis instantáneos, los datos dejan de ser un producto final y se convierten en materia prima. El precio de la materia prima siempre es menor que el del producto terminado.

Esto explica por qué Anthropic, al lanzar su agente financiero, anunció también una alianza de 1.500 millones de dólares con Blackstone, Hellman & Friedman y Goldman Sachs, para acelerar la integración de Claude en más escenarios empresariales. Al mismo tiempo, Claude puede conectarse directamente a plataformas como FactSet, S&P Capital IQ, MSCI, PitchBook y Morningstar, y a través de Deep D&B y Moody’s acceder a calificaciones crediticias y datos corporativos de más de 600 millones de empresas públicas y privadas. La implicación profunda es que Claude no compite solo como proveedor de datos, sino que redefine la capa de decisión y ejecución sobre esos datos.

Pero cuando el procesamiento de información y la toma de decisiones se comprimen en un flujo automatizado continuo, el papel humano en toda la cadena se redefine. Desde informes hasta cumplimiento, estas 10 IA insertan tres etapas que antes se consideraban “insustituibles”: organización de información, juicio profesional y gestión de riesgos. Cada una se fragmenta parcialmente. Los analistas ya no monopolizan la organización, los equipos de cumplimiento no monopolizan la evaluación de riesgos, y los vicepresidentes de banca de inversión ya no monopolizan la redacción de materiales de presentación.

Esto no significa que los humanos sean completamente desplazados. Pero sí que su rol pasa de ser operadores en el proceso a diseñadores y supervisores del mismo. Este cambio no es solo una “ansiedad por el desempleo”. Es como un río que cambia de cauce: la cantidad de agua no disminuye, pero el canal sí, y los antiguos muelles pueden quedar obsoletos, mientras que otros nuevos se construyen río abajo.

Este cambio recuerda una metáfora clásica en filosofía de la tecnología. Heidegger, al analizar la tecnología, no se preocupa por una herramienta en sí misma, sino por cómo la tecnología, como “montura”, reorganiza nuestra relación con el mundo, modificando nuestra percepción de las cosas, los otros y nosotros mismos. La integración de agentes de IA en los flujos financieros está tejiendo una nueva “montura” que no solo procesa datos y redacta informes, sino que redefine el núcleo del valor en el trabajo financiero.

6. No es un fin, sino un umbral

Las caídas en las acciones de FactSet, Morningstar, S&P Global y Moody’s ya transmiten un mensaje. Según informes citados por Sina Finanzas, FactSet cayó un 8.1%, Morningstar más de un 3%. En Wall Street, estos números indican que el mercado está apostando con dinero real a una evaluación: la barrera de entrada de los proveedores tradicionales de información financiera es más frágil de lo que se pensaba frente a los agentes de IA. Pero esa “fragilidad” no implica que las instituciones tradicionales desaparezcan de inmediato. Es más probable que ocurra una reconfiguración de la cadena de valor. FactSet y Morningstar poseen activos de datos insustituibles, que alimentan a los agentes de IA. La cuestión es: cuando el combustible ya no escasea, lo que escasea es el motor que lo inyecta con precisión. Los fabricantes de motores están tomando una mayor parte del valor en la cadena.

Un detalle importante: según un informe de Zhejiang Securities en abril de 2026, uno de los factores clave del éxito de Anthropic fue su enfoque en marcos regulatorios auditables. En comparación con competidores como OpenAI y Google, Anthropic enfatiza procesos de razonamiento trazables y sistemas de cumplimiento transparentes, lo que lo hace naturalmente compatible con sectores altamente regulados como finanzas, legal y gubernamental. En un sector donde la confianza es moneda principal, la seguridad y la conformidad que aporta la posición de una IA confiable puede ser más duradera que la simple superioridad del modelo. No se trata solo de quién es más inteligente, sino de quién es más confiable. Y en Wall Street, esa confianza pesa mucho más que la inteligencia.

Los agentes de IA están evolucionando de ser herramientas de codificación a actores en el ciclo económico real. Cuando comienzan a desempeñar roles de sujeto en el sistema financiero, la gramática de la infraestructura económica se reescribe. Pagos, identidad, derechos, auditoría: estos pilares del finanzas modernas enfrentan una redefinición ante un “participante invisible”. Esa redefinición ocurre dentro del sistema financiero tradicional, pero también trasciende sus límites, impulsando nuevas exploraciones en infraestructura.

La presencia de agentes de IA en Wall Street es solo el comienzo. Cuando Goldman Sachs y JPMorgan desplieguen agentes en sus flujos clave, cuando FactSet y Morningstar redefinan sus propuestas de valor, y cuando proyectos como OwlPay creen billeteras dedicadas para agentes, estos eventos aparentemente aislados en realidad están ensamblando un panorama mayor: los agentes ya no solo “hacen tareas”, sino que participan en la distribución de valor.

La última frase, en respuesta a este escenario, es: los agentes han entrado, y las reglas apenas comienzan a escribirse.