La IA, tras revolucionar el sector financiero con asistentes virtuales, chatbots conversacionales y sistemas de Generación Aumentada por Recuperación (RAG), sobre los que profundizamos en este artículo, impulsa ahora una nueva transformación mediante los Agentes de IA en Finanzas, cuya implementación avanza rápidamente para optimizar y agilizar diversos procesos en un mercado altamente competitivo.
¿Qué es un Agente de IA?
Un agente de IA es un sistema que permite a un modelo fundacional (como el modelo de lenguaje GPT-4o) interactuar con su entorno para conseguir un objetivo definido por el usuario. Para conseguir dicho objetivo combina al modelo fundacional con herramientas para cumplir con tareas que no puede cumplir por sí mismo, de la misma forma que un operador puede utilizar Bloomberg para cumplir con tareas que no podría por sí solo.
El siguiente esquema ayudará a entenderlo de un vistazo:
Fuente: Elaboración Propia
¿Cómo funciona un agente?
Un agente funciona en un continuo ciclo de pensar, actuar y observar hasta que completa la tarea asignada.
Fuente: Elaboración Propia
- Pensar: La parte LLM del agente decide qué es lo siguiente que debe hacer para cumplir con la solicitud del usuario.
- Actuar: El agente utiliza la herramienta adecuada que ha considerado óptima para la tarea a realizar.
- Observar: El modelo de lenguaje analiza el resultado. Si estima que la solicitud del usuario no se ha completado adecuadamente reinicia el ciclo volviendo a pensar qué herramienta podría utilizar para mejorar el resultado.
Caso Práctico: RiskBot
En este punto se va a traer lo aprendido en un caso práctico.
Una entidad financiera implementa un agente inteligente llamado RiskBot, diseñado para evaluar la probabilidad de impago de pymes. Este agente utiliza herramientas específicas, como:
- Una API interna que accede a la base de datos histórica de clientes con sus estados financieros, indicadores clave (DSCR, EBITDA, etc.) y rating interno.
- Un conector a Google Search mediante SearchAPI para consultar noticias recientes que puedan afectar la solvencia de la empresa.
- Una API con acceso a bases de datos públicas como el Registro Mercantil o la plataforma de riesgos del Banco de España (CIRBE).
Fuente. Elaboración Propia
Cuando un analista le pide a RiskBot que evalúe a una empresa, el agente primero razona que, al no tener datos suficientes en la base de datos interna, debería consultar fuentes externas. Ejecuta una búsqueda en Internet y encuentra una noticia reciente sobre problemas de liquidez por impagos en el sector hotelero (principal cliente de la empresa).
Como el artículo es vago, decide usar la herramienta de consulta a CIRBE para ver la exposición financiera total de la empresa. Detecta un fuerte aumento en su deuda a corto plazo con múltiples entidades, lo que considera un indicador de estrés financiero.
Finalmente, sintetiza toda la información y genera un informe con una estimación de probabilidad de impago del 38%, incluyendo la trazabilidad de cada herramienta que ha utilizado en su razonamiento. Como resultado final, un operador especializado se puede apoyar en esta estimación para tomar su decisión final.
Otras aplicaciones de los Agentes de IA en Finanzas:
Dentro del sector financiero, los agentes pueden ayudar en los siguientes campos:
- Trading: Evalúan datos en tiempo real, identifican patrones y recomiendan operaciones a los operadores.
- Cumplimiento Normativo: Monitorean cambios regulatorios, evalúan rápidamente su impacto en la organización y generan reportes detallados para facilitar el cumplimiento de nuevas normativas financieras.
- Atención al Cliente: Proporcionan soporte personalizado, resolviendo dudas frecuentes sobre cuentas, inversiones o créditos, mejorando así la experiencia del usuario y optimizando los recursos humanos.
Conclusión
El paradigma de IA basado en agentes (Agentic AI) ha sido una revolución durante el último año, y cada día demuestra más y más como puede hacer que bancos u otras instituciones financieras vuelvan sus procesos dramáticamente más rápidos. Por ello, en el próximo artículo se expondrá cómo exprimir “Agentic AI” al máximo para evitar quedarse a la cola en esta carrera Fintech.
Referencias:
- Hugging Face. (s.f.). Agents Course. Recuperado de https://huggingface.co/learn/agents-course/
- Huyen, C. (2025). AI Engineering: Building Applications with Foundation Models. O’Reilly Media.
- (s.f.). Use Cases: Agents. Recuperado de https://docs.llamaindex.ai/en/stable/use_cases/agents/
