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

¡Descubre las principales noticias y eventos del sector fintech!

Suscríbete al boletín de FinTech Weekly

Leído por ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

Los modelos de lenguaje grande (LLMs) han sido llamados la electricidad de nuestro tiempo, y su llegada ha provocado una ola de experimentación en finanzas. Desde investigaciones automatizadas hasta conocimientos sobre clientes, el potencial es inmenso. Pero a medida que la adopción crece, surge una realidad clara: los LLMs por sí solos no son suficientes sin una capa agentica encima.

Los LLMs pueden generar palabras, pero necesitan agentes para garantizar la veracidad. Pueden resumir datos, pero sin una capa agentica, no pueden decidir qué es lo más importante para tu negocio. Y en un sector donde la confianza, el cumplimiento y la rapidez son innegociables, esa brecha es crítica. Mientras los LLMs aportan poder al sistema, la IA agentica 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 fundamentos en definiciones organizacionales, reglas y cronogramas. Sin una capa agentica y un catálogo de contexto, estos modelos son poderosos pero incompletos. Pueden comunicarse con fluidez, pero no pueden garantizar que lo que dicen esté alineado con cómo la empresa define la verdad. Esa brecha se vuelve crítica en entornos financieros complejos donde la información debe ser confiable, estar organizada y compartirse de manera coherente.

La IA agentica, combinada con un catálogo de contexto, proporciona los elementos faltantes: contexto empresarial para la toma de decisiones y aprendizaje en bucle humano para la mejora continua. Juntos, añaden autonomía, contexto y memoria. Los agentes saben qué buscar, el catálogo de contexto asegura que las salidas se ajusten a definiciones confiables, y ambos operan dentro de límites claros. En la práctica, esto permite a las instituciones financieras:

*   Escanear continuamente mercados, noticias y presentaciones en busca de anomalías antes de que las detecten los humanos
*   Seguir el sentimiento de los clientes a lo largo del tiempo y conectar los conocimientos con asesores y equipos de productos
*   Automatizar informes y flujos de trabajo de cumplimiento para que los conocimientos se traduzcan directamente en decisiones

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

A medida que más empresas adoptan herramientas de IA, las organizaciones que traten la IA como un complemento elegante a su estrategia no verán el retorno de inversión que buscan. La estrategia de IA tiene más éxito cuando está integrada en la estructura de la organización, cuando se convierte en parte de ella 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 LLMs están en la misma etapa. Son de acceso generalizado. La verdadera ventaja proviene de cómo las instituciones los usan para informar flujos de trabajo, orquestar decisiones y apoyar el juicio humano. Simplemente desplegar un modelo como una “solución universal” no es una estrategia. Utilizar 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, apoyado por metadatos del catálogo contextual, filtra, prioriza y resalta lo relevante para decisiones de inversión adaptadas a un inversor.
*   **Análisis del sentimiento del cliente**: Un LLM lee publicaciones en redes sociales o encuestas. Los agentes contextualizados por el catálogo agregan conocimientos, rastrean tendencias y conectan resultados con gerentes 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 informes y tareas de seguimiento para prevenir riesgos operativos.

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

Apoyando el juicio humano

Algunos suponen que los agentes o los LLMs reemplazarán a los humanos. En los servicios financieros, esto es poco probable. Los humanos aportan juicio, supervisión y pensamiento estratégico que no puede ser automatizado. Los agentes y el catálogo de contexto amplifican las capacidades humanas asegurando que la información sea precisa, contextualizada y lista para la toma de decisiones. Manejan tareas repetitivas, que consumen mucho tiempo o están muy distribuidas.

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

El resultado son resultados más rápidos, más confiados y más precisos. Los analistas y líderes dedican menos tiempo a recopilar información y más a actuar en base a ella.

La imperativa competitiva

Las instituciones financieras que dependen únicamente de los LLMs permanecen reactivas. Aquellas 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 asegura que esos sistemas operen sobre 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 del diseño de sistemas que orquestan la inteligencia, proporcionan contexto e integran los flujos de trabajo. Quienes comprendan esta realidad definirán la próxima era de innovación fintech.

Los LLMs proporcionan el poder. Los agentes y un catálogo de contexto dirigen ese poder y lo 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 trayectoria diversa en estrategia, finanzas y expansión internacional, Alexander ha dedicado más de una década a impulsar el crecimiento de empresas líderes globales. Antes de fundar Oraion, fue Director de Expansión Internacional en Via.work, ayudando a escalar las operaciones globales de la empresa y liderando su salida exitosa mediante adquisición por 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 estrategia empresarial, gestión financiera y en aprovechar la automatización para impulsar el crecimiento y transformar negocios.