La noticia
DBS, el mayor banco del sudeste asiático, anunció a finales de agosto que ha escalado sus herramientas de IA agéntica a unos 1.500 banqueros corporativos en todo el mundo. Los agentes asumen más de 70 tareas del proceso de evaluación de crédito: recopilan la información financiera del cliente, la contrastan con fuentes internas y externas y redactan borradores de los memos de crédito — el documento con el que el banco decide si presta y en qué condiciones. Resultado declarado: en torno a un 30% menos de tiempo de preparación por informe, y banqueros con más horas para lo que el banco dice querer de ellos, la relación con el cliente.
El matiz que importa: la IA no aprueba créditos. Prepara el expediente. El banquero revisa el borrador, aplica su juicio, corrige y firma. DBS además ha publicado sus líneas de evaluación del rendimiento de estos agentes — qué miden y cómo comprueban que el trabajo preparado es fiable —, algo que casi ningún despliegue corporativo se molesta en contar.
Por qué me paro en esto
Porque un banco es el entorno más regulado, más auditado y más averso al riesgo que existe, y aun así ha decidido que los agentes de IA redacten los borradores de sus documentos más sensibles. Cuando el sector que más tiene que perder con un error da este paso — con supervisión humana y métricas delante —, el argumento “mi negocio es demasiado serio para esto” pierde bastante fuerza. La pregunta deja de ser si la IA puede tocar los documentos financieros y pasa a ser cómo se organiza para que los toque bien.
La segunda razón es el reparto de papeles, que es exactamente el que defiendo en mis clases: la IA recopila, contrasta y redacta; la persona revisa, juzga y decide. DBS no ha sustituido a 1.500 banqueros: les ha quitado la parte del trabajo que era recopilación y mecanografía con corbata. El 30% de tiempo liberado no es plantilla que sobra, es capacidad de análisis que estaba enterrada en tareas de preparación. Esa distinción — automatizar la preparación, no la decisión — es la que separa los proyectos de IA que funcionan de los que acaban en un comunicado y un cajón.
Y la tercera: el memo de crédito es un documento universal disfrazado de documento bancario. Toda empresa tiene su versión: el informe mensual para gerencia, el análisis antes de dar condiciones de pago a un cliente grande, el dosier para pedir financiación al banco — irónicamente, el mismo documento visto desde el otro lado de la mesa. Todos comparten anatomía: datos dispersos, estructura repetida, mucho tiempo de un perfil caro.
Qué significa para quien decide
Primero, identifica tu memo de crédito. El documento financiero recurrente que más horas consume en tu empresa: el cierre comentado, el informe de tesorería, el análisis de desviaciones para el comité. Uno, no cinco. Apunta cuánto tiempo real cuesta cada mes y de qué fuentes salen sus datos. Ese inventario de una tarde es el punto de partida de cualquier automatización con sentido.
Segundo, copia el reparto de papeles, no la tecnología. No necesitas la plataforma de un banco asiático: necesitas su criterio. El agente prepara el borrador con datos verificables y fuentes citadas; una persona con criterio financiero lo revisa y lo firma. Si el borrador llega bien estructurado y con los datos contrastados, la revisión es rápida; si la persona tiene que rehacerlo, el proyecto está mal planteado y conviene saberlo en el primer mes, no en el sexto.
Tercero, mide como mide un banco. DBS publica cómo evalúa a sus agentes; tú puedes hacer lo mismo a tu escala con dos números: tiempo ahorrado por documento y errores detectados en revisión. Si el tiempo baja y los errores no suben, amplía al siguiente documento. Si no, ajusta o para. La IA en finanzas no se gestiona con fe: se gestiona con las mismas métricas con las que finanzas gestiona todo lo demás.
El departamento financiero lleva años siendo el último en probar estas cosas porque es el que menos margen de error tiene. La noticia de DBS dice que esa etapa se ha acabado: ahora el que más cuida el riesgo es también el que enseña cómo hacerlo.