Los agentes ya están aquí: "OK TravelBot, reserva un itinerario de siete días para dos personas de San Francisco a París, con vuelos directos y reembolsables en clase económica por menos de USD 2.000, y paga con la tarjeta de crédito con las mejores recompensas".
Los agentes de IA – tecnología capaz de realizar tareas y resolver problemas por sí sola o con baja supervisión – podrán cumplir pedidos complejos como el precedente, transformando la IA de colaborador reactivo a agente financiero proactivo para compras, pagos e inversiones.
Se espera que estos avances sacudan las bases económicas de las finanzas y amenacen los modelos de negocios y miles de millones en ingresos de bancos, pequeñas y medianas empresas (PyMEs), compañías de tarjetas de crédito y otros jugadores. Ante este cambio en las reglas de juego, las organizaciones que tomen la delantera podrían obtener grandes ventajas, mientras que quienes no se adapten se expondrán a fuertes pérdidas. Los cambios se sentirán primero en los mercados donde la banca abierta ya se ha afianzado.
Dos "motores" de ingresos – tarjetas de crédito y depósitos – han quedado particularmente expuestos. Ambos dependen en buena medida de la inercia de los clientes y la familiaridad con sus marcas. Pero a los agentes de IA no les importa la lealtad; lo que buscan es optimizar los resultados. Si la lógica, y no el hábito, impulsa la selección de productos, las reglas están destinadas a cambiar.
El modo operador (“Operator”) de OpenAI1 ya puede navegar por Internet, reservar hoteles y realizar tareas de varios pasos. Start-ups como Manus AI2 y herramientas como Perplexity3 están yendo aún más lejos, interpretando las intenciones de los usuarios y actuando en consecuencia en múltiples plataformas de negocios. Google 4 introdujo una experiencia de compra en Modo IA que ofrece recomendaciones personalizadas y seguimiento de precios a través de Gemini AI. En el mismo sentido, compañías como Visa5 , Mastercard 6 y PayPal7 lanzaron recientemente nuevas funcionalidades para facilitar las transacciones con agentes, permitiéndoles realizar pagos de forma autónoma por cuenta de los usuarios.
Un comando de voz como "OK SaveBot, mueve el excedente de USD 1.000 en mi cuenta corriente a mi cuenta de ahorro y recárgala si baja de USD 500", podría volverse rutina. En poco tiempo, tal vez ni siquiera tengamos que pedirlo. El agente de IA detectará las oportunidades de inversión en mensajes de email, texto o alertas de apps, actuará automáticamente y luego nos dirá qué hizo. La tecnología para ponerlo en práctica ya está disponible. Griffin 8 ha comenzado a construir un “core” bancario basado en agentes para sus socios fintech.
Las instituciones financieras deben enfocarse ya en identificar el valor en riesgo y los puntos de control clave y en mantenerse relevantes en un mundo intermediado por agentes. En este artículo analizamos los desafíos financieros, la disrupción que los agentes de IA causarán a bancos y emisores de tarjetas de crédito (entre otros), las oportunidades para quienes estén dispuestos a innovar, y la mejor manera de prepararse para la futura economía de agentes en la banca.
El valor en juego
La industria global de pagos genera más de USD 2,7 billones en ingresos anuales, de fuentes como depósitos, tarjetas, flujos internacionales y adquirencia comercial.
Aproximadamente la mitad de ese pool de ingresos se concentra en dos áreas:
- Ingresos netos por intereses. El diferencial entre el interés pagado a los depositarios y el devengado por las inversiones de los bancos
- Ingresos de tarjetas. Tasas de intercambio, intereses de saldos financiados y recompensas no reclamadas
Ambos motores de ingresos se basan en una simple verdad: la mayoría de los consumidores no optimizan cada dólar, día tras día. El margen se acumula en la brecha entre lo que los consumidores podrían hacer y lo que realmente hacen.
Los agentes de inteligencia artificial rompen esa ecuación. Incluso la adopción parcial de esta tecnología podría comprimir los márgenes de manera significativa o trasladar los beneficios a otros jugadores.
Depósitos y liquidez: el dividendo de la inercia
Los depósitos – tanto en cuentas de individuos como de PyMEs – han impulsado históricamente la rentabilidad de los bancos. A nivel mundial, los ingresos netos por intereses representan aproximadamente el 30 por ciento de las ganancias de los bancos.
La mayoría de los consumidores no prestan atención a la tasa de interés que reciben, o carecen de tiempo, herramientas o incentivos para optimizar los retornos de sus depósitos. En cambio, prefieren la conveniencia de un único “hub” bancario de bajo mantenimiento y sin comisiones que reúna cajeros automáticos, pago de cuentas y portales de inversiones.
En Estados Unidos, la tasa que pagan los bancos en cuentas corrientes y de ahorro fue de apenas 0,07 y 0,38 por ciento, respectivamente, en junio de 2025 9 , mientras que en algunas entidades online superan el 4 por ciento. Además, en los últimos cinco años, los saldos de cuentas de depósitos a la vista sin intereses crecieron a una tasa anual (CAGR) del 28 por ciento, frente a solo el 3 por ciento para las cuentas que devengan intereses.
Los sistemas de agentes de IA modifican esta lógica, ya que pueden monitorear saldos en tiempo real, comparar retornos entre instituciones, mover efectivo ocioso a cuentas de mayor rendimiento y reenviar fondos a la cuenta de origen a tiempo para pagar facturas. Esto permite que una parte cada vez mayor de los diferenciales (spreads) antes capturados por los bancos pasen a manos de los clientes.
La reciente suba de las tasas de interés (la fuga hacia inversiones de alto rendimiento de 202210 ) demostró que los consumidores moverán su dinero por sí mismos ante una clara brecha en las tasas. Yu’e Bao11 , un fondo de inversión en mercados monetarios lanzado en China en 2013, ilustra la velocidad con que puede crecer la tendencia. Para 2017, los usuarios habían transferido $268 mil millones en efectivo ocioso a su fondo de mercado monetario (ver recuadro “Yu’e Bao: cuando la optimización escala”). Plataformas como Raisin12 (un mercado de depósitos principalmente enfocado en la UE y el Reino Unido) han capturado más de USD 80 mil millones en depósitos para colocarlos en cuentas de ahorro de alto rendimiento en más de 250 bancos. Estos ejemplos evidencian que la optimización del mercado puede suceder incluso antes de que los agentes tomen la iniciativa.
Las PyMEs ya están aprovechando la automatización de tesorería basada en APIs para optimizar el manejo de efectivo y las operaciones de cambio en tiempo real. Por ejemplo, varias empresas han adoptado plataformas de gestión de efectivo que automatizan tareas como reportes diarios, proyecciones, movimientos de fondos e incluso cobertura de tipo de cambio. Las plataformas ponen la información bancaria al alcance del cliente en tiempo real. Los agentes de IA pueden ir más lejos e integrar estas capacidades a operaciones de tesorería continuas y basadas en preferencias.
El autor William Gibson dijo una vez: "El futuro ya está aquí, solo que no está repartido uniformemente". Así, la geografía influirá en la velocidad del cambio, dependiendo del grado de adopción de la banca abierta en cada región. El impacto de los agentes de IA en los depósitos se sentirá primero en Europa y el Reino Unido, donde las licencias de Proveedor de Servicios de Iniciación de Pagos (PISP) y de Proveedor de Servicios de Información de Cuentas (AISP)13 , combinadas con vías de pagos instantáneos de bajo costo, facilitan los movimientos entre cuentas.
Los ingresos por depósitos en Europa superan los USD 100 mil millones. Si solo el 10-20 por ciento de los consumidores tomaran decisiones de movimiento de dinero basadas en agentes, los márgenes de interés netos de los bancos podrían reducirse entre 30 y 50 puntos básicos (bps).
Los agentes podrán ir más allá de lo que hizo Yu'e Bao y reasignar continuamente fondos entre múltiples bancos y niveles de tasas, en función del rendimiento, el tiempo de liquidación y los límites de riesgo establecidos por el usuario. Para los bancos, la amenaza es clara: pérdida de financiamiento barato y presión sobre los requerimientos de liquidez al erosionarse la estabilidad de los depósitos. Para los clientes, las potenciales ventajas son igualmente manifiestas: capturar beneficios por intereses que quedaron sobre la mesa durante mucho tiempo.
Optimización de tarjetas de crédito
Las tarjetas de crédito generan ingresos extraordinarios (USD 234 mil millones en 2024), provenientes de una combinación de intereses por financiamiento de saldos14, tasas de intercambio, comisiones y penalidades15 y recompensas no reclamadas (Gráfico).
Este modelo lucrativo se sostiene en gran parte por la inercia de los consumidores. Encuestas recientes revelan16 que más del 20 por ciento de los tarjetahabientes no han canjeado premios en los últimos 12 meses. La "incidencia de la caducidad" (proporción de recompensas devengadas y perdidas por cierre de cuentas o transcurso del tiempo) oscila entre el 3 y el 5 por ciento anual, según la Oficina para la Protección Financiera del Consumidor.17
Los agentes de IA, sin embargo, pueden ayudar a los consumidores pasivos direccionando el gasto a la mejor tarjeta en tiempo real, activando solicitudes para acceder a mayores beneficios y transfiriendo saldos a otras tarjetas para aprovechar tasas promocionales.
Algo de esto ya está sucediendo. La funcionalidad “Money Story” de Klarna optimiza los límites de gasto basándose en datos de transacciones18 ; “Smart Rules” de Curve permite a los usuarios definir qué tarjeta utilizar según la categoría de gasto o el valor de la transacción19 ; por su parte, Apple Wallet introdujo un dial circular para ajustar los montos de pago con la tarjeta “Apple” de Goldman Sachs20. Estas micro-automatizaciones presagian la delegación total de las tareas relacionadas con tarjetas.
La amenaza de los pagos cuenta a cuenta
La expansión de los estándares de banca abierta posibilita que los agentes de IA estructuren pagos de cuenta a cuenta (A2A), evitando los sistemas de intercambio de las tarjetas y socavando la ecuación económica de las recompensas. En la Unión Europea, las tasas de intercambio están limitadas al 0,2 por ciento para tarjetas de débito y 0,3 por ciento para crédito, lo que reduce las oportunidades de arbitraje21 . Pero en América del Norte, las tasas suelen oscilar entre el 1,30 y el 3,25 por ciento, lo que representa un incentivo de ahorro para sustituir tarjetas en tiempo real22 .
La optimización dinámica requiere que las transacciones se realicen a través de una billetera digital, ya que las operaciones físicas deben ser enrutadas mediante sistemas de intercambio. Esto otorga a las plataformas como Apple Pay una ventaja inicial como canal para agentes de IA. Incluso una leve adopción de pagos A2A con agentes podría desviar una porción significativa de los ingresos por intereses y tasas de intercambio.
El momentum se vuelve realidad
En resumen, lo que alguna vez fue pasivo en la banca se está tornando programable y más dinámico. Los depósitos estáticos se vuelven líquidos, y la economía de las recompensas se transparenta. Una adopción moderada es suficiente para afectar sensiblemente los márgenes de depósitos y tarjetas. Y depósitos y tarjetas son apenas el primer paso; la rentabilidad de préstamos personales, comisiones de financiación y adquirencia comercial podrían estar bajo presión similar con el avance de la optimización con agentes.
Pese a todo, la adopción no estará libre de fricciones. Las finanzas con agentes colisionan con varias limitaciones del mundo real que determinarán qué tan rápido crecerá y quién se beneficiará primero:
- Calificación crediticia. Los modelos actuales penalizan las consultas reiteradas y las cuentas con poca antigüedad, lo que reduciría la frecuencia con que los agentes podrán cambiar de tarjeta o transferir saldos sin afectar los puntajes de los consumidores. Los agentes deberán incorporar una lógica de sensibilidad al crédito hasta que surjan modelos alternativos de flujo de caja o conductuales.
- Errores de agentes. Es probable que las primeras versiones de la tecnología de agentes cometan errores. Un agente podría pagar una factura equivocada o desviar fondos inadecuadamente en virtud de una interpretación errónea de las preferencias de un usuario o de un error de software.
- Confianza y transparencia. Para delegar acciones financieras significativas se requiere más que una IA de estilo "caja negra". Los agentes deben comunicarse claramente con los usuarios, proporcionar alertas en tiempo real para revertir potenciales errores, y mantener registros de auditoría que permitan a usuarios y reguladores verificar exactamente qué sucedió y por qué.
- Responsabilidad y regulación. Las normas para establecer responsabilidades por las acciones de la IA aún están en fase de desarrollo. La Ley de IA de la Unión Europea23 (aprobada en 2024 y que entrará en vigor en 2026) clasifica estas herramientas financieras como "de alto riesgo", y exige de la IA explicabilidad, controles humanos y auditorías externas. En Estados Unidos, la Regla 1033 de la CFPB24 podría habilitar el acceso por los agentes a ciertos datos que los clientes autoricen, estableciendo un marco regulatorio para el uso regulado de APIs. Personas e instituciones serán reacias a delegar funciones de alto riesgo a los agentes hasta que se implemente un mecanismo de responsabilidad claro.
- Consideraciones de seguridad del usuario. Es comprensible que los consumidores tengan recelo al entregar credenciales de cuenta a un bot. Los agentes necesitan arquitecturas de “confianza cero” tokenizadas que otorguen los permisos mínimos necesarios y revoquen automáticamente el acceso si se detecta un comportamiento anómalo. Por lo menos se requerirá re-autenticación multifactor – especialmente para transacciones grandes o poco frecuentes – para ganar la confianza del consumidor.
- Prevención del fraude y lavado de dinero (AML). Las transferencias frecuentes y la coordinación de múltiples cuentas pueden generar alertas de actividades sospechosas o la sospecha de esquemas de intermediarios o cuentas “mula”. Para satisfacer a los reguladores, los agentes tendrán que incorporar límites de velocidad, revalidación periódica de credenciales de clientes (KYC) y monitoreo de fraude/AML en tiempo real.
- Vías operativas. Los sistemas modernos de pagos instantáneos como FedNow25 en Estados Unidos y TIPS/SEPA26 en Europa prácticamente han eliminado el desfase en las liquidaciones, lo que permite a los agentes mover fondos y realizar pagos en tiempo real. Mientras tanto, los primeros pilotos de liquidación basada en stablecoins (por ejemplo, integración de tesorería entre Visa27 y Circle – USDC) apuntan a transferencias programables y en menos de un segundo, aunque también introducen consideraciones de KYC en cadena y de gobierno de tokens que los emisores tendrán que abordar. Muchas instituciones, sin embargo, aún dependen de mecanismos anteriores (como Automated Clearing House) que pueden ralentizar la adopción de agentes de IA.
Ninguno de estos obstáculos detendrá el avance de los agentes de IA en las finanzas, pero influirán en el ritmo de adopción y definirán a los primeros ganadores.
Puntos de control en la economía de agentes
El foco del valor en la banca y los pagos minoristas y PyME cambiará a medida que los agentes manejen más decisiones financieras. Es probable que la ventaja competitiva se concentre en cinco puntos de control clave:
- Credenciales e identidad. Los agentes necesitan tokens seguros y otorgados por el usuario para acceder a información de saldos o iniciar transacciones entre instituciones. Las compañías que ya manejan credenciales de alta confianza, ya sea a través de APIs de banca abierta basadas en el protocolo OAuth2 en Europa (Directiva de Servicios de Pago PSD2) o servicios de tokenización de red como Visa Token Service en Estados Unidos, parten con una clara ventaja. De la misma manera, los proveedores de identidad Big Tech y los bancos que ofrecen flujos de consentimiento delegado pueden proporcionar una puerta de control para cada acción subsiguiente. El éxito, por lo tanto, requiere:
- Arquitecturas de “confianza cero” que no otorguen acceso persistente.
- Consentimiento dinámico mediante protocolos estandarizados (por ejemplo, OAuth2/OpenID Connect).
- Registros de auditoría continuos para satisfacer tanto a clientes como reguladores, donde las compañías que dominen estos elementos podrán controlar el primer y más crítico cuello de botella de las finanzas basadas en agentes.
- Confianza y estructuras de responsabilidad. Las compañías que creen productos compatibles con agentes, ofrezcan protecciones integradas y compartan la responsabilidad pueden convertirse en los socios preferidos en este ecosistema. Las marcas más confiables podrían asumir responsabilidad a cambio de una tarifa, y de esa manera acelerar la adopción de la tecnología por los usuarios.
- Integración de comercios y plataformas. La optimización en tiempo real (por ejemplo, enrutamiento de gasto, invocación de ofertas) dependerá de la integración profunda en el punto de pago, tanto online como offline. Hoy en día, la mayoría de los adquirentes cuentan con datos limitados sobre el comportamiento de compra de los consumidores, lo que implica que los proveedores centrados en el software pueden tener algunas ventajas.
- Lógica de decisión. Los agentes tendrán que comparar tasas, atributos, recompensas e implicancias crediticias en milisegundos. Las plataformas que construyan productos legibles por agentes y fáciles de optimizar para sus agregadores y sus propios sitios web tendrán una mejor oportunidad de ser seleccionadas. Los sitios de comparación actuales pueden ser los primeros beneficiados, pues ya han reunido datos e información con una lógica clara de monetización de marketing de afiliación.
- Datos conductuales y señales de intención. La primera generación de agentes tendrá que ser instruida, mientras que las generaciones posteriores podrán inferir las necesidades del usuario antes de que se expresen. Esta dinámica de aprendizaje recompensará a las instituciones que hayan desarrollado mejores insights sobre las preferencias de los consumidores. Pensar como una app de consumo significa coordinar todos los puntos de contacto – notificaciones push, sugerencias en la app, disparadores contextuales – para que los agentes puedan proponer acciones que mantengan a los usuarios en un ciclo de optimización continuo.
¿Qué deben hacer las instituciones?
El giro hacia las finanzas intermediadas por agentes constituye un punto de inflexión. Para los bancos, triunfar en esta nueva era implica rediseñar los productos en torno al rendimiento, y no a la fidelidad. Los siguientes son tres pilares universales para desarrollar un plan exitoso:
- Estrategia de productos. Analizar la dependencia de la inercia de todas las ofertas. Si un agente tomara decisiones por cuenta de un cliente hoy, ¿su producto seguiría ganando?
- Infraestructura técnica. Hacer que los productos sean legibles por máquinas y fáciles de optimizar, usando APIs estandarizadas, una lógica de pricing transparente y metadatos enriquecidos que los agentes puedan analizar.
- Distribución e interacción. Decidir entre integrarse a ecosistemas de agentes externos o construir sistemas propios (y cómo hacerlo). En cualquier caso, los productos deben ser fáciles de comprender y controlar por los consumidores.
En el corto plazo, los bancos deben prepararse para un nuevo ritmo competitivo. La relevancia necesita ser ganada continuamente: cada vez que un agente actualiza sus rankings. A la hora de desarrollar su estrategia (ver recuadro "Cinco preguntas estratégicas para dar forma al futuro de las finanzas con agentes"), los bancos pueden prepararse para la irrupción de los agentes publicando APIs de tasas y liquidez en tiempo real, lanzando subcuentas de ahorro diseñadas para transferencias automáticas y compartiendo una porción de los beneficios incrementales con sus clientes para mantenerlos en su plataforma.
Otras instituciones también pueden anticiparse a la disrupción:
- Los emisores de tarjetas se exponen a la erosión de sus ingresos por intereses e intercambio cuando los agentes decidan cambiar de tarjetas o recurrir a vías de pagos A2A. Las posibles respuestas incluyen traducir las estructuras de recompensas y las reglas de transferencia de saldos a formatos legibles por máquinas, exponer ofertas de crédito preaprobadas a través de APIs, y ofrecer ventajas en forma de experiencias (acceso VIP a espectáculos, beneficios sorpresa en viajes o eventos exclusivos para miembros) que un algoritmo puede detectar, pero sólo una persona puede apreciar verdaderamente.
- Los proveedores de billeteras y superapps deben protegerse contra la desintermediación si los agentes se integran directamente con las APIs bancarias. Para evitarlo, pueden posicionarse como el sistema operativo ideal para los agentes, publicando herramientas para desarrolladores, integrando consentimiento transparente y eliminando controles, e interpretando la intención del usuario mediante voz, chat o widgets.
- Las redes de tarjetas se ven amenazadas por las vías de pago A2A, que podrían evitarlas por completo. Las redes ya están respondiendo mediante ejecución de vías de pago instantáneas, tokenización de credenciales y creación de paquetes de servicios premium para reducir fricciones, como cobertura contra fraudes, resolución de disputas e insights de datos que los agentes pueden invocar por defecto.
- Los adquirentes comerciales y los proveedores de servicios de pago (PSP) operan en un contexto de pago donde los agentes realizan mini-subastas y escogen la vía de menor costo en milisegundos, con un mecanismo similar al de las subastas de anuncios en línea. Para mantener su relevancia, deben exponer sus tarifas en tiempo real a través de APIs, visibilizar promociones y reembolsos, e integrarse con las billeteras para ofrecer una lógica de enrutamiento de bajo costo.
- Los especialistas internacionales verán amenazados sus diferenciales de cambio a medida que los agentes comparen precios entre proveedores en tiempo real. Las compañías ganadoras publicarán sus costos totales, garantizarán plazos de liquidación y otorgarán reembolsos automáticos cuando no se cumplan sus acuerdos de nivel de servicio, convirtiendo a la confiabilidad en un diferenciador competitivo.
- Las plataformas Big Tech pueden afianzar su liderazgo incorporando el comercio con agentes a los asistentes de voz, muy utilizados por los consumidores, para luego monetizar flujos de referidos, insights de datos o servicios de suscripción.
- Los propios comerciantes realizan hoy una micro-subasta en cada ocasión de pago. Los grandes retailers pueden impulsar la preferencia de los agentes ofreciendo cupones dinámicos basados en APIs y beneficios de fidelidad; las PyMEs pueden usar ofertas agnósticas a través de APIs o asociarse con adquirentes que expongan herramientas promocionales atractivas para los agentes.
En todo el escenario de negocios existe un hilo común: facilitar que un motor de optimización descubra, confíe y seleccione su producto, y al mismo tiempo ofrecer al ser humano una razón clara para sentirse conforme con esa elección. Los agentes de IA marcan el cambio de la toma de decisiones basada en el usuario a una intermediada por sistemas. También señala un giro en el financiamiento minorista y PyME, de la lealtad a la marca a la selección basada en el desempeño. Las instituciones que se adapten primero podrán incorporar confianza y visibilidad a la capa lógica que pronto podría tomar decisiones en nombre de los clientes. A la inversa, quienes decidan esperar corren el riesgo de convertirse en meros titulares de balances comoditizados. No se trata sólo de proteger los márgenes, sino también de reinventar la banca minorista y PyME. En el futuro, los clientes favorecerán a quienes logren resultados, no a quienes simplemente conocen. Los agentes preferirán los productos de alto desempeño. ¿Podrán encontrar el suyo?