La banca y el seguro aceleran hacia una IA más soberana, segura y rentable

AI-Network reunió en Madrid a directivos del sector financiero y asegurador, junto a HPE y NVIDIA, para debatir sobre infraestructura, seguridad y soberanía como claves para escalar la inteligencia artificial en 2026.

Madrid acogió el pasado 10 de junio un desayuno ejecutivo privado centrado en uno de los grandes debates estratégicos del sector financiero y asegurador: cómo escalar la inteligencia artificial generativa sin perder el control sobre los datos, los costes, la seguridad y la infraestructura.

El encuentro, organizado por AI-Network con el apoyo de HPE y NVIDIA, tuvo lugar en el Círculo de Bellas Artes de Madrid, en un formato reducido y confidencial de conversación entre iguales. La sesión reunió a directivos y representantes de entidades del ámbito financiero, bancario, asegurador y tecnológico, con presencia de organizaciones como Banco Santander, CaixaBank Tech, Bankinter, Singular Bank, MásOrange Seguros y grupos financieros internacionales, entre otros participantes del ecosistema FSI.

La conversación partió de una idea compartida: la inteligencia artificial generativa ya no está en una fase puramente experimental. El sector financiero y asegurador ha avanzado con rapidez en la identificación de casos de uso, en la creación de pilotos y en la puesta en marcha de entornos controlados. Sin embargo, el gran reto ya no es probar la tecnología, sino llevarla a producción de forma segura, eficiente y alineada con el negocio.

Del piloto al impacto real en cuenta de resultados

Uno de los mensajes más claros del desayuno fue que el éxito de la IA no puede medirse únicamente por el número de pilotos, pruebas de concepto o herramientas desplegadas. La métrica relevante empieza a desplazarse hacia el impacto real en la cuenta de resultados.

La IA generativa se está utilizando ya en ámbitos como asistencia a empleados, automatización de procesos, soporte legal y regulatorio, análisis de crédito, transcripción de reuniones, generación de contenidos, asesoría bancaria y agentes inteligentes. Pero el salto de valor llega cuando estos casos de uso dejan de ser iniciativas aisladas y se integran en procesos relevantes del negocio.

Ese salto exige otra conversación: no solo qué puede hacer la IA, sino dónde debe ejecutarse, con qué modelos, bajo qué reglas de gobierno, con qué nivel de trazabilidad y con qué control económico.

Soberanía, dependencia tecnológica y arquitectura híbrida

La soberanía tecnológica fue uno de los ejes centrales de la sesión. Las entidades financieras y aseguradoras trabajan con datos altamente sensibles y sometidos a una fuerte presión regulatoria. En ese contexto, la dependencia de APIs externas, modelos cerrados o infraestructuras fuera del perímetro corporativo se percibe cada vez más como una cuestión estratégica, no solo técnica.

El debate apuntó hacia una evolución natural: arquitecturas híbridas, mayor control de los modelos, uso creciente de modelos pequeños y especializados, y una revisión del papel de la nube pública en determinados casos de uso críticos.

La cloud privada y los entornos on-premise vuelven a ganar protagonismo, no como una vuelta al pasado, sino como una respuesta a nuevas necesidades: control de costes, rendimiento predecible, seguridad desde el diseño, soberanía del dato y capacidad para operar IA a escala.

En este punto, la visión aportada por HPE y NVIDIA situó la infraestructura como una pieza central para industrializar la IA. La conversación no se limitó a la disponibilidad de GPU o capacidad de cómputo, sino a cómo construir una base tecnológica capaz de integrar gobierno, seguridad, rendimiento, escalabilidad y eficiencia operativa.

El coste de los tokens entra en la agenda financiera

Otro de los temas con mayor peso fue el coste. La facturación por tokens se está convirtiendo en una variable crítica para las entidades que quieren escalar la IA generativa. A medida que aumenta el número de usuarios, casos de uso, agentes y consultas, el consumo puede crecer de forma difícil de prever.

El debate dejó claro que ya no basta con medir el gasto a posteriori. Las organizaciones necesitan plataformas que permitan controlar el consumo en tiempo real, asignar presupuestos, limitar usos, optimizar prompts y seleccionar el modelo más adecuado para cada tarea.

En este contexto, gana fuerza la idea de no utilizar siempre el modelo más potente, sino el más eficiente para cada consulta. La combinación de modelos grandes, modelos pequeños, soluciones open source y sistemas clásicos de machine learning aparece como una estrategia cada vez más razonable.

La conclusión es especialmente relevante para los comités de dirección: la IA generativa no puede escalar si su modelo económico no es gobernable.

Gobernanza, regulación y datos: el verdadero campo de juego

La gobernanza fue otro de los grandes bloques del desayuno. La sesión puso sobre la mesa que los datos personales y financieros son el principal activo de riesgo en cualquier estrategia de IA.

Cumplimiento normativo, ciberseguridad, acuerdos de confidencialidad, trazabilidad, auditoría de modelos y control de accesos se convierten en condiciones necesarias para avanzar. Pero el gobierno del dato no fue planteado como una barrera, sino como un habilitador. Es decir, como el marco que permite decidir qué se puede hacer, qué no se debe hacer y bajo qué condiciones puede desplegarse cada caso de uso.

También se abordó el fenómeno del uso de herramientas no autorizadas por parte de empleados cuando las soluciones corporativas no ofrecen acceso a modelos actualizados o capacidades suficientemente competitivas. Esta realidad refuerza la necesidad de ofrecer entornos internos seguros, atractivos y gobernados.

Modelos open source, geopolítica y seguridad

El desayuno también incorporó una lectura geopolítica del mercado de IA. Los modelos open source, especialmente los procedentes de China, aparecen como una alternativa real por precio, disponibilidad y velocidad de evolución.

Sin embargo, el consenso fue prudente: su competitividad no elimina la necesidad de validación de seguridad, análisis de riesgos y control corporativo. La evolución más probable parece avanzar hacia arquitecturas mixtas, donde convivan modelos frontera, modelos abiertos, modelos pequeños especializados y soluciones internas adaptadas a cada caso de uso.

Esta combinación obliga a las entidades a desarrollar nuevas capacidades de evaluación, selección, gobierno y operación de modelos.

Agentes de IA: valor real, pero con nuevos límites operativos

Los agentes de IA ya están entrando en producción en diferentes áreas del sector financiero y asegurador. Su potencial es claro: productividad, asesoría, soporte operativo, automatización de tareas complejas y mejora de la atención interna y externa.

Pero su escalado plantea nuevos desafíos. Las bibliotecas de agentes requieren marcos de gobierno sólidos, criterios de supervisión, control de consumo, medición de latencia y validación de respuestas. Cuantos más agentes se despliegan, más importante se vuelve la plataforma que los gobierna.

La cuestión ya no es solo crear agentes, sino operarlos de forma segura, controlada y económicamente sostenible.

No estar en el hype: estrategia, responsabilidad y escalabilidad

El cierre de la sesión dejó tres ideas especialmente relevantes para el sector.

La primera: la tecnología no es el fin, sino el medio. La IA debe servir a una estrategia clara, con responsabilidad en su uso y en la toma de decisiones.

La segunda: el impacto en negocio es el KPI que manda. La sofisticación técnica solo tiene sentido si se traduce en eficiencia, ingresos, reducción de riesgos o mejora tangible de procesos.

La tercera: no se trata de estar en el hype, sino de ser coherentes con la estrategia corporativa. Escalar IA exige seguridad desde el diseño, arquitectura adecuada, gobierno del dato, control financiero y visión de largo plazo.

El desayuno confirmó que los retos que afronta cada entidad de forma individual son, en realidad, problemáticas compartidas por todo el sector financiero y asegurador. La IA generativa abre una nueva etapa de competitividad, pero también obliga a repensar la infraestructura, la gobernanza y el modelo operativo.

En ese nuevo escenario, la colaboración entre entidades, socios tecnológicos y foros especializados como AI-Network se vuelve clave para construir una IA más segura, soberana, eficiente y realmente útil para el negocio.