Banca e IA en 2026: qué procesos han cambiado de verdad

Las cifras que los bancos han puesto por escrito

La banca es el sector que más lejos ha llevado el despliegue de IA en producción, por delante de la consultoría y del retail. Tiene procesos de alto volumen, muy documentados y con una función de control que ya existía antes de la IA.

El 44% de los equipos financieros usa ya IA agéntica, unas 6 veces más que en 2025. Los despliegues documentados en HSBC, Citi, UBS, DBS e ING reportan reducciones de coste del 20% al 40%.

JPMorgan: 400 casos sobre una sola plataforma

JPMorgan Chase tiene más de 400 casos de uso de IA en producción, todos sobre una plataforma corporativa de machine learning que procesa alrededor de 10 billones de dólares en transacciones diarias.

Lo que importa aquí es la arquitectura. El banco ha centralizado deliberadamente la infraestructura de IA para evitar la fragmentación: construcción interna, alianzas e inversiones en capital coordinadas bajo una sola estrategia.

Eso es lo contrario de lo que pasa en la mayoría de organizaciones grandes, donde cada unidad de negocio contrata su propia herramienta y acaba con 15 licencias distintas, ningún catálogo común y nadie capaz de responder qué modelos tocan datos de cliente.

Citi: Arc y formación obligatoria para 175.000 personas

Citi presentó Arc el 30 de abril de 2026, una plataforma para que sus desarrolladores construyan y despliguen agentes por todo el grupo, manteniendo gobernanza y control de riesgo en la misma capa.

Las cifras de adopción son las más altas publicadas por un banco: 180.000 empleados con acceso a herramientas de IA y más del 80% usándolas con regularidad. Casi 9 de cada 10 empleados del grupo utilizan alguna herramienta de IA. El banco ha hecho obligatoria la formación en IA para 175.000 personas.

El ejemplo que la propia entidad usa para explicar Arc: agentes que preparan reuniones de cliente para banqueros de patrimonios, recopilando datos de cartera, analizando tendencias de mercado y modelando escenarios. Es trabajo de preparación que antes se hacía a mano y que se verifica rápido, la condición que separa los casos que funcionan de los que no.

Bank of America: 400.000 prompts al día

Bank of America reportó en el segundo trimestre de 2026 que más de 200.000 empleados usan capacidades con IA, generando más de 400.000 prompts diarios entre herramientas de productividad, asistencia a la programación y flujos agénticos.

El desglose de casos es el más transparente que ha publicado un banco grande:

• Más de 300 casos de uso de IA aprobados.
• De ellos, 114 son de IA generativa.
• De esos 114, solo 34 están completamente implementados en operaciones.

Esa última proporción es el dato más honesto del sector. Menos de un tercio de los casos aprobados de IA generativa llegan a producción completa, en el banco que más ha invertido en la disciplina. Cualquier plan que asuma una tasa de conversión mejor que esa necesita justificarse.

Wells Fargo, por su parte, lanzó AI Teammate, y su consejero delegado Charles Scharf ha atribuido mejoras de productividad a esas inversiones.

España: BBVA, CaixaBank y Santander

BBVA tiene más de 100.000 empleados usando IA. En mayo de 2026 aceleró el desarrollo de producto con IA agéntica de Microsoft, con un sistema estandarizado que aplica funcionalidades y correcciones de forma continua sobre los sistemas centrales del banco. Su proyecto Akira mete capacidades de IA y sistemas de agentes a lo largo del ciclo de desarrollo de software. Su asistente Blue y la app Futura estuvieron entre las iniciativas reconocidas en los premios The Innovators 2026.

CaixaBank lanzó GenIAI en 2023 para extender el uso de IA a todas las líneas de actividad. Hace unos meses puso en marcha un sistema de agentes que combina IA conversacional con supervisión humana en la contratación digital. Ese diseño, agente más revisor, es el patrón que la regulación europea favorece.

Santander se ha fijado generar más de 1.000 millones de euros de valor de negocio con IA entre 2026 y 2028, combinando ingresos nuevos y reducción de costes. Es el objetivo cuantificado más claro de la banca española.

Sobre el empleo: los grandes bancos del Ibex han mantenido plantilla en el último año, salvo Santander, que recortó cerca de 8.400 puestos a nivel global.

El calendario regulatorio decide el ritmo

En banca europea, lo que decide el ritmo de despliegue es el cumplimiento normativo. Hay tres piezas encajando a la vez.

El Reglamento Europeo de IA cumplió el 2 de agosto de 2026 su siguiente hito de aplicación. Su Anexo III clasifica como alto riesgo por defecto los sistemas que evalúan la solvencia de personas o establecen puntuaciones de crédito, además de los que valoran riesgo y precio en seguros de vida y salud. Para esos sistemas hacen falta gobernanza documentada, registro, supervisión humana y controles de ciberseguridad. Los detalles, plazos y obligaciones están en la sección del Reglamento.

DORA no regula la IA. Regula la resiliencia operativa digital: gestión de riesgo TIC, notificación de incidentes, pruebas de resiliencia, continuidad y riesgo de terceros. Un despliegue de IA toca las dos normas a la vez, y por rutas distintas.

El BCE ha pedido a cada entidad significativa un plan de acción completo para su equipo supervisor conjunto antes de que acabe octubre de 2026.

La consecuencia práctica: un banco europeo no puede desplegar un agente en scoring de crédito con la misma facilidad con la que lo despliega en preparación de reuniones. Por eso los casos que avanzan primero son los internos.

Los procesos que están cambiando primero

Ordenados por cuánto han avanzado de verdad:

1. Desarrollo de software. Es el caso más maduro y el que mejor se mide. Un banco regional del estudio de McKinsey reportó un 40% más de productividad en desarrollo, con más del 80% de sus ingenieros diciendo que mejoró la experiencia. BBVA con Akira y Citi con Arc van por aquí.
2. Preparación de reuniones y síntesis de información. Recopilar cartera, mercado y antecedentes antes de una reunión con cliente. Alto volumen, verificación rápida, error reversible.
3. Revisión documental y cumplimiento. Extracción y contraste contra una fuente de verdad. La condición que lo hace viable es que existe un documento contra el que comprobar.
4. Atención al cliente asistida. Con agente y revisor humano, como el sistema de contratación digital de CaixaBank.
5. Scoring y decisiones de crédito. Es donde está el valor y donde el Anexo III pone las obligaciones. Avanza despacio, y avanza con documentación.

Lo que tienen en común los cuatro primeros: el resultado se verifica en poco tiempo y el error es reversible. El mismo patrón que veíamos en el análisis de agentes en servicios profesionales.

Qué hacer si trabajas en banca o en un proveedor del sector

Empieza por el inventario. La pregunta que va a llegar del supervisor es qué sistemas de IA hay, quién los aprobó y cuáles caen en Anexo III. Muchas entidades descubren en ese ejercicio herramientas contratadas por una unidad de negocio que nadie había registrado.

Separa los casos internos de los que tocan al cliente, porque el coste de cumplimiento es distinto por un factor grande. Un copiloto de desarrollo y un modelo de scoring no comparten ni el expediente ni los plazos.

Y usa la proporción de Bank of America como referencia al planificar: 114 casos aprobados, 34 implementados. Si tu plan asume que todo lo aprobado llega a producción, está mal dimensionado.

Para el detalle de obligaciones por fecha, la sección del Reglamento de IA tiene el calendario y las fuentes oficiales. Para elegir herramientas por categoría, el catálogo las clasifica por lo que hacen.

Fuentes

• Citi: introducing AI agents, the next phase of Citi's AI journey
• BBVA: inteligencia artificial
• El Economista: Santander apuesta por generar más de 1.000 millones de euros de valor con IA
• CIO Dive: banks report operational changes driven by AI adoption
• Bird & Bird: developments on the interplay between AI and financial institutions
• Ara: los grandes bancos españoles mantienen plantilla pese a la apuesta por la IA