La Banca Invisible 2030 (Parte 3):
los 3 frentes de habilitación para la banca agéntica.

La banca no puede delegar facultades transaccionales a modelos probabilísticos sin un marco de atribución jurídica y técnica determinista. La transición hacia Know Your Agent (KYA) se estructura bajo el estándar AIMS (Agent Identity Management System, IETF draft-klrc-aiagent-auth-03), dividiendo la gobernanza agéntica en dos planos desacoplados:

Plano Administrativo y de Ciclo de Vida (SCIM /Agents): basado en la especificación draft-wzdk-scim-agent-resource-00, el aprovisionamiento de un agente no se gestiona como el de un usuario humano convencional. El recurso /Agents mapea formalmente el modelo fundacional, el desarrollador, el custodio legal del balance, la entidad mandante (persona natural o jurídica) y las políticas de revocación automática.

Plano de Ejecución en Tiempo Real (SPIFFE/SPIRE y WIMSE): en el nivel de transporte y ejecución, la autenticación M2M descarta contraseñas y claves estáticas. Se implementa SPIFFE/SPIRE mediante la emisión de X.509 SVIDs (SPIFFE Verifiable Identity Documents) de vida ultracorta (5 a 15 minutos). Para transacciones que cruzan perímetros de confianza federados, se utilizan WIMSE Proof Tokens con validación mTLS bidireccional en hardware seguro (HSM/TEE).

Las interfaces gráficas y las APIs REST tradicionales no fueron diseñadas para la navegación autónoma de modelos de lenguaje. La habilitación del servicio exige adoptar el Model Context Protocol (MCP) como el estándar de interoperabilidad para conectar modelos de IA con los sistemas del banco.

Taxonomía Semántica BIAN: se utilizan los 327 dominios de servicio de BIAN (Banking Industry Architecture Network) como vocabulario canónico universal (ej. Payment Execution, Current Account, Credit Assessment). Esto garantiza que cualquier agente externo comprenda el contexto y los prerrequisitos de un servicio financiero sin ambigüedades.

Control de Deriva mediante OpenAPI Overlays: para evitar que las actualizaciones de versiones rompan la compatibilidad de las herramientas que el agente consume (tool-calling drift), se implementan capas de OpenAPI Overlays, manteniendo inmutables los contratos de inferencia mientras la infraestructura subyacente evoluciona.

La regla fundacional de la arquitectura agéntica establece que el modelo de lenguaje nunca tiene acceso directo a la base de datos transaccional. Se implementa un aislamiento determinista entre el razonamiento probabilístico del agente y la ejecución contable:

Arquitectura OpenID AuthZEN 1.0: la pasarela de APIs actúa como un Punto de Enjuiciamiento de Políticas (PEP). Antes de enviar cualquier orden al core, el PEP emite una solicitud de evaluación síncrona en milisegundos al Punto de Decisión de Políticas (PDP) corporativo (ej. Keycloak o Microsoft Entra).

Especificación COAZ y Expresiones CEL: la política de autorización no se codifica en texto plano, sino en CEL (Common Expression Language) bajo la especificación COAZ (Compatible with OpenID AuthZen):

Autorización = CEL(agente.limite_diario ≥ tx.monto
                    ∧ tx.mcc ∈ mandato.mcc_permitidos
                    ∧ mTLS.verificado == true)

Blindaje contra Inyección de Prompts Indirecta: si un agente de IA procesa una factura maliciosa diseñada para forzar una transferencia indebida, el intento de ejecución es interceptado y neutralizado en el PEP al no coincidir con el hash del mandato original firmado por el mandante humano.

El modelo tradicional de supervisión basado en el envío de plantillas regulatorias estáticas con retrasos de 30 a 90 días queda obsoleto frente a una economía que liquida transacciones en milisegundos. La supervisión prudencial evoluciona hacia el consumo directo de datos en tiempo real mediante SupTech Agéntico:

• Project Noor: desarrollado por el BIS Innovation Hub (Hong Kong Centre), la HKMA y autoridades homólogas (Países Bajos, SAMA), implementa Inteligencia Artificial Explicable (XAI) avanzada para el monitoreo automatizado de riesgos transfronterizos y detección de anomalías transaccionales complejas.
• Project AISE: plataforma analítica supervisora que integra agentes virtuales para auditar carteras de crédito y exposiciones de riesgo en tiempo continuo.
• Plataformas de Soberanía Supervisora (CORA AI): entornos seguros donde el regulador despliega agentes de auditoría directamente sobre los shadow cores bancarios para evaluar el cumplimiento prudencial sin intervención humana.

El comportamiento coordinado de cientos de miles de agentes optimizando tesorerías familiares y corporativas bajo los mismos modelos fundacionales puede desatar eventos de estrés de liquidez intradía masivos:

• Evidencia Empírica de Project Logos: investigaciones del BIS, el Banco de Inglaterra y el Bundesbank demuestran que los agentes financieros basados en LLMs tienden a exhibir comportamientos colusivos tácitos y sincronizados ante shocks macroeconómicos, amplificando la volatilidad del mercado secundario.
• Modelado ABM / CRISIS Framework: las instituciones deben sustituir las métricas estáticas del Coeficiente de Cobertura de Liquidez (LCR a 30 días) por simulaciones continuas basadas en agentes (Agent-Based Modeling) que estimen la velocidad de fuga de pasivos a nivel de segundos.
• Disyuntores Algorítmicos (Circuit-Breakers de Liquidez): si el flujo neto de retiros automáticos excede un umbral dinámico por minuto (ΔL_intradía > θ), el sistema activa bloqueos semánticos automáticos que escalan la autorización hacia un flujo de intervención humana (Human-on-the-loop), disipando el efecto de cascada algorítmica.

El marco de cumplimiento operacional (DORA en Europa, regulaciones locales de protección de datos y los requisitos de sistemas de IA de alto riesgo de la Ley de IA de la UE) impone la obligación de auditoría causal total:

• Trazabilidad en Grafos Acíclicos Dirigidos (DAGs): cada decisión de crédito o transferencia autónoma debe registrarse como un nodo inmutable dentro de un DAG. Esto permite “reproducir” el estado exacto del modelo, las entradas del contexto y los pesos de inferencia utilizados en el milisegundo en que se ejecutó la transacción.
• Linaje Contextual de Datos (Zengines) y BCBS-239: cumplimiento automatizado de los principios de agregación de datos de riesgo de Basilea, garantizando la procedencia, integridad y no alteración de los datos utilizados para entrenar modelos de riesgo y alimentar agentes de inferencia.

La rentabilidad del modelo Banking-as-a-Protocol (BAP) depende directamente del costo unitario por inferencia transaccional. Depender de llamadas a APIs de modelos comerciales en nubes públicas destruye el margen transaccional en operaciones de alta frecuencia.

Despliegue de SLMs Especializados (1B a 13B parámetros): modelos optimizados como Phi-4, Llama 3.2, Gemma 3 o Mistral 7B ejecutados localmente en clústeres propios de inferencia (vLLM engine) resuelven con máxima precisión tareas financieras acotadas (clasificación de mandatos, scoring crediticio, reconciliación).

Umbral de Paridad y Ahorro Operativo: para volúmenes menores a 100 millones de tokens/mes, el consumo de APIs en nube es marginalmente viable. Al superar 1.000 millones de tokens/mes (típico en operaciones M2M de un banco mediano), la infraestructura on-premise con SLMs amortiza la inversión en hardware, generando un ahorro de hasta un 97% en OpEx de inferencia, garantizando latencias inferiores a 50 milisegundos y soberanía absoluta del dato dentro del perímetro regulado.

Para proteger el retorno sobre el capital invertido (ROIC), el Directorio debe rechazar proyectos “Big Bang” de reemplazo de core y priorizar el patrón de desmantelamiento progresivo (Hollowing out the Core):

• Fase 1 — Desacoplamiento de Lectura (Meses 1-6): instalación de Change Data Capture (CDC) no invasivo sobre los registros transaccionales del core y canalización a Apache Kafka. Implementación de un Shadow Core sobre bases de datos elásticas para absorber el 100% de las consultas de saldo agénticas.
• Fase 2 — Capa Above-Core y Bloqueo Semántico (Meses 6-12): despliegue de la pasarela de control transaccional para calcular saldos disponibles en memoria y aplicar bloqueos semánticos (PENDING_DEBIT), gestionando la autorización agéntica en tiempo real y asentando por lotes en el mainframe mediante el patrón Transactional Outbox.
• Fase 3 — Extracción Funcional por Dominios DDD (Meses 12-24): migración progresiva de módulos de alta demanda (pagos inmediatos, emisión de credenciales, scoring) hacia microservicios en Kubernetes, encogiendo el consumo de MIPS del mainframe y reduciendo costos de licenciamiento de infraestructura heredada.

La adopción de sistemas autónomos no diluye la responsabilidad legal ni prudencial de los administradores. El Directorio debe regirse bajo las 12 Prácticas Recomendadas del Financial Stability Board (FSB) (consulta de junio de 2026), garantizando la supervisión a través de 6 modos operativos:

• Modo 1 (Human-in-the-loop): aprobación humana previa para operaciones crediticias o de tesorería que superen umbrales de alto impacto.
• Modo 2 (Human-on-the-loop): supervisión activa en tiempo real con capacidad de veto e interrupción inmediata sobre flujos automatizados.
• Modo 3 (Human-in-command): definición y ajuste directivo de reglas macro, apetito de riesgo y límites de concentración patrimonial.
• Modo 4 (Kill-Switches Automatizados): desconexión algorítmica ante desvíos presupuestarios o picos anómalos de volatilidad.
• Modo 5 (Dynamic Sandboxing): contención de nuevos agentes de software en entornos de simulación aislados antes de su paso a producción.
• Modo 6 (Continuous Compliance): auditoría algorítmica continua de sesgos, explicabilidad y límites de capital.

El Criterio Humano es el principio de control superior e indelegable de la institución.