El amanecer del "compañero de trabajo digital": Goldman Sachs despliega agentes de Claude
Por el Equipo Editorial de Creati.ai | 7 de febrero de 2026
La integración de la IA generativa (Generative AI) en las finanzas de alto riesgo ha pasado de pilotos experimentales a un despliegue operativo central. En un movimiento que señala un cambio definitivo hacia la IA agéntica (Agentic AI), Goldman Sachs ha anunciado el despliegue de los agentes de IA Claude de Anthropic para automatizar flujos de trabajo complejos de contabilidad y cumplimiento.
Esta asociación, revelada por el Director de Información de Goldman Sachs, Marco Argenti, marca uno de los compromisos más agresivos de Wall Street con la IA autónoma. Tras una fase de codesarrollo intensivo de seis meses en la que ingenieros de Anthropic se integraron directamente en los equipos tecnológicos del banco, el gigante financiero está utilizando ahora agentes de IA para gestionar la conciliación de operaciones, la incorporación de clientes y el cumplimiento regulatorio, tareas que históricamente han requerido miles de horas humanas y una supervisión rigurosa.
Más allá de los chatbots: El auge de los agentes autónomos
La industria ha anticipado durante mucho tiempo el paso de los "chatbots" que responden preguntas a los "agentes" que ejecutan flujos de trabajo. La iniciativa de Goldman sirve como caso de estudio principal para esta transición. A diferencia de las implementaciones de IA anteriores que servían como asistentes para redactar correos electrónicos o resumir documentos, estos nuevos agentes están diseñados para funcionar como "compañeros de trabajo digitales".
Según Argenti, el banco se dio cuenta de que las capacidades de razonamiento del modelo Claude se extendían mucho más allá de la codificación de software. La misma lógica requerida para depurar bases de código complejas resultó altamente efectiva para analizar regulaciones financieras y conciliar vastos conjuntos de datos. Los agentes ahora tienen la tarea de navegar de forma independiente por marcos basados en reglas para verificar transacciones y evaluar a nuevos clientes, reduciendo efectivamente los plazos de estos procesos críticos.
El cambio impacta en dos dominios específicos y laboriosos:
- Contabilidad de operaciones: Los agentes automatizan la conciliación de millones de transacciones diarias, comparando registros en sistemas dispares con un nivel de velocidad inalcanzable para los equipos humanos.
- Incorporación de clientes: Tradicionalmente un cuello de botella debido a las regulaciones de "Conozca a su Cliente" (Know Your Customer, KYC) y prevención del blanqueo de capitales (Anti-Money Laundering, AML), este proceso ahora está siendo optimizado por agentes capaces de leer, verificar y contrastar documentación con los estándares regulatorios globales.
Impacto operativo: Flujos de trabajo tradicionales frente a agénticos
Para comprender la magnitud de este cambio, es esencial comparar los flujos de trabajo heredados con el nuevo modelo impulsado por agentes. La siguiente comparación ilustra cómo Goldman Sachs está reestructurando sus operaciones de back-office.
Comparación de flujos de trabajo de cumplimiento y contabilidad
| Proceso heredado | Proceso agéntico | Ganancia operativa |
|---|---|---|
| Ingesta de datos | Entrada manual y verificación de documentos de múltiples formatos (PDF, Excel, correo electrónico). | Los agentes ingieren y estructuran datos no estructurados instantáneamente en todos los formatos. |
| Aplicación de reglas | Los humanos contrastan las transacciones con un manual de cumplimiento estático. | Los agentes aplican lógica regulatoria dinámica en tiempo real, citando cláusulas específicas. |
| Gestión de excepciones | Las anomalías marcan un error general, lo que requiere una investigación manual desde cero. | Los agentes diagnostican la causa raíz de la anomalía y proponen una resolución para la aprobación humana. |
| Pista de auditoría | Registro manual de decisiones; a menudo fragmentado en correos electrónicos y registros de chat. | Registro automático e inmutable de cada paso de razonamiento y decisión tomada por el agente. |
La estrategia "integrada": Un nuevo modelo para la IA empresarial
El éxito de este despliegue surge de un modelo de colaboración único. En lugar de simplemente comprar una suscripción a una API, Goldman Sachs optó por una integración profunda. Durante seis meses, los ingenieros de Anthropic trabajaron codo a codo con los desarrolladores internos de Goldman. Este período permitió a los equipos ajustar los modelos Claude con los datos patentados del banco y los requisitos regulatorios específicos, "enseñando" eficazmente a la IA los matices de las finanzas institucionales.
Esta estrategia "integrada" destaca una tendencia creciente donde los modelos de lenguaje extensos (Large Language Models, LLM) de propósito general son insuficientes para las necesidades empresariales sin una personalización significativa. Al codesarrollar los agentes, Goldman Sachs se aseguró de que la IA pudiera manejar Información Material No Pública (Material Non-Public Information, MNPI) con los protocolos de seguridad necesarios, un requisito no negociable en el sector bancario altamente regulado.
Repercusiones económicas: Implicaciones para la fuerza laboral y el mercado
El anuncio ha tenido repercusiones inmediatas en los sectores tecnológico y financiero. Tras la noticia, los mercados vieron una venta masiva de acciones de software empresarial tradicional, impulsada por el temor de los inversores de que los agentes de IA pudieran dejar obsoletas las herramientas SaaS (Software as a Service) independientes. Si un agente de IA puede crear flujos de trabajo personalizados y gestionar datos directamente, la necesidad de licencias de software intermediarias disminuye.
Internamente, el movimiento se alinea con el enfoque estratégico del CEO David Solomon en la eficiencia. Solomon ha señalado anteriormente planes para "limitar el crecimiento de la plantilla" a medida que la firma se reorganiza en torno a las capacidades de la IA. Si bien Argenti describe a los agentes como apoyos para el talento humano —permitiendo que el personal se concentre en estrategias de mayor valor en lugar de procesos rutinarios—, la capacidad de los agentes para realizar el trabajo de analistas principiantes y proveedores de servicios externos sugiere una contracción a largo plazo en la contratación operativa.
Perspectivas estratégicas para Fintech
Goldman Sachs no está solo en esta carrera, pero su ejecución lo distingue. Mientras que JPMorgan Chase utiliza una suite de LLM para cientos de casos de uso, el enfoque de Goldman en agentes de alta autonomía para funciones contables centrales empuja la tecnología hacia la "capa de ejecución" del banco.
Para la industria de Servicios Financieros en general, este despliegue valida la seguridad y eficacia de los flujos de trabajo agénticos. Demuestra que con las salvaguardas adecuadas —específicamente, el enfoque de "IA Constitucional" favorecido por Anthropic que prioriza la seguridad y la interpretabilidad—, se puede confiar el libro mayor a la IA.
A medida que estos sistemas de Inteligencia Artificial maduran, la métrica del éxito en fintech está cambiando. Ya no se trata de quién tiene el chatbot más inteligente, sino de quién tiene la fuerza laboral de agentes digitales más capaz. Goldman Sachs ha hecho su jugada; es probable que el resto de Wall Street tenga que correr para ponerse al día.
