El boom de la IA llegó a los bancos argentinos: el problema que admiten no es la tecnología, es la gobernanza.

Si querés ver cómo se implementa IA en serio en Argentina, no mires a las startups: mirá a los bancos. Son las organizaciones más reguladas, más auditadas y con más para perder del país, y aun así están acelerando el despliegue de IA agéntica para detectar fraude, hacer scoring crediticio y atender clientes. Lo interesante no es que la usen. Es lo que admiten cuando les preguntan qué les preocupa: no es la tecnología. Es la gobernanza.

Soy Diego Ceredi, consultor de IA certificado por Anthropic (Claude) y Google (Gemini), y ayudo a empresas argentinas a implementar IA sobre sus procesos reales —con foco en el control y el riesgo, no solo en la herramienta—. Este tema me importa porque desarma el mito más caro del momento: el del agente 100% autónomo que reemplaza a un equipo. Los que más saben de riesgo, los bancos, no lo usan así. Y por algo será.

¿Qué bancos argentinos ya usan agentes de IA y para qué?

El movimiento es transversal a las primeras líneas del sistema financiero. Según la cobertura del sector —La Nación relevó el estado de la IA en la banca el 13 de agosto de 2026—, los grandes bancos ya tienen la IA metida en el corazón del negocio, no en un rincón de innovación. Los frentes que se repiten son tres:

• Fraude y ciberseguridad. Modelos que detectan patrones anómalos de transacciones en tiempo real —el caso de uso donde la IA rinde más rápido en un banco, porque el costo del error es medible al peso.
• Scoring y riesgo crediticio. Agentes que cruzan historial, comportamiento y datos alternativos para evaluar a un cliente con más señales que un balance contable.
• Atención al cliente. Asistentes que resuelven consultas y operaciones simples, dejando a las personas los casos complejos.

El ejemplo mejor documentado no es de laboratorio: es BBVA Agro Advisor, un asistente de IA que el banco ya usa con su equipo comercial de agro y que monitorea más de 550.000 hectáreas con datos geoespaciales. Lo analicé en detalle en cómo BBVA implementa IA sobre sus procesos reales. No es una demo de feria: es IA en producción, con usuarios reales y escala concreta. Ese es el nivel al que juega la banca.

El miedo real de la banca no es la IA: es la seguridad de los agentes

Acá está el giro que casi nadie cuenta. Cuando a los referentes del sector les preguntan qué los frena, no hablan de que los modelos sean poco capaces. Hablan de control y seguridad. Un agente de IA no es un chatbot que responde: es un software que ejecuta acciones —consulta sistemas, mueve datos, dispara operaciones—. Y cada acción es una superficie de ataque nueva.

En el Finance Forum Argentina (evento del sector financiero realizado en agosto de 2026), la advertencia fue explícita: buena parte de los incidentes de robo de datos ya se originan en los propios agentes de IA. La lectura es incómoda pero honesta: cuanto más autonomía le das a un agente, más grande es el agujero si algo sale mal. Por eso el sector que más entiende de riesgo no está corriendo a soltar agentes autónomos, sino a ponerles barandas.

Ningún banco corre agentes sin humano en el medio

Este es el hecho que conviene grabar, porque contradice el hype: hoy ningún banco tiene agentes de IA operando sin supervisión humana en producción. Los agentes preparan, proponen, pre-clasifican y ejecutan lo de bajo riesgo; las decisiones sensibles —aprobar un crédito, bloquear una cuenta, mover fondos— pasan por una persona. El patrón tiene nombre: human in the loop, el humano en el circuito.

No es cautela por moda: es diseño de riesgo. Un agente que verifica identidad o autoriza pagos necesita controles explícitos, y la autonomía total en esos puntos es justamente lo que abre el fraude agéntico. Lo desarrollé en fraude agéntico y los controles que toda empresa necesita, y es la misma lógica con la que el marco regulatorio local viene apretando a las fintech —lo conté en lo que el BCRA le exige a los PSP en scoring y fraude.

Si querés entender por qué un agente autónomo no es lo mismo que un agente sin control, la distinción está en qué son realmente los agentes autónomos en las empresas y, más de fondo, en qué es un agente de IA y cómo se implementa. Autonomía y ausencia de gobernanza no son sinónimos: la banca lo demuestra todos los días.

¿Cómo aplica Mercado Pago el humano en el circuito con Mago?

El mismo patrón aparece fuera de los bancos, en una billetera que según iProUP tiene 25 millones de usuarios en Argentina. Mago es el asistente con IA que Mercado Pago puso dentro de su app: la evolución del Asistente Personal que la empresa había lanzado a fines de 2025. Según iProUP, quedó disponible para los usuarios argentinos a fines de agosto de 2026; en Chile ya funcionaba antes, y en la semana del 21 de septiembre de 2026 empezó su despliegue en México. Reúne más de cien funciones y entiende texto, voz, imágenes y documentos.

Lo que hace es concreto: arma las transferencias para dividir un gasto a partir de una captura de un chat, prepara el pago de un servicio desde la foto de la factura, crea recordatorios de vencimientos, detecta pagos que se repiten y propone automatizarlos, y analiza un mensaje, un correo o un número de teléfono sospechoso para decirte si puede ser un intento de fraude. Para un negocio, además, resume ventas y retiros.

Lo interesante para este artículo es cómo está diseñado. La página oficial se titula “Agente Personal de IA”, pero Mercado Pago lo presenta y lo construye como asistente: Mago prepara, la persona decide. Las acciones sensibles requieren la confirmación del usuario antes de ejecutarse, y la empresa lo repite en cada anuncio como su barrera de seguridad. En palabras de Ramiro Nández, director de Usuarios de Mercado Pago México, Mago “le muestra cómo resolverlo, mientras mantenemos la seguridad y la decisión final del lado de la persona”.

La elección tiene lógica de riesgo, no de marketing. Una captura de chat es justo el tipo de entrada que un estafador puede fabricar: si el asistente transfiriera solo, una imagen trucha alcanzaría para mover plata. Con la confirmación en el medio, el peor caso es una transferencia mal armada que la persona ve antes de aprobar. Es la misma regla que aplican los bancos: el agente prepara y propone; lo irreversible lo firma un humano. Si te interesa el otro costado de Mercado Pago, el de las compras que ejecutan agentes en nombre del cliente, lo cubrí en pagos agénticos en Argentina.

Fuentes: Mercado Pago — Mago, iProUP (25/08/2026), DPL News (22/09/2026) y ENTER.CO (22/09/2026).

Qué le enseña esto a tu empresa (no seas “pase tecnológico sin plan”)

Si el banco más grande no suelta un agente sin barandas, la pyme que lo hace no está siendo audaz: está siendo imprudente. El error más común que veo es tratar la IA como un pase tecnológico: comprar la herramienta, activarla y esperar que la gobernanza aparezca sola. No aparece. Se diseña antes. El orden correcto es al revés de como lo hace casi todo el mundo:

• Primero, el circuito de datos. Qué información puede tocar el agente y cuál no. Con planes de equipo (Team/Business o Enterprise), donde el proveedor garantiza por contrato que tus datos no entrenan sus modelos.
• Después, el punto de aprobación. Qué acciones ejecuta el agente solo y cuáles exigen que una persona firme. Todo lo irreversible o sensible, con humano en el medio.
• Recién ahí, la herramienta. El modelo es lo último que se elige, no lo primero. Y se elige por tarea, no por marca.

Esa es exactamente la diferencia entre una implementación de IA con criterio y una compra apurada que después hay que apagar. Y en un sector regulado como el financiero, no es opcional: trabajo esa gobernanza aplicada a entidades y fintech en IA para banca y fintech, donde el diseño de control es parte del proyecto, no un extra que se agrega al final.

Preguntas frecuentes

¿Qué bancos argentinos ya usan inteligencia artificial?

Los grandes bancos del país —entre ellos Galicia, Santander, BBVA y Macro— ya aplican inteligencia artificial y agentes de IA en frentes concretos: detección de fraude, scoring crediticio y atención al cliente. No es un plan a futuro: es adopción en producción. El caso público mejor documentado es BBVA Agro Advisor, un asistente de IA que el banco usa con su equipo comercial de agro y que monitorea más de 550.000 hectáreas con datos geoespaciales.

¿Los bancos usan agentes de IA sin supervisión humana?

No. Hoy ningún banco corre agentes de IA totalmente autónomos en producción. El estándar es “human in the loop”: el agente prepara, propone y ejecuta tareas de bajo riesgo, pero las decisiones sensibles —aprobar un crédito, bloquear una cuenta, mover fondos— las valida una persona. La autonomía total en puntos críticos es justamente lo que el sector evita, porque multiplica la superficie de fraude y de fuga de datos.

¿Mago de Mercado Pago hace pagos y transferencias solo?

No. Mago, el asistente con IA de Mercado Pago, prepara la operación —por ejemplo, las transferencias para dividir un gasto a partir de una captura de chat o el pago de un servicio desde la foto de la factura—, pero las acciones sensibles requieren la confirmación del usuario antes de ejecutarse. También propone automatizar pagos recurrentes, crea recordatorios y analiza mensajes sospechosos de fraude. Es el mismo criterio que usan los bancos: el agente prepara y propone, y lo irreversible lo aprueba una persona.

¿Cuál es el principal riesgo de la IA agéntica en la banca?

La seguridad de los propios agentes. Un agente no solo responde: ejecuta acciones sobre sistemas y datos, y cada acción es una superficie de ataque. En el Finance Forum Argentina de agosto de 2026 se advirtió que una parte importante de los incidentes de robo de datos ya se origina en agentes de IA. Por eso el foco del sector no está en si el modelo es capaz, sino en la gobernanza: qué puede hacer el agente sin aprobación humana y qué pasa si lo comprometen.

¿Qué es la gobernanza de IA y por qué importa más que la herramienta?

La gobernanza de IA es el conjunto de reglas y controles que definen qué datos puede tocar un modelo, qué acciones puede ejecutar solo, cuáles requieren aprobación humana y cómo se audita todo eso. Importa más que la herramienta porque la mayoría de los proyectos de IA no fracasan por falta de capacidad del modelo, sino por falta de diseño: se activa la herramienta sin definir el circuito de datos ni los puntos de control. Los bancos, que son los que más tienen para perder, empiezan por la gobernanza y eligen el modelo al final.

¿Una pyme puede implementar IA con la misma lógica que un banco?

Sí, y debería. La escala cambia, el criterio no. Una pyme puede definir su circuito de datos (usando planes de equipo que no entrenan con tu información), fijar qué acciones ejecuta el agente solo y cuáles pasan por una persona, y recién después elegir la herramienta. Ese orden —gobernanza primero, herramienta después— es lo que separa una implementación que rinde de una compra apurada que hay que apagar a las semanas.

Conclusión: la ventaja no la da el modelo, la da el control

El mensaje de fondo de la banca es contraintuitivo y por eso vale oro: en IA agéntica, el que gana no es el que suelta el agente más autónomo, sino el que lo gobierna mejor. La tecnología ya está disponible para todos —el mismo modelo que usa un banco lo podés usar vos—. Lo escaso, lo que hace la diferencia, es el criterio para decidir qué delegar, con qué controles y quién revisa.

Si tu empresa —banco, fintech o pyme— quiere implementar IA agéntica sin convertirse en el próximo titular de un incidente, hablemos. Trabajo la IA para banca y fintech y la implementación de IA en empresas con la gobernanza en el centro del diseño, no como un anexo.

Última actualización: 26 de septiembre de 2026 · Versión 1.1 · Esta versión suma el caso de Mago, el asistente con IA de Mercado Pago, como ejemplo de humano en el circuito fuera de la banca (fuentes en la sección correspondiente). Fuentes de la versión 1.0: La Nación sobre el estado de la IA en la banca argentina (13/08/2026) y la cobertura del Finance Forum Argentina (Bank Magazine). Análisis y opinión: Diego Ceredi, consultor de IA certificado por Anthropic (Claude) y Google (Gemini).