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. Para el SOC o el red team del banco, Anthropic tiene un programa aparte que levanta parte de los bloqueos de ciberseguridad de Claude: el Cyber Verification Program.
• 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.

Actualización del 19 de octubre de 2026. Galicia puso nombre y arquitectura al tercer frente. En una columna en El Cronista del 14 de octubre, Diego Baccini, Head of Channels del banco, describió un asistente con un agente orquestador que coordina agentes especializados por producto dentro de una misma conversación. La primera etapa solo responde consultas informativas sobre productos, servicios y procesos; la siguiente sumaría asesoramiento con los datos del cliente, y lo transaccional queda para más adelante, sujeto a seguridad y regulación. En una entrevista con iProUP del 17 de octubre, Baccini agregó que hay temas vedados para la IA y que derivar a una persona “es parte de una buena experiencia”. Las sucursales no cierran en bloque: Galicia analiza convertirlas en centros de asesoramiento para personas y empresas, sucursales sin cajas y terminales de autoservicio.

Actualización del 1 de noviembre de 2026. ICBC Argentina arrancó por otro lado: adentro del banco y con un asistente, no con agentes. Según contaron sus voceros a iProUP, más de 1.400 colaboradores usan Copilot Chat a diario, 500 de ellos de forma intensiva, en áreas como Comercio Exterior, Oficios Judiciales, Contact Center y la Unidad Antilavado. El banco tiene una Política de IA desde 2024 y este año conformó un Comité de IA con líderes de nivel ejecutivo. Además fijó líneas rojas: las sospechas de estafa, las operaciones de alto riesgo y los casos de mora o vulnerabilidad del cliente quedan en manos de personas. Es el mismo argumento de este artículo: antes que el modelo, quién decide y con qué reglas.

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.

Para los bancos la exigencia ya está escrita. El texto ordenado del BCRA sobre requisitos mínimos para la gestión y control de los riesgos de tecnología y seguridad de la información (actualizado al 13 de febrero de 2026, Comunicación A 8401) dedica el punto 4.6 a la inteligencia artificial: la entidad tiene que documentar para qué usa cada software con IA o aprendizaje automático, propio o de terceros, asignar responsables, identificar modelos, algoritmos y datos de entrenamiento, y fijar métricas y umbrales de confiabilidad. La Alta Gerencia, además, debe asegurar evaluaciones de impacto y definir el apetito de riesgo para usarla. Un agente que opera sin ese respaldo documentado no es solo una elección de diseño discutible: es un punto que el supervisor puede observar en una inspección.

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. En su carta a accionistas del tercer trimestre de 2026 (4 de noviembre), Mercado Libre informó que Mago tuvo 19 millones de conversaciones solo en septiembre. Es la escala a la que se pone a prueba el humano en el circuito: no en un piloto, sino en millones de interacciones con plata real.

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), carta a accionistas de Mercado Libre, 3T-2026 (04/11/2026) y ENTER.CO (22/09/2026).

¿La IA ya pesa en la calificación crediticia de un banco?

Actualización del 29 de septiembre de 2026. La tesis de este artículo acaba de recibir un respaldo que no viene del marketing sino de una calificadora. En un informe publicado el 21 de septiembre de 2026, S&P Global Ratings advirtió que el uso de la IA va a pesar cada vez más en la calificación crediticia de las entidades financieras. Y lo que va a separar a las que salen fortalecidas de las que salen debilitadas, según S&P, es la madurez de su estrategia de IA y la solidez de su marco de gobernanza. No alcanza con adoptar rápido: cuenta cómo se controla lo que se adopta.

El informe se apoya en una encuesta a 179 instituciones financieras de todo el mundo, hecha en junio de 2026. Los números muestran una adopción amplia pero todavía defensiva:

• 84% ya usa IA en funciones de soporte y automatización.
• Menos de un tercio la usa para desarrollar productos o servicios nuevos.
• Los encuestados esperan ahorros de costos de hasta 4% este año y de 6% a 8% hacia 2028.

Una aclaración para no sobre-leer el dato: el informe es global y no menciona a los bancos argentinos. Pero el criterio que describe es el mismo que ya aplican las entidades locales con el humano en el circuito: la IA suma o resta según cómo se gobierne. Para un directorio, el argumento cambió de categoría: la gobernanza de IA dejó de ser un tema de cumplimiento interno y pasa a ser algo que mira quien te califica.

Fuentes: S&P Global Ratings — AI In Financial Institutions Survey (21/09/2026), con las cifras confirmadas en la cobertura de Bloomberg y Crypto Briefing.

¿Cómo se ve la IA a escala en un banco grande sin soltar el control?

Actualización del 3 de octubre de 2026. Afuera hay una referencia útil para medir el tamaño de lo que viene. El 1 de octubre de 2026, Anthropic anunció que Barclays, el banco universal británico, amplía el uso de Claude en toda la organización. El dato que conviene leer bien: la cifra más citada no es “Claude para 16.000 empleados”. Es que más de 16.000 colaboradores adoptaron el Colleague Knowledge Assistant, un asistente interno de conocimiento que funciona con Claude desde 2025 y que ya respondió más de un millón de búsquedas.

Lo interesante para este artículo no es la escala, sino cómo está armada. Ninguno de los tres usos que describe el anuncio pone a la IA a decidir sola frente al cliente:

Hay dos controles concretos que el anuncio sí describe. El asistente de conocimiento funciona con una arquitectura de generación aumentada por recuperación (RAG): responde a partir de la información del banco, no de lo que el modelo “sabe”. Y en Global Markets la IA no contesta mails: los clasifica, les agrega contexto y define la ruta, para que el pedido llegue completo a una persona de operaciones que es quien actúa. Más allá de eso, el anuncio habla de “gobernanza robusta, controles de seguridad y supervisión humana” en todos los casos de uso, pero no detalla cuáles: no menciona auditoría, registros ni niveles de aprobación. No lo completo con supuestos.

¿Qué puede copiar un banco argentino? Tres cosas que no dependen de tener el tamaño de Barclays: empezar por casos donde la IA asiste al empleado y no reemplaza la decisión; anclar las respuestas en documentación propia en lugar de dejar que el modelo improvise; y escalar por etapas con metas públicas y fechas, en vez de activar todo de una. Es el mismo patrón que ya vimos en los bancos locales y en Mago: la IA prepara y ordena, la persona decide. Si en tu entidad el tema es dónde corre el código, lo cubrí en Claude Code self-hosted para bancos y sector público.

Fuente: Anthropic — Barclays scales Claude to upgrade operations and improve client experience (01/10/2026).

El caso regional del otro lado del mostrador es Itaú, en Brasil. Es una referencia regional, no local: Itaú ya no tiene banco en Argentina desde que vendió su filial a Banco Macro en 2023. Su asistente ia.i, un chat integrado a la pantalla de inicio de la app, arrancó en julio de 2026 con unos 300.000 clientes en una primera fase, y el banco apunta a llegar a toda su base a fin de 2026, según el caso que publicó OpenAI en octubre de 2026. Itaú dice trabajar con modelos abiertos y cerrados de varios proveedores, y hace pasar todo por una plataforma interna de gobernanza (IARA) que controla qué modelo se usa, con qué costo y bajo qué políticas. En el lanzamiento, ia.i no cerraba contrataciones: llevaba al cliente a la pantalla donde la hace él. Es el mismo patrón de escalar por etapas con metas públicas, aplicado a la atención del cliente, que es donde el error de un modelo se ve en la cara del usuario.

Fuentes: OpenAI — How Itaú is building generative AI for its entire customer base (16/10/2026); Tecnoblog — Itaú libera nova IA nativa para 300 mil clientes (27/07/2026); CNN Brasil — Itaú vende unidade da Argentina para Banco Macro (24/08/2023).

La etapa que Galicia todavía no abrió, el asesoramiento con los datos del cliente, ya está en producción en Brasil. El 15 de octubre de 2026 Nubank lanzó Nu Smart Invest: le pone a la cartera de inversión de cada cliente un puntaje de hasta 1.000 sobre cinco pilares (diversificación, rentabilidad, liquidez, protección y eficiencia), marca qué le falta y sugiere cambios explicados activo por activo. No compra ni vende nada solo: cada decisión la toma el cliente. Es gratis para cualquier cliente con al menos R$ 1 invertido, llega de a poco y por ahora solo en Brasil. La pregunta de gobernanza es la misma que en el resto de este artículo: quién responde cuando la recomendación sale mal.

Fuente: Bloomberg Línea Brasil — Nubank lança ferramenta de IA que promete recomendações neutras de investimento (15/10/2026).

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.

¿La inteligencia artificial afecta la calificación crediticia de un banco?

Cada vez más. Según un informe de S&P Global Ratings del 21 de septiembre de 2026, basado en una encuesta a 179 instituciones financieras hecha en junio, el uso de la IA va a pesar cada vez más en la calificación crediticia. Lo que separa a las entidades que se fortalecen de las que se debilitan es la madurez de su estrategia de IA y la solidez de su gobernanza. El 84% ya usa IA en soporte y automatización, menos de un tercio la usa para productos nuevos, y los encuestados esperan ahorros de hasta 4% este año y de 6% a 8% hacia 2028. El informe es global: no menciona bancos argentinos.

¿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: 6 de noviembre de 2026 · Versión 1.4 · La versión 1.4 suma el aviso informativo y la norma del BCRA sobre riesgos de tecnología y seguridad de la información (punto 4.6, inteligencia artificial; fuente en su sección). La 1.3 sumó el caso de Barclays como referencia internacional de IA a escala con supervisión (fuente en su sección). La 1.2 sumó el informe de S&P Global Ratings sobre IA y calificación crediticia (fuentes en su sección). La 1.1 sumó 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).