Bloomberg — Nadie quiere dar nunca un cheque en blanco a un equipo tecnológico. Sin embargo, a muchos directores financieros se les pidió precisamente eso en la prisa inicial por adoptar la inteligencia artificial. Ahora, tras demasiadas facturas inesperadas, encontrar una forma de controlar los costos se ha convertido en una necesidad imperiosa.
Se trata de un tema candente en los bancos, donde los presupuestos tecnológicos ya se ven sometidos a presión por demandas contrapuestas que van desde la modernización de los sistemas informáticos heredados hasta la ciberseguridad. Algunas de las mayores esperanzas de mejora de la productividad se depositan en la IA autónoma, capaz de abordar tareas complejas de forma autónoma, pero para la que resulta intrínsecamente difícil elaborar un presupuesto, ya que la cantidad de potencia de cálculo que consume cada tarea puede ser impredecible.
Ver más: CEO de BlackRock alerta que frenar la expansión de la IA pondría en riesgo la economía
“De hecho, no creo que nadie en la organización lo tenga bien claro: si voy a hacer XYZ, ¿cuál va a ser mi costo?“, afirmó Bhavi Mehta, socio de Bain & Co. y responsable global de análisis avanzado en servicios financieros. ”A medida que la IA avanza hacia un razonamiento más sofisticado y flujos de trabajo automatizados, los recursos necesarios para una tarea determinada pueden variar significativamente. Esto hace que comprender el costo junto con el valor empresarial sea cada vez más importante a medida que los bancos amplían el uso de la IA", añadió.
Solo 12 de los 50 bancos más grandes del mundo analizados por la empresa de evaluación comparativa de IA Evident han atribuido públicamente los rendimientos previstos u obtenidos a su adopción de la IA, según su último informe. Sin embargo, son pocos los directores generales que no alaban los posibles beneficios. El aumento de la inversión en esta tecnología se mencionó durante las conferencias sobre resultados del tercer trimestre en varios bancos estadounidenses, desde Citigroup Inc. (C) hasta Goldman Sachs Group Inc. (GS), pero solo unos pocos ejecutivos disponían de cifras precisas sobre sus gastos en IA o sobre los beneficios financieros que están generando.
Así pues, a medida que el sector pasa de la fase de experimentación a la de implantación, Bloomberg News ha hablado con más de una docena de ingenieros, ejecutivos y asesores sobre sus experiencias y estrategias.
Los bancos buscan modelos de IA más baratos
Aunque el ‘tokenmaxxing’, la práctica de los ingenieros de utilizar la IA al máximo, se ha hecho famoso, no siempre es la causa del aumento desmesurado del uso de tokens.
Cuando el sistema de supervisión de Deutsche Bank AG (DB) detectó que algunos empleados consumían volúmenes inusualmente elevados de tokens, resultó que muchos de ellos estaban realizando un trabajo útil, según explicó Christoph Rabenseifner, director de estrategia del banco para tecnología, datos e innovación.
En lugar de restringirles el acceso, el banco orientó ese uso hacia una dirección más productiva. Además, probó una tarea en un modelo más pequeño y especialmente entrenado, en lugar de en un gran modelo de vanguardia, lo que redujo los costos varias veces, añadió Rabenseifner.
El Banco Santander SA (SAN) ejecuta grandes modelos de vanguardia únicamente para comprobar si una aplicación cumple con sus criterios de calidad; a continuación, traslada las cargas de trabajo probadas a modelos más ligeros y económicos. Este enfoque contribuyó a reducir los costos de ejecución de unos 5 euros (US$5,61) a 0,03 euros por proceso de aprobación de un préstamo, según explicó Ignacio Bernal, director de inteligencia artificial del banco.
“Cuando se traslada la IA de las fases piloto a la producción en un banco global, el costo de inferencia deja de ser un error de redondeo y se convierte en una partida de costos operativos real”, señaló Bernal, indicando que algunos procesos se ejecutan millones de veces al año, lo que eleva significativamente los gastos informáticos.
El Canadian Imperial Bank of Commerce (CM) ha constatado que sus modelos más potentes, entre ellos Opus de Anthropic PBC, pueden suponer un costo de 3.000 dólares canadienses (US$2.130) por empleado al mes, una factura que podría dispararse rápidamente al sumarse a miles de trabajadores.
Como medida de control de costos, el banco restringió el acceso a unos pocos cientos de empleados, al tiempo que limitó su último espacio de trabajo integrado, CAI 2.0, aún en fase de pruebas, a 250 usuarios, cada uno de los cuales puede gastar entre 4 y 250 dólares canadienses al mes. “Es demasiado potente como para que 50.000 personas lo utilicen sin ningún tipo de control”, afirmó Jaime Tatis, director de Datos e Inteligencia Artificial del CIBC, en una entrevista realizada en julio.
Ver más: Griffin alerta sobre una burbuja de IA, pero los CEO de BlackRock y Deutsche Bank discrepan
La IA con agentes se está convirtiendo en uno de los principales factores del aumento de los costos. Los grandes bancos anunciaron 19 casos de uso de IA con agentes en el primer trimestre de 2026, frente a los ocho del trimestre anterior, según Evident. En el segundo trimestre, la cifra se redujo a la mitad, no porque los bancos estén perdiendo interés en los agentes, sino porque las entidades les están pidiendo que asuman tareas más complejas.
Wells Fargo & Co. (WFC), por ejemplo, quiere que la IA con agentes domine 1.100 pasos del proceso hipotecario antes de implementarla en los flujos de trabajo, según el informe de Evident. A diferencia de las herramientas de IA convencionales, los sistemas con agentes ejecutan de forma autónoma tareas complejas de varios pasos, entre las que se incluyen el análisis de estados financieros, el seguimiento de prestatarios, la verificación de documentos y la detección de actividades de blanqueo de capitales.
Este procesamiento exige importantes recursos computacionales, lo que se traduce en un mayor consumo de tokens y, a su vez, eleva los costos mensuales.
En una entidad crediticia asiática, después de que algunos equipos agotaran su asignación de tokens en la primera semana, el banco decidió poner en común los tokens y crear un agente que recorte las instrucciones antes de que lleguen al modelo, según un alto ejecutivo de datos que pidió no ser identificado al hablar de asuntos internos.
Los modelos chinos entran en la ecuación de costos
La cuestión del costo ha puesto sobre la mesa los modelos chinos. Una nota de JPMorgan Private Bank de julio indicaba que un modelo GLM de la empresa Z.AI, con sede en Pekín, ofrecía un rendimiento equiparable al del mejor modelo disponible en marzo, con un costo superior en más de un 80% al del modelo de vanguardia más caro en aquel momento.
Las principales entidades crediticias de Singapur están experimentando con diversos modelos. El marco de IA neutral de United Overseas Bank Ltd. está abierto a proveedores chinos, y DBS Group Holdings Ltd. afirma que no depende en exceso de ningún proveedor en concreto, ya sea estadounidense o chino.
Los reguladores han planteado algunas preocupaciones. El organismo supervisor bancario de Canadá solicitó recientemente a su personal que elaborara unas normas mínimas sobre el uso que las entidades crediticias hacen de los modelos de IA de vanguardia, incluyendo aspectos de seguridad, mientras que la vicepresidenta de Supervisión de la Reserva Federal de EE.UU., Michelle Bowman, ha advertido a los bancos que deben reforzar sus sistemas frente a las amenazas impulsadas por la IA.
Esto hace que los modelos menos evaluados, especialmente los extranjeros, resulten más difíciles de justificar ante los consejos de administración. A los responsables de riesgos también les preocupa que los agentes de IA, una vez implementados, puedan comportarse de forma impredecible dentro de los propios sistemas de un banco, una preocupación que ha cobrado importancia en los últimos meses.
National Australia Bank Ltd. alegó motivos de seguridad y gobernanza a la hora de barajar alternativas a los modelos de IA desarrollados en EE.UU., incluidos los chinos, según informó Bloomberg News en agosto.
Los bancos imponen límites al gasto en IA
Durante la primera oleada de adopción de los servicios en la nube, hace más de una década, los bancos tardaron al menos cinco años en controlar los costos que aumentaban con el uso y en incluirlos en una partida presupuestaria específica, según J.R. Storment, CEO de la Tokenomics Foundation.
Lo que ha cambiado ahora es que los directores financieros están reaccionando ante los picos de costos de la IA en un plazo de entre 6 y 18 meses tras su adopción, lo que dificulta fijar un precio definitivo para los modelos de IA de gama alta, añadió.
Nitin Madan, antiguo director financiero de las operaciones de Barclays Plc (BCS) en la India, recuerda bien esa presión. Cuando preguntó a sus colegas del departamento de tecnología qué modelos de IA tenían previsto implementar y cuánto costarían, le respondieron que esas preguntas “incomodaban a todo el mundo”, afirmó Madan.
Ver más: La IA podría estar en una burbuja, pero aún es pronto para temer sus consecuencias: Federated Hermes
Dado que las nuevas herramientas y actualizaciones de IA llegan al mercado a un ritmo vertiginoso, Madan señaló que el gasto en IA en todo el sector no puede repartirse a lo largo de varios años, como ocurre con la mayoría de los costos de software, por lo que repercute de inmediato en los beneficios. Nadie puede afirmar con certeza si los modelos actuales seguirán utilizándose dentro de tres años, añadió.
En JPMorgan Chase & Co. (JPM), algunos empleados “gastaban más en tokens que lo que ganaban de sueldo” y, sin embargo, la empresa no estaba racionando el uso de la IA en aquel momento, según declaró en junio a Semafor Zachery Anderson, director de datos y análisis de la división de pagos del banco.
Desde entonces, JPMorgan ha establecido límites de gasto mensuales de US$2.000 en el ‘Claude Code’ de Anthropic para determinados ingenieros, según informó Business Insider este mes. El director financiero del banco, Jeremy Barnum, señaló en la conferencia sobre resultados de la entidad celebrada este mes que su gasto anual en IA ascendía a unos US$700 millones, aunque resulta difícil determinar una cifra exacta, ya que la tecnología se ha extendido por todo el banco.
En muchos otros bancos, la dirección también ha pasado de considerar el gasto en IA como prácticamente ilimitado a buscar formas de contenerlo.
A Alex, ingeniero sénior especializado en aprendizaje automático de un gran banco europeo, se le pidió en febrero de este año que limitara el gasto en IA de su equipo. El motivo fue una factura de 80.000 euros que el equipo había acumulado tras desarrollar un chatbot avanzado e implementarlo en miles de flujos de trabajo. La suma, aunque no resultaba desmesurada para un gran banco, hizo ver al director financiero que podría convertirse en una bola de nieve hasta alcanzar millones si no se controlaba. Para Alex, quien pidió que no se revelara su nombre completo para evitar repercusiones profesionales, la cuestión pasó rápidamente de si el chatbot funcionaba a si el banco podía permitirse mantenerlo a gran escala.
Para reducir costos, rediseñó el chatbot de modo que almacenara en caché las respuestas a las preguntas más frecuentes y las volviera a mostrar cada vez que un usuario las formulara de nuevo. Las solicitudes más sencillas se derivaban a modelos de código abierto. Solo las consultas que consumían muchos tokens, aquellas que requerían búsquedas más exhaustivas, se derivaban a modelos premium de plataformas como ChatGPT o Claude. Esto redujo la factura de la IA en aproximadamente un tercio.
Algunos bancos están abordando el problema de la previsión con mayor antelación. La entidad financiera francesa BNP Paribas SA aprueba cada proyecto de IA tras calcular su costo de funcionamiento. La plataforma interna del grupo establece un precio por token, lo multiplica por los volúmenes previstos y compara el total con el valor que la herramienta debería aportar, según explicó Hugues Even, director de datos del grupo bancario.
BNP cubre la mayor parte de sus necesidades informáticas con sus propios chips, adquiridos como inversiones plurianuales, y los complementa con proveedores de servicios en la nube. BNP distribuye la supervisión de la IA entre varios comités presididos por los responsables de tecnología, riesgos, finanzas y recursos humanos, además de un comité de IA del grupo dirigido por el CEO. “Cada uno se lleva su parte del pastel”, afirmó Even. El director financiero controla el costo de la implantación de la IA en todo el grupo, añadió.
Los bancos buscan medir el costo y el valor de la IA
Muchas entidades crediticias se enfrentan a la rapidez de los cambios, ya que aparecen modelos más nuevos y costosos antes de que se haya completado la integración de los anteriores. Y para ayudarles a medir y contener los posibles aumentos de costos, está surgiendo un sector emergente.
Ramp, que ayuda a las empresas a realizar un seguimiento y controlar el gasto en tokens, afirma que una de cada tres empresas que utiliza su herramienta ha descubierto en qué ámbitos podía pasar de modelos de vanguardia más costosos a otros más económicos sin comprometer la calidad.
Rogo Technologies Inc., una startup de IA que colabora con entidades bancarias, afirma que agrupa la demanda de sus clientes para negociar descuentos con los laboratorios de IA y permite a los bancos establecer presupuestos de tokens incluso a nivel de usuario individual.
La Fundación Tokenomics, entre cuyos miembros se encuentran JPMorgan, Bank of New York Mellon Corp., KPMG LLP y Google Cloud, se ha creado para establecer estándares comunes del sector que permitan realizar un seguimiento de los costos de la IA, que a menudo resultan opacos. Su objetivo es medir qué obtienen las empresas a cambio.
El acceso se ha convertido también en una cuestión relacionada con la contratación. En la entidad crediticia asiática, los candidatos a desarrolladores preguntan en las entrevistas de trabajo por su presupuesto de tokens, además de por su salario. Los ingenieros preguntan qué modelos tendrán a su disposición y qué límites se aplican, según explicó Madan, el antiguo director financiero.
David Hardoon, que dirigió la implementación de la IA en Standard Chartered Plc y ahora es responsable de IA avanzada para el Sudeste Asiático en Accenture Plc, sostiene que toda gran organización necesita un director de IA con autoridad real.
Aunque varios bancos ya cuentan con uno, son pocos los que han otorgado a este cargo el poder suficiente para imponer disciplina en la elaboración de previsiones y la implementación sin frenar la innovación. Un director de IA podría hacerse cargo de esa cuestión, pero solo si cuenta con la autoridad para actuar en toda la organización, afirmó Hardoon.
Por el momento, controlar la ecuación de costos durante la fiebre del oro de la IA puede generar tensiones internas, especialmente cuando los ejecutivos bancarios consideran que no pueden arriesgarse a quedarse atrás en su adopción.
La idea es: “Si nosotros no lo hacemos, nuestros competidores sí lo están haciendo”, afirmó Vitaly Gordon, CEO de Faros AI, una empresa de software que ayuda a bancos y empresas tecnológicas a vincular el gasto en IA con los resultados.
Esta mentalidad de “carrera armamentística” en todo el sector se está traduciendo en un rápido agotamiento de la liquidez y está provocando una situación en la que, según él, “en la mayoría de los casos, lo único que ocurre es que el director financiero recibe una factura y se pone a gritar”.
-Con la colaboración de Nil Codina Martínez.
Lea más en Bloomberg.com
