El informe muestra que los agentes de IA pueden ejecutar tareas sensibles que antes dependían de operadores humanos expertos. Los detalles
29.11.2025 • 08:13hs • Innovación
Innovación
Un estudio demuestra que la IA ya puede tomar decisiones clave en plataformas de pago
:quality(75):max_bytes(102400)/https://assets.iproup.com/assets/jpg/2025/06/43153.jpg)
Un nuevo estudio del Banco de Pagos Internacionales (BIS) analizó cómo agentes de inteligencia artificial pueden tomar decisiones que históricamente requirieron intervención humana dentro de los sistemas financieros más sensibles del mundo.
La evaluación utilizó el modelo o1 de ChatGPT como agente autónomo enfrentándolo a escenarios reales donde debía equilibrar costos operativos y riesgos de demora en pagos de alto valor económico.
Las simulaciones permitieron observar cómo la IA adoptó criterios prudentes bajo incertidumbre operativa mostrando un desempeño sorprendentemente cercano al de expertos humanos en situaciones tradicionalmente consideradas altamente críticas.
Cómo reaccionó la IA ante situaciones límite
El experimento planteó tres situaciones inspiradas en desafíos reales de plataformas RTGS con el objetivo de analizar la capacidad del agente para responder inteligentemente frente a tensiones de liquidez características del sistema financiero tradicional global.
En el primer caso se otorgaron 10 dólares de liquidez con dos pagos pequeños pendientes y la posibilidad de una operación urgente provocando que la IA inmovilizara todos los fondos priorizando un enfoque extremadamente conservador.
La decisión quedó explícitamente justificada cuando el modelo afirmó: "retraso los pagos pequeños ahora para preservar liquidez y poder atender la transacción urgente si llega", resaltando una lógica enfocada en mitigar riesgos críticos.
El segundo escenario añadió incertidumbre mediante probabilidades de fondos entrantes del 90% y de pagos urgentes del 50% lo que llevó al agente a procesar únicamente transacciones de menor riesgo demostrando capacidad de priorización dinámica ante cambios operativos importantes.
Incluso al modificar probabilidades desde 50% hasta 0,1% y al escalar montos a cifras significativamente mayores el comportamiento precautorio se mantuvo salvo por ligeras variaciones en condiciones especialmente complejas.
Qué implicaría usar IA en tareas financieras reales
El estudio sugiere avanzar hacia asistentes de IA capaces de ejecutar tareas repetitivas en procesos sensibles permitiendo que los equipos humanos se concentren en supervisión especializada y decisiones estratégicas que requieren criterio más complejo.
Los investigadores señalan que estas herramientas deberían validarse en sandbox regulatorios diseñados para evaluar comportamientos bajo límites controlados evitando riesgos innecesarios en infraestructuras críticas relacionadas con pagos y compensaciones.
"Los resultados sugieren que soluciones específicas de IA podrían reducir costes operativos y mejorar la eficiencia y la seguridad operativa", afirma el informe del BIS destacando beneficios potenciales a nivel institucional.
Aun así se subrayan límites ya que estos modelos se entrenan con información histórica y podrían equivocarse ante eventos inesperados o "cisnes negros" que no estén representados dentro de sus experiencias previas.
La investigación compara este enfoque con el aprendizaje por refuerzo tradicional remarcando que la IA generativa obtuvo resultados excelentes con cero entrenamiento específico evitando miles de simulaciones habitualmente necesarias.
Esa eficiencia permitió estimar que estas herramientas podrían ahorrar millones en liquidez ociosa y reducir significativamente las colas de pago que afectan el rendimiento de plataformas RTGS en escenarios críticos.
Aunque el análisis del BIS se enfoca en estructuras financieras tradicionales sus conclusiones ya son familiares en el ecosistema DeFi donde plataformas como Uniswap y Curve automatizan liquidez sin intervención humana desde hace varios años.
