Por Pablo Sáez Hurtado
CaixaBank abre la senda con una Oficina de IA mientras el resto del sector acelera inversiones multimillonarias bajo la lupa del nuevo marco regulatorio europeo
La revolución de la inteligencia artificial generativa ya no es un ejercicio teórico en la banca española, sino una realidad que empieza a verse en procesos, productos y cuentas de resultados. En apenas tres años, el sector ha pasado de los primeros pilotos discretos a desplegar modelos avanzados en áreas críticas como la atención al cliente, el análisis de riesgo o la gestión patrimonial.
En ese giro destaca un gesto simbólico y práctico a la vez: la decisión de CaixaBank de crear una Oficina de Inteligencia Artificial específica para gobernar todos sus proyectos. Un movimiento que condensa la idea de fondo: innovar rápido, sí, pero bajo una arquitectura de control, ética y cumplimiento regulatorio.
Mientras tanto, el resto de grandes entidades ha entrado en una carrera por no quedarse atrás. Santander, BBVA, Bankinter, Sabadell, Unicaja, ABANCA o Cajamar han convertido la IA generativa en prioridad estratégica, con inversiones que en conjunto superan ya varios miles de millones de euros y se apoyan en alianzas con los gigantes tecnológicos.
La otra cara de esta transformación es la del empleo y el talento. Los estudios apuntan a posibles recortes de hasta un 10% del empleo bancario europeo a 2030, pero las entidades insisten en un discurso distinto: reconfiguración de tareas, capacitación masiva y orientación del trabajo humano hacia el asesoramiento y la relación con el cliente.
En paralelo, el EU AI Act consolida al sector financiero como ámbito de “alto riesgo”, obligando a la banca española a convertir la gobernanza algorítmica en disciplina central de su día a día.
| Entidad | Iniciativas clave de IA generativa (2022–2026) | Alianzas estratégicas | Impacto |
|---|---|---|---|
| Santander | Estrategia global centrada en datos e inteligencia artificial; despliegue de ChatGPT Enterprise para unos 15.000 empleados, con objetivo de alcanzar los 30.000 a cierre de 2025[7]; plataforma de Speech Analytics que analiza en torno a 10 millones de llamadas al año[8]. | OpenAI, Microsoft, Amazon[9]. | Más de 200 M€ de ahorro operativo en 2024[8]; sistemas de IA que intervienen ya en alrededor del 40% de las interacciones de los contact centers[8]; más de 100.000 horas anuales liberadas para tareas de mayor valor añadido[8]. |
| BBVA | Hoja de ruta integral “The Eight” (2025) para rediseñar la experiencia financiera con IA[10]; pruebas tempranas con el modelo GPT-5 en funciones estratégicas[11]; iniciativa de IA responsable “Fair Learning”, en colaboración con la Universidad de Navarra, orientada a reducir sesgos y reforzar la equidad de los modelos[12]; asistente virtual “Blue” como interfaz conversacional para clientes. | OpenAI, Google Cloud, Universidad de Navarra. | Ahorro aproximado de 3 horas semanales por empleado gracias a asistentes GPT personalizados[13]; avance hacia una banca más predictiva y un servicio hiperpersonalizado; compromiso explícito con la ética y la “democratización” interna de la IA (modelos explicables y con sesgos corregidos)[12]. |
| Bankinter | Uso de Azure OpenAI (Microsoft 365 Copilot) para automatizar análisis de textos y elaboración de informes internos[14]; incorporación del asistente generativo “Dahlia” en la Banca Patrimonial para que los gestores realicen consultas complejas en lenguaje natural[15]. | Microsoft, Google Cloud. | Recorte muy significativo en el tiempo dedicado a buscar información financiera por parte de los banqueros privados[16][17]; mayor agilidad en la presentación de propuestas de inversión a clientes de altos patrimonios; liberación de horas de los gestores para dedicarlas a asesoramiento personalizado[17]. |
| ABANCA | Primer banco en España que lleva la IA generativa a la atención al cliente con el chatbot “SOFIA” basado en GPT-4[18]; servicio continuo 24/7 y en varios idiomas tanto en la web como en la banca digital para resolver consultas habituales. | N/A (desarrollo propio sobre tecnología abierta). | Entidad pionera en banca conversacional generativa en el mercado español[18]; mejora notable de la experiencia de usuario, con una valoración media de 4,23 sobre 5 en los pilotos[19]; más de 25 proyectos de IA generativa implantados en 2024 y un aumento de alrededor del 35% de productividad en los procesos transformados[20]. |
| Unicaja | Despliegue del asistente virtual “Nica” en la app móvil para facilitar la operativa digital mediante conversación natural (más de 100 gestiones diferentes cubiertas)[21]; diseño específico para mejorar la experiencia de clientes de mayor edad o con discapacidad. | Google Cloud (Vertex AI)[22], DXC Technology (acuerdo a 10 años). | Reducción de las barreras de entrada a los canales digitales y refuerzo de la inclusión financiera: Nica incrementa de forma sensible la accesibilidad a la banca online para personas mayores o con dificultades de uso[23]; mejora de la usabilidad y de la satisfacción del cliente sénior. |
| Sabadell | Introducción de agentes de IA internos para apoyar a los gestores en labores de backoffice y atención (resumen de documentación, elaboración de escenarios financieros personalizados, etc.)[24]; automatización de procesos administrativos bajo el enfoque de “IA como copiloto”. | Kore.ai (plataforma de asistentes conversacionales), DXC Technology. | Incremento de la velocidad de respuesta y ejecución; mayor consistencia gracias a la estandarización de criterios en los flujos de trabajo; capacidad de atender más casos sin necesidad de aumentar recursos[25]. Mejora de la productividad y de la calidad percibida del servicio; los gestores pueden dedicar más tiempo a la asesoría de valor. |
| Cajamar | Renovación del core bancario con arquitecturas híbridas en la nube apoyadas en Red Hat OpenShift[26][27]; adopción de la plataforma de IA generativa IBM watsonx como base para el desarrollo de nuevas soluciones de IA dirigidas al cliente[28]. | IBM. | Aumento de la eficiencia operativa en la banca cooperativa, con procesos más ágiles, resilientes y optimizados[29]; capacidad para desplegar y escalar aplicaciones de IA tanto en cloud como en instalaciones propias, manteniendo marcos sólidos de gobernanza y cumplimiento (modelos auditables alineados con el EU AI Act)[27]. |
CaixaBank: una Oficina de IA para ordenar la revolución
La decisión de CaixaBank de poner en marcha una Oficina de Inteligencia Artificial marca un antes y un después en la manera de gestionar esta tecnología en la banca española. No se trata de un simple comité técnico, sino de una estructura con funciones claras de gobernanza, operación, estrategia y cultura interna, concebida como “ventanilla única” para cualquier proyecto de IA dentro del grupo.
Su mandato es inequívoco: ningún modelo ni caso de uso entra en producción sin pasar por este filtro. La oficina revisa que los desarrollos –propios o de terceros– respeten tres condiciones no negociables: alineamiento con la normativa vigente, adecuación a los principios éticos definidos por el banco y aportación de valor tangible al negocio.
Este hecho revela un cambio de enfoque profundo. La IA deja de ser un conjunto de iniciativas dispersas y se convierte en un activo estratégico gestionado como un riesgo mayor: con políticas, procedimientos, métricas y responsabilidades claras. Además, cualquier empleado puede elevar dudas o propuestas, lo que democratiza el acceso a la tecnología y reduce el riesgo de “experimentos” fuera del radar de cumplimiento.
En la práctica, desde un chatbot que atiende consultas sencillas hasta un modelo de recomendación para concesión de crédito pasan por el mismo filtro metodológico. Es la forma que tiene CaixaBank de anticiparse a un entorno en el que los supervisores exigirán trazabilidad completa de cualquier decisión apoyada en algoritmos.
Inversión récord y primeros resultados cuantificables
La creación de la oficina se enmarca en un plan tecnológico de gran calado. El actual plan estratégico de CaixaBank prevé inversiones en tecnología cercanas a los 5.000 millones de euros entre 2025 y 2027, con la IA generativa como pieza central de ese esfuerzo. No se trata solo de modernizar sistemas heredados, sino de rediseñar procesos clave sobre nuevas capacidades de automatización y análisis de lenguaje natural.
Los primeros indicadores internos apuntan a mejoras notables: en algunos canales de atención, la entidad ha logrado aumentar en torno a un 20% la capacidad de respuesta en consultas y reducir hasta un 80% el tiempo medio de resolución de determinadas incidencias, especialmente en medios de pago. Son porcentajes que, trasladados a millones de interacciones al año, suponen un salto relevante en experiencia de cliente y eficiencia operativa.
La clave del enfoque es que la IA no se concibe como un añadido, sino como nuevo “sistema nervioso” del banco, insertado en el corazón de la operativa diaria. Desde el backoffice hasta la red comercial, los copilotos y asistentes de IA empiezan a actuar como capa intermedia entre el empleado y la información, filtrando, resumiendo y priorizando.
Lo más significativo, sin embargo, es que estas palancas tecnológicas conviven con una agenda muy estricta de seguridad, privacidad y control de sesgos. El objetivo es evitar que los atajos que ofrece la IA se traduzcan en decisiones opacas o discriminatorias que erosionen la confianza del cliente.
Santander, BBVA y la “primera división” de la IA bancaria
El impulso de CaixaBank no es un fenómeno aislado. Santander ha abrazado una estrategia abiertamente “data & AI-first”, integrando herramientas generativas en prácticamente todos sus negocios. El despliegue de ChatGPT Enterprise para unos 15.000 empleados, con objetivo de llegar a 30.000 a finales de 2025, y el uso intensivo de Speech Analytics en más de 10 millones de llamadas al año han permitido ahorros superiores a los 200 millones de euros anuales y que alrededor del 40% de las interacciones de los contact centers estén ya mediadas por sistemas de IA.
BBVA, por su parte, ha articulado su hoja de ruta alrededor del programa “The Eight”, que busca transformar la experiencia financiera apoyándose en modelos avanzados de predicción y recomendación. El banco ha extendido asistentes corporativos tipo GPT a decenas de miles de empleados, con ahorros de unas tres horas semanales por persona en tareas de búsqueda de información y redacción. En paralelo, proyectos como “Fair Learning” ponen el foco en corregir sesgos algorítmicos y hacer los modelos explicables y auditables.
El diagnóstico es inequívoco: la gran banca española compite hoy por posicionarse entre los grupos financieros más avanzados del mundo en IA, no solo por razones de eficiencia, sino para asegurar que el modelo de relación con el cliente en los próximos diez años no se desplace hacia nuevos actores puramente tecnológicos.
La segunda línea se mueve: patrimonios, inclusión y backoffice
Por debajo de los gigantes globales, los bancos de tamaño medio han optado por estrategias muy enfocadas. Bankinter explora la IA generativa en nichos de alto valor, como la banca patrimonial, con asistentes como “Dahlia” que permiten a los gestores obtener, en segundos, comparativas de fondos, análisis de carteras o escenarios de inversión que antes requerían largos procesos manuales. El resultado es una reducción notable del tiempo de preparación y una mejora en la calidad del asesoramiento para patrimonios elevados.
ABANCA se adelantó en el terreno conversacional al lanzar SOFIA, un asistente basado en modelos generativos para atender consultas 24/7 en varios idiomas. En los pilotos, los usuarios calificaron la experiencia con una nota superior a 4,2 sobre 5, mientras el banco desplegaba más de 25 proyectos de IA generativa en un solo año, con mejoras de productividad de entorno al 35% en procesos transformados.
Unicaja ha centrado su apuesta en la inclusión digital. Su asistente “Nica” está diseñado para facilitar la operativa de clientes sénior o con dificultades de acceso a la banca digital, ayudándoles a realizar más de un centenar de gestiones mediante lenguaje natural. La entidad subraya que la IA puede ser también herramienta de accesibilidad, no solo de eficiencia.
En el ámbito del backoffice, Sabadell ha desplegado agentes de IA que actúan como copilotos internos: resumen documentos, rellenan informes y preparan escenarios financieros, liberando a los gestores de tareas repetitivas. Cajamar, por su parte, ha apostado por modernizar su núcleo tecnológico con arquitecturas híbridas y plataformas como IBM watsonx, para poder escalar soluciones de IA tanto en la nube como on-premises con garantías de gobernanza.
Un sector de “alto riesgo” ante el escrutinio del EU AI Act
Todos estos movimientos se producen bajo la sombra de una norma que lo cambia todo: el Reglamento Europeo de Inteligencia Artificial (EU AI Act). El texto sitúa a buena parte de los usos financieros de la IA –sobre todo los vinculados a solvencia, scoring y acceso al crédito– en la categoría de “alto riesgo”, lo que activa un arsenal de exigencias específicas.
Entre ellas destacan la existencia de un sistema de gestión de riesgos a lo largo de todo el ciclo de vida del modelo, requisitos estrictos de calidad y no discriminación de los datos, obligación de documentación técnica detallada y registros de uso, mecanismos de supervisión humana efectiva y estándares elevados de precisión, robustez y ciberseguridad.
Lejos de ver la norma como un freno, buena parte de la banca española ha optado por un enfoque de “cumplimiento por diseño”. Muchos proyectos relevantes de IA ya pasan por comités éticos internos y evaluaciones de impacto algorítmico antes de su despliegue, y los equipos de cumplimiento trabajan de forma integrada con los data scientists.
España, además, ha ganado tiempo con la puesta en marcha de sandboxes regulatorios específicos para IA, que han servido como campo de pruebas supervisado para modelos en entorno real. El mensaje que se envía a Bruselas es claro: el país quiere ser laboratorio de cómo combinar innovación y control en un ámbito especialmente sensible.
Empleo, talento y el “modelo español” de IA responsable
El gran interrogante es qué ocurrirá con el empleo bancario en este contexto. Algunos estudios de referencia estiman que la automatización podría recortar hasta un 10% de los puestos de trabajo en la banca europea de aquí a 2030, en torno a 200.000 empleos. El impacto se concentraría en funciones de backoffice y middle-office altamente repetitivas, donde la IA puede lograr ahorros de hasta el 30% del tiempo dedicado a tareas rutinarias.
Las entidades españolas, sin embargo, insisten en una narrativa distinta. Subrayan que el objetivo es redefinir perfiles, no prescindir de ellos. Herramientas como el reconocimiento y análisis masivo de llamadas, que en algunos casos han liberado más de 100.000 horas de trabajo al año, se presentan como oportunidad para que los equipos se centren en el acompañamiento al cliente, la venta consultiva o el diseño de nuevos productos.
En paralelo, los bancos despliegan planes de formación obligatoria en IA para buena parte de sus plantillas, itinerarios específicos para científicos de datos y nuevos roles híbridos entre negocio y tecnología. El mensaje es que sin talento interno capaz de entender, cuestionar y gobernar los modelos, la inversión en infraestructura y licencias se quedará a medio camino.
El contraste con otros mercados resulta elocuente. Mientras en algunos países la conversación gira casi exclusivamente en torno al ajuste de costes, el sistema financiero español intenta construir un “modelo propio” donde la IA se vea como palanca de competitividad y, al mismo tiempo, como prueba de fuego de su compromiso con la ética, la transparencia y la protección del cliente.
En ese equilibrio entre disrupción tecnológica y disciplina regulatoria se juega buena parte del futuro de la banca nacional. Si el experimento sale bien, España podrá presentarse como ejemplo de cómo innovar agresivamente sin romper la confianza que sostiene el negocio financiero.