Babel, compañía de origen español especializada en transformación digital con amplia experiencia en el sector financiero, ha analizado los principales retos que afronta el mercado español para transformar la IA agéntica en su principal arma contra el cibercrimen financiero.

En los últimos años, las entidades bancarias han adoptado un rol mucho más activo en prevenir el crimen financiero. Sus equipos dedicados han reforzado sus controles, pero la misma infraestructura digital que ha supuesto la democratización sin precedentes en el uso de servicios financieros telemáticos, también ha permitido la orquestación de ciberataques mucho más potentes y sofisticados.

La IA ha sido un parte activa de esta transformación, tanto por el lado de los defensores, como de los atacantes. El fraude habilitado por IA superó los 893 millones de dólares en 2025, y las proyecciones apuntan a 40.000 millones anuales en los próximos años, sólo en EE.UU.*, país en el que las identidades sintéticas drenan entre 30.000 y 35.000 millones de dólares anuales de los sistemas financieros **.

Un enfoque solo humano, inviable por la escala del cibercrimen

Según Marga García, managing director para Sector Banca en Babel, “hoy en día, los equipos de crimen financiero operan bajo una presión estructural que los sistemas no pueden absorber. Se caracteriza por volúmenes de alertas que superan la capacidad de revisión humana, tasas de falsos positivos que en algunos bancos superan el 90% y procesos de investigación que consumen semanas de trabajo analítico por caso. Esto y el hecho de que las amenazas hoy están evolucionando más rápido que los controles, hace urgente avanzar en el aprovechamiento de la IA para la defensa, para reequilibrar la balanza.”

El informe Babel Banking Radar: Agentic Financial Crime 2026 elaborado en colaboración con Digit Institute explica cómo la IA agéntica podría significar un punto de inflexión en la lucha contra el crimen financiero. En el lado del defensor, no se trataría solo de una mejora incremental, porque hablamos de la primera tecnología capaz de ejecutar de forma autónoma el ciclo completo: desde la detección hasta la investigación y la documentación, sin intervención humana en el tramo rutinario.

Desde Babel aseguran que, dado que el área de Financial Crime de las entidades financieras es el área más “caliente” en cuanto a la frecuencia de las decisiones, el más regulado y donde equivocarse supone un mayor coste, debería ser un área prioritaria para el despliegue de agentes de IA.

“Los actores maliciosos ya se están sirviendo de la IA agéntica, desplegando redes de agentes coordinados que crean identidades, abren cuentas, ejecutan transacciones y se disuelven antes de ser detectados. Además, sus ataques evolucionan de la cantidad a la calidad”, explica la experta de Babel.

El impacto más inmediato del despliegue de estos agentes para la defensa sería operativo, pero el cambio final más relevante no reside en esta mejora de la eficiencia, sino de la capacidad de anticipación de los equipos, como diferencia estratégica. Algunos indicadores claves de los que esta tecnología podría armar a la banca serían:

• Velocidad de aparición de nuevas identidades sintéticas, lo que indica una campaña de fraude en preparación.
• Tasa de drift de tipologías: los patrones de fraude empiezan a divergir de los históricos.
• Densidad de clustering de cuentas mula: señal de red organizada antes de que ejecute.
• Anomalías en grafos de relaciones previas a la transacción sospechosa.
• Correlación cross-entidad: el mismo patrón emergiendo simultáneamente en varios bancos.
• Velocidad de creación de cuentas en canales digitales versus la media histórica del segmento.

A pesar de estos beneficios, sólo el 11% de las organizaciones financieras a nivel global cuenta con agentes de IA en producción real, frente al 74% que planea desplegarlos en los próximos dos años, según TechTrends 2026 de Deloitte.

Cómo pasar con éxito de pilotos de IA agéntica a producción

Para ayudar al paso efectivo de pilotos a ecosistemas de agentes en producción, Babel ha identificado 8 capas de despliegue necesarias:

• Razonamiento: capa sin la cual los agentes de IA volverían a ser simples clasificadores estadísticos y perderían la autonomía que los justifica.
• Memoria y conocimiento: dota al sistema de persistencia con memoria de sesión para investigaciones en curso, memoria semántica vectorial que recupera por significado y grafos relacionales para redes de entidades.
• Datos operativos: capa que lleva transacciones, perfiles, listas de sanciones, blockchain, fuentes y feedback regulatorio hasta los agentes.
• Orquestación multi-agente: coordina los 8 blueprints, para que actúen en conjunto y aseguren el escalado.
• Privacidad y colaboración externa: el marco europeo impide mover datos personales entre entidades, pero no impide compartir conclusiones para una coordinación entre entidades en tiempo real.
• Observabilidad y trazabilidad: registra cada decisión como condición para la autotolerancia y la respuesta adaptativa.
• Defensa intrínseca del agente: capa de defensa desde dentro, en la que el agente reporta su estado y se autolimita.

4 sellos para combatir la desconfianza en la IA agéntica

El despliegue de IA agéntica en el ámbito financiero está en una fase muy temprana: los datos indican que muy pocas organizaciones tiene capacidad real de desplegar agentes con seguridad (el 63% reconoce no disponer de governance para IA generativa, 95% de los CISOs duda de su capacidad para detectar o contener un agente comprometido, y solo el 17% monitoriza las interacciones entre agentes).

Para fomentar la confianza en la transición de pilotos a producción, Babel define cuatro sellos que un agente de IA debe obtener antes de operar en un entorno bancario:

• Sello de ciberseguridad: porque un agente de IA en banca no es un chatbot, sino un agente no humano con acceso privilegiado y que nunca duerme.
• Sello de cumplimiento: porque el EU AI Act clasifica los sistemas de scoring crediticio y detección de blanqueo como alto riesgo.
• Sello de evaluación: dado que el 100% de los sistemas de IA empresariales evaluados ha presentado al menos una vulnerabilidad explotable y el 90% se ha visto comprometido en 90 minutos (fuente: Zscaler, 2026)
• Sello de operación: para mostrar la resiliencia, monitorización continua y MLOps de grado bancario.