GBM AI Experience · AI & Finance

AI en la banca:el hoy y el mañana

Del análisis barato al criterio convertido en infraestructura

Carlos Haro · “Charlie” · AI Engineer

Encuesta

Los datos empiezan aquí

Primero, conozcamos la sala.

6 preguntas · aproximadamente 2 minutos

h1sort.com/p/UFRHASU9D4

Demo en vivo
Yo

COUNT(*)

respuestas una sola cifra
Agente

una pregunta de negocio

preguntas 1 2 3 4 5 6 respondente 1 respondente 2 respondente 3 ? respondente 4 sombreadas: las que cruza la pregunta de negocio El 3 no llegó a la 5 (trabajo). ¿Dónde queda en la tabla?

Por tipo de trabajo: ¿qué porcentaje usó IA para datos en los últimos 7 días y qué porcentaje ha usado un agente con una base de datos?

Producir análisisse abarató.

Acordar qué significa sigue requiriendo criterio.

¿Quién es este tipo?

Carlos Haro

Sr. AI Engineer en Banco Santander. Casi 10 años lidiando con datos.

@h1sort·h1sort.com

Hot takes

pandas es una pésima librería para el análisis de datos

los perros son mejores que los gatos

Santos Laguna es el mejor equipo de futbol de la historia.

Cuatro fases aproximadas · ~2013

La pregunta cabía en el negocio, no en el stack.

  1. ~2013
  2. ~2016
  3. ~2020
  4. ~2026
Alcance analítico Eventos de la appsemiestructurados Solicitudesoriginación Movimientosfondeo, operación Extracto manualun sistema a la vez Reporteel análisis termina aquí fin del trayecto extracción costosa Fragmentación evidencia en sistemas separados Formaeventos semiestructuradossin acceso práctico Escalacargas que compiten con la operación

¿En qué punto perdemos a los clientes entre iniciar una solicitud y fondear una cuenta?

FragmentaciónFormaEscala

~2016

Podemos observar más del negocio.

  1. ~2013
  2. ~2016
  3. ~2020
  4. ~2026
Alcance analítico Eventos de la appsemiestructurados Solicitudesoriginación Movimientosfondeo, operación Plano analítico en la nube Consulta analíticasolicitud + actividad + fondeo Reporteel análisis termina aquí carga analítica aislada
Más fuentesMás escalaCargas mejor aisladas

~2020

De observar a operar.

  1. ~2013
  2. ~2016
  3. ~2020
  4. ~2026
Alcance analítico Eventos de la appsemiestructurados Solicitudesoriginación Movimientosfondeo, operación Plano analítico en la nubecarga analítica aislada Consulta analíticasolicitud + actividad + fondeo Reporteya no es el final Ingestaadministrada Transformacionesdatos reutilizables Reverse ETLsegmentación → acciónCRM · procesooperativo (representativo)
ETL: lo que podemos verReverse ETL: lo que podemos hacer

~2026

La respuesta abunda. El criterio sigue siendo escaso.

  1. ~2013
  2. ~2016
  3. ~2020
  4. ~2026
Alcance analítico Eventos de la appsemiestructurados Solicitudesoriginación Movimientosfondeo, operación Plano analítico Ingestaadministrada Reverse ETLsegmentación → acciónCRM · procesooperativo (representativo) Harness herramientaspermisos · evaluación Persona Agente Interfaz Contexto compartido definicionesprocedenciacorrecciones correcciones regresan · cada pregunta empieza más informada

Criterio experto, convertido en infraestructura.

Adaptado de Ian Macomber, “The Shape and Feel of the Post-AI Data Stack”

Una definición operativa

An LLM agent runs tools in a loop to achieve a goal.

Simon Willison · 2025

ObjetivoHerramientasBucleCondición de salida
Objetivo Bucle pedir · ejecutar · observar Herramientas Condición de salida

La frontera

El modelo propone. La aplicación ejecuta.

Que el modelo solicite una acción no significa que esa acción ya ocurrió.

Modelo Objetivo Propone la siguiente acción. No la ejecuta. Solicitud de herramienta aún sin efecto Aplicación · runtime de confianza Identidad · permisos · presupuesto · validación llega a la puerta autorizada · ejecuta ✓ Herramienta efecto y resultado reales ✕ rechazada sin permiso o argumentos inválidos sin efecto Observación · resultado o rechazo otro turno hasta cumplir el objetivo ¿Condición de salida?

Demo en vivo

Una solicitud todavía no es una acción

Solicitud→Validación→Ejecución→Observación

demo/agent.py · L111–121 def d1_query(sql: str) -> str: motivo = validate(sql) # VALIDACIÓN if motivo: stage("RECHAZADA", motivo) return f"rechazada por la aplicación: {motivo}" stage("VALIDACIÓN", "ok · solo lectura") try: rows = wrangler(sql, show=True) # EJECUCIÓN except RuntimeError as exc: return f"error ejecutando SQL: {exc}" return render(rows) # OBSERVACIÓN

La misma pregunta · la base real de la encuesta · vía wrangler

Solicitud lo que proponeel modelo Solicitud ya existe Implementación lo que ejecuta la aplicación Validación Ejecución · pendiente Efecto: todavía no existe Observación · pendiente

Dos lugares

Dos lugares distintos para la IA

IA que escribe el programa Agente escribe código Pruebas y revisión normales revisión · pruebas · permisos Software ordinario ✓ Ejecución IA dentro del programa Modelo en ejecución solicitud Herramienta gobernada autorizada ✓ Ejecución ✕ rechazada · sin efecto

Una propuesta puede ser probabilística. Los permisos deben ser explícitos.

Ask / Execute / Judge

El mismo modelo. Distintas consecuencias.

No son niveles de madurez: son arquetipos de autoridad que un mismo sistema puede combinar.

Ask

Consultar

confiar en la respuesta

⊣ FallaRespuesta equivocada

Execute

Ejecutar

confiar en la acción

⊣ FallaAcción equivocada

Judge

Juzgar

defender la evaluación

⊣ FallaJuicio sin evidencia

Ask · Consultar · Caso ilustrativo

¿Cuántos clientes activos tenemos?

Ilustrativo
Misma consulta válida, definiciones distintas Definición A Definición B Definición C Definición aprobadade «cliente activo»con dueño y versión Fecha de cortey alcance Modelo Investigadoracotadopropone consultas Herramienta autorizada permisos antes del contexto Alcance autorizado Evidencia+ procedenciaconsulta · corte · fuente Respuestadefinición y cortea la vista Evaluación contra referencia validada Corrección → caso de regresión
DefiniciónPermisosCorteEvidencia

El warehouse reúne los datos.
La capa semántica conserva su significado.

Execute · Ejecutar · Caso ilustrativo

Una petición cambia el mundo

Ilustrativo

Perdí mi tarjeta. ¿Puedes bloquearla?

Clientesesión Modelo Propone unaoperación acotadabloquear(tarjeta) propuesta Política y validación identidad · autorización · objetivo válido ✕ rechazada sin efecto Aprobaciónsi el riesgolo exige ≠ autorización Ejecuciónidempotente Sistemaautoritativo Reciboresultado confirmado timeout Conciliar primerono reintentar a ciegas consulta el estado auditoría idempotencia conciliación
IdentidadAutorizaciónEfecto exactoRecibo

Judge · Juzgar · Caso ilustrativo

Agencia local. Invariantes globales.

Ilustrativo

Construir un caso, no dictar un veredicto. La evidencia obligatoria no es opcional.

Invariantes globales orden · evidencia obligatoria · rutas Alertade fraude Alcance · triajedeterminista Evidencia autorizada Transaccionescon procedencia Historialde la cuenta Puntaje de riesgoexistente evidencia completa si falta Ruta seguraevidencia incompleta Agencia local Agente acotadoinvestiga y recomienda pide observa Herramientas presupuesto · tiempo límite Políticade ruteo recomendación+ revisiónhumana estado duradero procedencia decisiones de revisión
Puededecidir qué evidencia adicional inspeccionar. No puededecidir que la evidencia obligatoria dejó de ser obligatoria.

Jev · Un componente, no un agente

Un juicio que el software puede consumir

Ilustrativo — no es un resultado medido

Estado + preguntas tipadas → valores + probabilidades → código

Aplicación · frontera de código Estado texto libre sintético: «gerente de analítica» Pregunta tipada ¿Qué categoría? Analítica / BI Ingeniería de datos Ciencia de datos / ML Desarrollo de software Liderazgo / gestión Estudiante / otro categorías predefinidas Jev un componente Una llamada tipada estado + pregunta una solicitud, una respuesta sin bucle de herramientas Valor +probabilidades por categoría(sin cifras) válida ≠ correcta Código de laaplicación agrega con SQL GROUP BY categoría enruta o revisa según la política SQL cuenta Jev clasifica evaluación con datos del dominio antes de enrutar la política es de la aplicación

Una categoría válida no necesariamente es correcta.

Frontera de confianza Significado compartidoEjecución gobernadaJuicio verificable evidencia y correcciones regresan procedencia · estado durable · auditoría

Hoy y mañana

El análisis se abarató. Nuestro trabajo:

Que el significado y las consecuencias no se pierdan.

Carlos Haro·@h1sort

Las diapositivash1sort.com/gbm-ai