Buscar

La Arquitectura de la Banca Agéntica

2026-06-11

The Architecture of Agentic Banking

El sector de servicios financieros ha alcanzado los límites funcionales de la migración estándar a la nube nativa y de la automatización pasiva. Si bien la digitalización de sistemas heredados logró transformar flujos de trabajo analógicos en microservicios e interfaces web, los sistemas subyacentes siguen siendo reactivos: requieren instrucciones humanas explícitas o reglas rígidas y codificadas para ejecutar tareas.

La transición hacia la banca basada en agentes (Agentic Banking) supone un cambio fundamental: se pasa de flujos de trabajo iniciados por humanos a operaciones autónomas impulsadas por la intención. Esta arquitectura se basa en motores especializados de IA de agentes de nivel de producción, capaces de razonar de forma independiente, mantener el contexto en tiempo real y ejecutar herramientas a través de distintas aplicaciones. La implementación de este paradigma exige una actualización importante de toda la infraestructura tecnológica empresarial, concretamente en áreas como la computación optimizada para IA, el procesamiento de libros mayores (core ledger), la orquestación de flujos de datos y los mecanismos de resiliencia automatizada.

Para llevar a cabo esta transformación, las instituciones financieras emplean modelos fundacionales de código abierto y arquitecturas de IA híbridas, que combinan despliegues en la nube y en instalaciones locales (on-premises), con el fin de equilibrar la seguridad de los datos, el cumplimiento normativo y el control de costes. Al adaptar modelos fundacionales de propósito general para crear aplicaciones específicas de dominio, los bancos mejoran la velocidad de procesamiento y la capacidad de adaptación a diferentes escenarios. Esta estrategia se articula en torno a seis dimensiones estructurales impulsadas por Huawei: centrarse en escenarios de negocio de alto valor, construir arquitecturas híbridas seguras, establecer prácticas de ingeniería estandarizadas, optimizar los fundamentos de datos, desplegar infraestructuras de computación de IA de alto rendimiento y formar a 10.000 expertos interdisciplinarios en los próximos tres años.

La creación de una institución financiera con capacidades de agente autónomo no puede lograrse mediante la adquisición aislada de tecnología; requiere una estrategia de ingeniería sistemática que combine una infraestructura de TIC robusta con una capa de software abierta y una ejecución altamente localizada. A través del desarrollo del ecosistema de socios globales RONGHAI, Huawei ha establecido un modelo de colaboración estructurado de "cuatro victorias" (4-Win) para alinear su infraestructura con proveedores de software independientes (ISV) especializados e integradores de sistemas (SI) locales. Esta estructura de ecosistema aborda directamente las capas de software e implementación necesarias para alcanzar una escala operativa basada en agentes. Aprovechando modelos de código abierto y un ecosistema abierto, Huawei, junto con diez socios del ecosistema RONGHAI, ha diseñado nueve soluciones empresariales especializadas basadas en agentes de IA en cuatro ámbitos clave: interacción inteligente, operaciones eficientes, control de riesgos inteligente y crecimiento de ingresos; transformando así la potencia de cómputo abstracta en flujos de trabajo operativos específicos para el cliente final.

Modernización del Libro Mayor Central

El mantenimiento de estos bucles de inferencia a nivel de hardware requiere una capa de aplicación bancaria central (core banking) que sea adaptable. Las plataformas bancarias centrales heredadas, generalmente basadas en arquitecturas monolíticas de *mainframe*, generan importantes barreras estructurales para los sistemas autónomos. Dado que la lógica de negocio está ligada a bases de código procedimentales y rígidas, a los agentes autónomos les resulta difícil descubrir API o ejecutar transacciones entre diferentes dominios bancarios.

La solución Huawei Digital CORE 6.0 moderniza estos sistemas heredados transformándolos en arquitecturas nativas de la nube, abarcando plataformas centrales de tarjetas de crédito, pagos de bancos centrales y seguros. Respaldada por Huawei CodeArts, la plataforma incorpora agentes de IA diseñados específicamente para la refactorización y transcodificación automatizada de código, logrando una tasa de adopción de transpilación de código de mainframe superior al 90%. Esta modernización a nivel de producto introduce capacidades centrales fundamentales:

● Contenerización dinámica de aplicaciones: Aprovechando un rendimiento de alta concurrencia, permite que la infraestructura subyacente escale microservicios individuales en tiempo real para soportar picos de tráfico hasta diez veces superiores a lo habitual. Implementada en bancos líderes de Asia-Pacífico y Sudáfrica, admite soluciones de contenedores multiplataforma para una contenerización de aplicaciones flexible.

● Integración de API lingüísticas: Estructura los puntos finales (endpoints) de los sistemas internos para que puedan ser interpretados y ejecutados directamente por interfaces de usuario lingüísticas (LUI). Esta configuración sustituye las rígidas pantallas gráficas por un sistema en el que agentes autónomos pueden activar funciones de backend mediante rutas de API estandarizadas y legibles por modelos.

● Refactorización de procesos: Las soluciones mejoradas de refactorización de aplicaciones y migración sin interrupción del servicio reducen los ciclos de planificación y diseño en más de un 50 %, utilizando un sistema de conmutación (switchover) sincronizado para garantizar transiciones de servicio fluidas.

Orquestación de Flujos de Datos en Tiempo Real

Si bien un núcleo desacoplado facilita el acceso a las aplicaciones, los agentes autónomos dentro de dicho núcleo requieren acceso inmediato a datos limpios y en tiempo real para impulsar la ejecución y eliminar las alucinaciones de los modelos. Los almacenes de datos tradicionales de procesamiento por lotes o los lagos de datos con latencia resultan inadecuados, ya que los agentes que operan con datos desactualizados presentan altas tasas de error en la ejecución operativa.

La solución Huawei Financial Data Intelligence Solution 6.0 aborda esta necesidad del flujo de datos mediante el marco estratégico de capacidades de datos R.A.C.E. (Tiempo real, Todos los dominios, Convergencia y Orientación a la experiencia). Al unificar lagos de datos y sistemas transaccionales dispares en un único plano de datos inteligente, la solución procesa simultáneamente tanto registros de transacciones estructurados como flujos de medios no estructurados. Gracias a una base de datos continuamente actualizada, la plataforma permite que los modelos financieros especializados mantengan un estado de memoria contextual preciso, garantizando así que la evaluación de riesgos, la prevención del fraude y los agentes orientados al cliente operen con datos en tiempo real en lugar de registros históricos obsoletos.

Resiliencia Autónoma Operativa

La ejecución de flujos de datos en tiempo real y de aplicaciones centrales autónomas requiere una capa operativa con capacidad de autocuración para gestionar las vulnerabilidades sistémicas que conlleva la automatización multiagente, tales como la posible deriva del sistema, los fallos en las API y los cuellos de botella imprevistos en la infraestructura. Ante la era de la computación con IA, resulta necesaria una arquitectura de resiliencia convergente, que integre la computación de propósito general y la computación para IA, para proteger estas capas interconectadas.

El marco de producto de la solución R-A-A-S de Huawei (basada en los pilares de Fiabilidad, Disponibilidad, Autonomía y Seguridad) se fundamenta en una estricta propuesta de valor de resiliencia denominada "4 Ceros". En combinación con dispositivos especializados de AIOps con capacidades de agente autónomo, este marco transforma las operaciones del sistema: se pasa de la resolución manual y reactiva de problemas a una prevención automatizada. Este modelo implementa cinco dispositivos operativos distintos, diseñados específicamente para ofrecer observabilidad de extremo a extremo, gestión automatizada de cambios, gestión integral de alarmas, diagnóstico de fallos y recuperación ante los mismos.

Al ofrecer capacidades que abarcan desde la consultoría de recuperación ante desastres (DR) y la programación inteligente del tráfico hasta la recuperación ante desastres en entornos heterogéneos, Huawei eleva a un nivel superior las capacidades de DR en configuración activo-activo. Cuando el sistema detecta una caída en el rendimiento, una anomalía en la infraestructura o un cuello de botella en las transacciones, estos dispositivos realizan un análisis automatizado de la causa raíz en cuestión de minutos. Mediante soluciones de inferencia integrada en AIDC y de operación y mantenimiento (O&M) inteligente del centro de datos durante todo su ciclo de vida, el sistema ajusta dinámicamente la distribución del tráfico e inicia conmutaciones de recuperación ante desastres en entornos heterogéneos sin intervención humana. Esta configuración activo-activo minimiza el radio de impacto para mantener una alta disponibilidad del 99,999 % en todo el clúster distribuido, garantizando así que la plataforma bancaria permanezca operativa las 24 horas del día.

Continuación Estratégica

La transición hacia una banca basada en agentes de nivel de producción exige que las instituciones financieras aborden necesidades operativas y de ingeniería a largo plazo, más allá del despliegue inicial del producto. Las organizaciones deben centrarse en tres ejes fundamentales de ejecución:

● Optimización de costes de tokens: Refinamiento sistemático de la ingeniería de *prompts*, la cuantización de modelos y las estrategias de almacenamiento en caché mediante ingeniería especializada, con el fin de reducir el coste marginal de los bucles de inferencia multiagente.

● Consolidación de flujos de datos: Eliminación de los silos restantes entre los sistemas de bases de datos heredados y el plano de datos inteligente en tiempo real, para garantizar una coherencia absoluta de los datos.

● Ajuste fino de modelos de dominio: Implementación de procesos internos de entrenamiento continuo para actualizar los modelos locales (*on-premise*) con conocimiento institucional especializado, manteniendo al mismo tiempo una estricta soberanía de los datos y el cumplimiento normativo.

Triunfar en este entorno exige una estrategia de ingeniería sistemática que combine arquitecturas informáticas abiertas, bases de datos unificadas y el despliegue de agentes de nivel de producción. Mediante la colaboración con integradores de sistemas (SI) y proveedores de software independientes (ISV) a escala mundial, Huawei aporta la capacidad de ingeniería y la experiencia local necesarias para escalar la banca basada en agentes y generar un valor financiero cuantificable.

Aviso legal: Las opiniones expresadas en este artículo pertenecen al autor y no reflejan necesariamente la política, la posición, los productos ni las tecnologías oficiales de Huawei Technologies Co., Ltd. Si desea obtener más información sobre los productos y tecnologías de Huawei Technologies Co., Ltd., visite nuestro sitio web e.huawei.com o póngase en contacto con nosotros.

Inicio