Esta tecnología permite analizar aplicaciones heredadas, recuperar reglas de negocio y optimizar el desarrollo de software bajo la supervisión de expertos. El desafío para bancos y aseguradoras es modernizar sus sistemas críticos sin comprometer la continuidad operativa ni perder el conocimiento acumulado durante décadas
Los sistemas centrales que sostienen buena parte de las operaciones bancarias y aseguradoras concentran décadas de conocimiento de negocio. Su modernización representa uno de los desafíos tecnológicos más complejos para las instituciones financieras, que necesitan acelerar el desarrollo de nuevos servicios sin comprometer la operación de aplicaciones críticas. En ese sentido, la inteligencia artificial agéntica está abriendo nuevas posibilidades para abordar esta transformación.
A diferencia de las herramientas de inteligencia artificial (IA) utilizadas para tareas aisladas, los agentes pueden ejecutar actividades especializadas y coordinarse en distintas etapas del ciclo de vida del software, desde el análisis de aplicaciones existentes hasta el desarrollo, las pruebas y la documentación. Este modelo permite recuperar información técnica y funcional acumulada en sistemas que han evolucionado durante años y facilitar su adaptación a nuevas arquitecturas.
Jesús Flores Meunier, director del mercado de Servicios Financieros en Minsait, una empresa de Indra Group en México, señala que la modernización debe aprovechar las capacidades tecnológicas que ya tienen las instituciones. «El deber es utilizar lo que ya tienes, apalancar lo que es realmente sólido, simplificarlo y, sobre eso, generar capas de conocimiento con nuevos modelos digitales».
La presión para avanzar es cada vez mayor. Mientras las fintech nacieron sobre arquitecturas digitales, los bancos tradicionales deben evolucionar sistemas que han recibido modificaciones de distintas generaciones de desarrolladores. En algunos casos, las aplicaciones contienen reglas de negocio cuya documentación resulta insuficiente o difícil de reconstruir.
Flores Meunier menciona que anteriormente una modernización tecnológica completa podía requerir entre cinco y siete años. Hoy, los ciclos de innovación y las exigencias del mercado hacen necesario adoptar estrategias progresivas que permitan generar resultados durante el proceso de transformación.
Agentes de IA para recuperar el conocimiento de los sistemas
Por otra parte, Rodrigo Alonso, director de Desarrollo de Soluciones en Minsait, considera que la IA agéntica permite avanzar hacia un modelo de trabajo en el que especialistas y agentes colaboran en distintas etapas de la modernización tecnológica.
Los agentes pueden analizar código fuente, identificar dependencias, reconstruir documentación y apoyar la recuperación de reglas de negocio. También pueden intervenir en tareas de transformación de código, generación de pruebas y validación técnica, dentro de flujos de trabajo coordinados y supervisados por especialistas.
Este enfoque permite abordar uno de los problemas más complejos de los sistemas heredados: comprender cómo funcionan las aplicaciones antes de modificarlas, especialmente cuando acumulan décadas de cambios y concentran procesos indispensables para la operación.
Los resultados comienzan a reflejarse en proyectos concretos
De acuerdo con datos de Minsait, en una experiencia con una empresa del sector asegurador, el análisis automatizado de más de 300 repositorios de software registró una aceleración superior al 80 %. El proyecto permitió elaborar, en 16 semanas, un plan director de modernización con un diagnóstico de las aplicaciones, la identificación de brechas tecnológicas y una hoja de ruta para orientar las decisiones de inversión.
En otra experiencia, correspondiente a una organización de un sector distinto al financiero, Minsait analizó 47,300 repositorios mediante herramientas de IA, con la participación de 245 responsables técnicos encargados de revisar y validar los resultados. El caso evidenció que, a medida que aumenta la capacidad de análisis automatizado, también crece la necesidad de contar con mecanismos eficientes de supervisión humana.
La modernización exige decisiones de negocio
La velocidad que aporta la IA plantea nuevas exigencias de control. En aplicaciones críticas, una interpretación incorrecta del código, de sus dependencias o de las reglas de negocio puede trasladar errores a los sistemas modernizados.
«Un mal enfoque te puede llevar a una mala solución. Entonces, no necesariamente todas las respuestas de la IA te generan un resultado correcto. Ahí tienen que estar las personas», advierte Flores Meunier.
Por ello, la adopción de IA agéntica requiere combinar automatización con conocimiento especializado, validación técnica y una estrategia de modernización alineada con las prioridades de cada institución.
Para bancos y aseguradoras, el cambio también implica revisar cómo se planifican las inversiones tecnológicas. El análisis de aplicaciones permite identificar qué sistemas deben mantenerse, cuáles requieren modificaciones y cuáles pueden evolucionar hacia nuevas arquitecturas, sin plantear necesariamente una sustitución integral e inmediata.
«Trabajar con la IA es un deber. Se tiene que empezar a explorar, pero tiene que haber primero una capa de decisión de negocio de hacia dónde debe ir el objetivo estratégico de la organización», concluye Jesús Flores.
La era agéntica introduce así una nueva capacidad para las instituciones financieras: acelerar la evolución de sus sistemas centrales mientras preservan el conocimiento que sostiene sus operaciones y mantienen el control sobre las decisiones de transformación.
