En los dos últimos años, cuando se hablaba de inteligencia artificial, la imaginación corría siempre hacia las mismas imágenes: chatbots produciendo textos en perfecto estilo humano, generadores de imágenes que desafían a fotógrafos y diseñadores, modelos lingüísticos que responden como enciclopedias conversacionales. Todo cierto, pero no era ahí donde maduraba la transformación más radical. Mientras la atención del público seguía encantada con los aspectos más espectaculares, algo más silencioso, y quizá más disruptivo, estaba tomando forma en los quirófanos y los comités de inversión: la llegada de los Agentes de IAsistemas capaces no sólo de triturar datos, sino también de actuar, interactuar con otros programas, aprender de sus errores y -dentro de ciertos límites- tomar decisiones autónomas.

La diferencia con la primera generación de IA es sustancial. Los algoritmos de aprendizaje automático de la última década han revolucionado la capacidad de analizar series temporales, detectar anomalías, optimizar carteras o descubrir patrones en los mercados. Pero seguían siendo herramientas de apoyo, al servicio de un analista humano que guiaba sus movimientos. Los agentes inteligentes, en cambio, desplazan el centro de gravedad: pueden vigilar constantemente los flujos de información, adaptar estrategias, ejecutar operaciones e incluso "hablar" con otros sistemas. No son meros programas informáticos, sino una especie de colegas digitales que participan en el proceso de toma de decisiones.

Los primeros experimentos serios tuvieron lugar en ámbitos donde la velocidad lo es todo: el negociación algorítmica y las salas de los fondos especulativos. Aquí, los agentes de la IA están entrenados para reaccionar en milisegundos a los cambios de precios, a los comunicados macroeconómicos o incluso a datos alternativos como la iluminación nocturna captada por los satélites. Más que meros ejecutores, se convierten en incansables cazadores de oportunidades: prueban microestrategias, aprenden si funcionan, las descartan o las perfeccionan. En un ecosistema donde el tiempo se mide en microsegundos, la posibilidad de que un sistema aprenda y adapte su comportamiento sin esperar la mano del analista representa un cambio de paradigma.

Sin embargo, es en el gestión de patrimonios que estos agentes están mostrando su cara más transformadora. Desde hace años, la banca privada está sometida a tensiones: márgenes cada vez más estrechos, normativas estrictas, exigencias crecientes de personalización. Una combinación difícil de gestionar sólo con equipos humanos. Los agentes digitales abren la puerta a un modelo diferente. Imaginemos una family office con decenas de mandatos complejos: carteras que deben cumplir criterios ESG, restricciones fiscales transnacionales, exposiciones a divisas que cubrir, así como requisitos de sucesión patrimonial. Un agente de IA, programado y supervisado, puede convertirse en el director invisible: recopila datos en tiempo real, señala correlaciones inesperadas, propone reequilibrios inmediatos, minimizando la latencia entre el acontecimiento y la decisión.

El papel del banquero no desaparece, sino que cambia de piel. De ser un operador que realiza análisis y propone opciones, se transforma en intérprete y supervisor, el que traduce las propuestas de la máquina al lenguaje del cliente y viceversa. Una liberación de las tareas repetitivas que deja más espacio al corazón de la profesión: la relación fiduciaria.

En algunos proyectos piloto ya lanzados en Europa y Asia, los clientes pueden dialogar directamente con un agente digital. No se trata del habitual robo-advisor que ofrece carteras preempaquetadas, sino de un interlocutor que responde a preguntas sofisticadas en lenguaje natural: "¿Qué pasa con mi cartera de bonos si el BCE sube los tipos 50 puntos básicos?" o "¿Cuál es el tratamiento fiscal si traslado parte del fideicomiso a una jurisdicción asiática?". El agente combina los datos del mercado, la normativa y el perfil personal, proporcionando escenarios a medida. Un nivel de personalización que hasta hace unos años requería consultores de alto nivel y horas de trabajo.

Aquí, sin embargo, surgen los primeros nudos delicados. El más inmediato se refiere a la confíe en. ¿Quién posee una fortuna familiar acumulada durante generaciones está dispuesto a confiar en una entidad digital? La historia de las finanzas sugiere que las tecnologías sólo ganan terreno cuando van acompañadas de un sistema sólido de rendición de cuentas y supervisión. Y, de hecho, los reguladores se están moviendo: la SEC en EE.UU., la ESMA en Europa, la FINMA en Suiza han empezado a debatir si estas herramientas deben regularse y cómo. ¿Son meras extensiones de los servicios de asesoramiento o nuevas entidades que requieren normas específicas?

El segundo nudo afecta a la propia identidad de la profesión. Algunos comentaristas prevén una desintermediación radical, con agentes capaces de sustituir a una parte sustancial de los banqueros. Otros, más realistas, ven la aparición de un modelo híbrido: la máquina como motor analítico y operativo, el ser humano como guardián de la relación y garante de la confianza. Al fin y al cabo, la gestión de activos nunca ha sido sólo una cuestión de números: dentro de ella hay sensibilidades políticas, valores personales, tensiones familiares. Dimensiones en las que la empatía, al menos por ahora, sigue estando fuera del alcance de cualquier algoritmo.

Luego está el problema deopacidad algorítmica. Si un agente recomienda liquidar un activo o adoptar una cobertura compleja, el cliente e -inevitablemente- el regulador querrán entender por qué. Este es el tema de la "explicabilidad": explicar cómo y por qué un sistema ha tomado una decisión. Este tema, ya debatido en la IA aplicada a la sanidad o la justicia, resulta crucial en las finanzas, donde la responsabilidad fiduciaria no permite zonas grises. Algunos desarrolladores están introduciendo funciones de "diálogo explicativo", que permiten al usuario responsabilizar a la máquina de sus decisiones. Es un paso adelante, pero todavía no es la solución definitiva.

A nivel geopolítico, surgen tres modelos distintos. En Estados Unidos, prevalece el enfoque pragmático y rápido: los hedge funds y las fintechs ya están sobre el terreno, impulsados por el capital riesgo y una regulación más permisiva. En Europa, prevalece la prudencia: los grandes bancos universales y privados prueban prototipos en entornos controlados, bajo la atenta mirada de las autoridades. China avanza por una vía diferente: está integrando agentes inteligentes en los conglomerados financieros y las grandes empresas tecnológicas nacionales, cruzando los objetivos de eficiencia con la lógica del control estatal de los datos. Tres caminos que reflejan tres formas de entender la relación entre innovación, riesgo y poder.

Es difícil saber hasta dónde llegaremos. Es plausible que dentro de unos años veamos agentes capaces de orquestar carteras globales multiactivos, negociar derivados a medida, optimizar estrategias filantrópicas o incluso gestionar los activos de fondos soberanos. Pero la verdadera partida se jugará en otra parte: en la capacidad de construir un equilibrio entre autonomía y supervisión, entre eficacia y transparencia. Los agentes de IA pueden remodelar la fisonomía de la gestión de patrimonios, pero queda una cuestión que ninguna tecnología por sí sola podrá resolver: en la gestión de patrimonios, ¿quién llevará realmente el timón, el hombre o la máquina?