La estrategia de eficiencia AI de Goldman: un estudio de caso sobre la asignación de capital para inversores institucionales

Goldman Sachs está llevando a cabo una estrategia de asignación de capital deliberada, cuyo objetivo es apuntar a uno de los factores clave que determinan las ganancias institucionales: la calidad operativa. La implementación de agentes automáticos de IA por parte del banco no constituye una apuesta especulativa, sino más bien una inversión en eficiencia estructural, con el fin de mejorar la capacidad del banco, mejorar la calidad del servicio al cliente y, en última instancia, aumentar las márgenes de ganancia. Esto representa una inversión en un factor de calidad que ha sido subestimado en el ciclo actual del mercado.

Esta iniciativa se basa en una colaboración con Anthropic, pionero en el campo de la inteligencia artificial. Los ingenieros han estado trabajando en el banco durante seis meses, con el objetivo de desarrollar agentes especializados para realizar tareas complejas relacionadas con el área administrativa. El foco está en áreas como…Reconciliación de transacciones, contabilidad comercial, verificación de datos del cliente y proceso de incorporación al sistema.Funciones que, históricamente, han resistido la automatización, debido a su naturaleza basada en reglas y su carácter intensivo en datos. La filosofía del banco es clara: estos sistemas de IA son…Colaboradores digitalesEsto está destinado a aumentar la capacidad de ejecución y mejorar la experiencia del cliente, pero no tiene como objetivo reducir inmediatamente el número de empleados. Se trata de una tendencia hacia el uso de la inteligencia artificial para acelerar los procesos y limitar el crecimiento del número de empleados en el futuro. Se trata también de un enfoque disciplinado para gestionar los costos al mismo tiempo que se escala el servicio.

La naturaleza avanzada de estos agentes es algo crucial. Están basados en el modelo de Claude de Anthropic, específicamente en su versión Opus 4.6. Se eligió esta versión debido a su capacidad para manejar documentos largos y procesar razonamientos complejos. Pruebas preliminares han demostrado una capacidad sorprendente por parte de la IA.Se necesita un análisis lógico en múltiples pasos, y se debe aplicar la lógica a áreas complejas como el accounting y los aspectos relacionados con el cumplimiento de normas.Esto va mucho más allá de la simple codificación o redacción de texto. Se trata de un verdadero avance en el uso de la inteligencia artificial para las operaciones empresariales. El director de información de la institución bancaria señaló la sorpresa que le causó el nivel de capacidad del modelo en estos campos no relacionados con la programación, lo que demuestra que la inteligencia artificial puede manejar tareas complejas y que requiere mucha capacidad de procesamiento.

Este movimiento se enmarca dentro de una tendencia generalizada entre los directores financieros, quienes mostran un gran interés en el uso de la IA para la planificación y análisis financiero. El 70% de los directores financieros muestran interés en esta área. Goldman está posicionándose como líder en este campo, utilizando su escala y recursos para desarrollar sistemas propios que ayuden a reducir los problemas operativos. Para los inversores institucionales, esto representa una oportunidad única: invertir en tecnologías que mejoren el funcionamiento económico de las empresas. El beneficio es una estructura de capital más eficiente, rendimientos mejorados y una ventaja competitiva duradera en un sector donde la calidad de la ejecución de las tareas es fundamental.

Impacto financiero: Mejora del factor de calidad y la rentabilidad del capital.

El argumento financiero en favor de la iniciativa de Goldman en materia de IA se basa en un mecanismo claro: mejorar la calidad y la eficiencia de sus operaciones principales, con el objetivo de aumentar directamente las ganancias netas. No se trata de obtener nuevos fuentes de ingresos, sino de perfeccionar el sistema existente. Al utilizar agentes autónomos para…Colaboradores digitalesPara las funciones administrativas que requieren mucho esfuerzo, el banco busca liberar el capital humano para que se utilice en roles de mayor valor, como los relacionados con la asesoría y las transacciones financieras. Este cambio permite obtener mayores ingresos por concepto de comisiones, además de mejorar la calidad de los ingresos generados. De esta manera, los talentos humanos pueden dedicarse a tareas que requieren precios más elevados y que permiten establecer relaciones duraderas con los clientes.

Desde el punto de vista operativo, el impacto es doble. En primer lugar, los agentes se enfocan en tareas como…Reconciliación de transacciones y procesamiento de nuevos clientesEstos procesos, por lo general, requieren mucho tiempo y esfuerzo. Pruebas preliminares muestran que la IA puede manejar tareas que involucran múltiples pasos, y puede aplicar lógica en áreas complejas como las finanzas y el cumplimiento de normativas, lo que reduce los tiempos de ejecución de las tareas. Este aumento en la eficiencia contribuye directamente a la estabilidad del margen de intereses, ya que reduce los errores y las complicaciones operativas. Además, al manejar tareas repetitivas basadas en reglas, el banco puede planificar mejor su crecimiento futuro en cuanto al número de empleados necesarios. El objetivo es…Optimizar el potencial de los empleados.Además, se puede depender menos de los proveedores externos, lo cual mejora la eficiencia en la asignación de capital y protege los márgenes de ganancia.

Este enfoque se contrapone al modelo de gasto puramente relacionado con la infraestructura tecnológica. Consideremos el caso de BNY Mellon: según informes, este banco invirtió 3.800 millones de dólares en tecnología en el año 2025, lo que representa aproximadamente el 19% de sus ingresos. Aunque esa inversión permite utilizar una gran cantidad de “empleados digitales”, la estrategia de Goldman es más focalizada y centrada en la productividad. El banco no solo está construyendo un conjunto tecnológico, sino que también está desarrollando agentes de IA para resolver problemas específicos y complejos dentro de sus procesos de trabajo. Esta diferencia es crucial para los inversores institucionales. El éxito no se juzga por el monto de los gastos en tecnología, sino por la mejora en la eficiencia operativa y en la rentabilidad del capital invertido. El modelo de Goldman, si se ejecuta bien, ofrece un camino hacia un aumento de la productividad de mayor calidad, lo cual, a su vez, contribuye al logro de los objetivos de rentabilidad del banco.

En resumen, esto representa una medida de asignación de capital que mejora la calidad de los activos. El objetivo es aumentar las ganancias, mejorando la eficiencia de las operaciones existentes, en lugar de simplemente invertir para mantenerse al día con los requisitos del mercado. Para un portafolio, esto representa un factor positivo estructural que podría permitir que se aplique una prima de riesgo más alta a lo largo del tiempo, siempre y cuando el banco mantenga su disciplina en la gestión del proceso de transición.

Rotación del sector y sus implicaciones en el portafolio

La implementación de la IA por parte de Goldman es un ejemplo de cómo se está produciendo una rotación en la asignación de capital institucional. Se trata de un cambio de las empresas que solo invierten en infraestructuras de IA hacia aquellas que se benefician de su uso para mejorar la productividad. Esto significa un camino hacia retornos más rentables, ya que los inversores son cada vez más selectivos al momento de invertir en áreas relacionadas con la IA. La diferencia en el rendimiento de las acciones entre las empresas de gran tamaño indica que el mercado ya no recompensa a todas las empresas que invierten mucho en este campo. La rotación es clara: se aleja de las empresas cuyos gastos de inversión se financian con deuda y cuya crecimiento de las ganancias operativas está bajo presión. En cambio, se prefiere invertir en aquellas empresas que demuestren una relación tangible entre su inversión y sus ingresos.

Esto sienta las bases para la posición estratégica de Goldman. Aunque el banco invierte en IA, su modelo es fundamentalmente diferente al de las empresas que se basan en infraestructuras de alto costo. Goldman no construye centros de datos ni chips; en cambio, desarrolla agentes de IA para resolver problemas específicos y complejos dentro de sus propios procesos de trabajo. Este enfoque en la productividad interna se alinea con la próxima fase del mercado de la IA, donde lo importante es la eficiencia y la expansión de las márgenes, no solo el aumento de la escala. Para un portafolio de inversiones, esto representa un factor positivo estructural, con una trayectoria clara hacia el aumento de los ingresos.

La validación de este enfoque en el mercado es bastante positiva. Se proyecta que el mercado mundial de inteligencia artificial en el sector bancario crezca a un ritmo considerable.Tasa de crecimiento anual del 31.8%De 2024 a 2030, esta cifra podría superar los 143 mil millones de dólares. Los motores que impulsan este crecimiento no son especulativos; se trata de funciones bancarias fundamentales, como la gestión de riesgos y la detección de fraudes. Los agentes de Goldman están siendo desarrollados específicamente para estas áreas: reconciliación de transacciones, cumplimiento normativo y procesamiento de datos relacionados con los clientes. Se trata, en definitiva, de una apuesta por una aplicación de IA que genere alto rendimiento, donde la rentabilidad se mide en términos de eficiencia operativa y disciplina en la asignación de capital, y no en términos de gastos de capital trimestrales.

Para los inversores institucionales, esto significa un marco de asignación de recursos más claro. La era de las inversiones indiscriminadas en infraestructuras de IA está dando paso a una atención más concentrada en la calidad y los flujos de efectivo. Las empresas que pueden demostrar ganancias en productividad gracias al uso de la IA, como Goldman con sus agentes autónomos, se están convirtiendo en el nuevo referente. Estas empresas ofrecen un camino más sostenible hacia los rendimientos, con el apoyo de un mercado que crece constantemente. En resumen, el capital se dirige hacia aquellas empresas que utilizan la IA para mejorar su capacidad económica, y no simplemente para financiar su expansión.

Catalizadores, riesgos y lo que hay que observar

El camino desde el nivel de piloto hasta el nivel de impacto en el portafolio está ahora definido por un conjunto claro de objetivos a corto plazo y riesgos tangibles. Para los inversores institucionales, el principal catalizador es el lanzamiento inminente del primer producto. El éxito en los casos de uso inicial…Gestión de las transacciones y proceso de integración de clientes.Estos son los procesos basados en reglas y con alto nivel de fricción, que históricamente han resistido la automatización. Demostrar una reducción medible en el tiempo de trabajo y en los errores, gracias al uso de la IA como “colaborador digital”, validará el modelo del banco de utilizar esta tecnología no solo como una inversión tecnológica, sino también como una herramienta para mejorar la capacidad del banco.

Los principales riesgos que podrían frustrar esta tesis son de carácter operativo y regulatorio. En primer lugar, la complejidad de la integración sigue siendo un obstáculo importante. La banca ha invertido seis meses en la incorporación de los ingenieros de Anthropic, pero escalar estos agentes desarrollados conjuntamente en una institución tan grande y con tanto legado es una tarea monumental. El riesgo es que las mejoras en la eficiencia prometidas se vean contrarrestadas por demoras en la implementación y por problemas técnicos imprevistos. En segundo lugar, la supervisión regulatoria de los sistemas autónomos en el sector financiero está aumentando. Dado que estos agentes son responsables de manejar…Verificaciones de cumplimiento y procesos de incorporación al equipoInevitablemente, llamarán la atención de los supervisores, quienes se centran en aspectos como las pistas de auditoría, la explicabilidad y el control de riesgos. Cualquier error podría provocar una interrupción costosa o la necesidad de rediseñar todo el proceso. En tercer lugar, existe el riesgo de que la adopción del sistema sea más lenta de lo esperado. La estrategia del banco es…Optimizar el potencial de los empleados.Pero la resistencia cultural o la falta de resultados inmediatos podrían retrasar la implementación del proyecto, dejando así el capital invertido sin utilizar.

En la construcción de un portafolio, la lista de monitoreo es bastante sencilla. Es necesario observar las primeras anunciaciones oficiales relacionadas con los aumentos en la eficiencia, específicamente aquellas métricas que indiquen mejoras en el rendimiento del negocio.Tiempo ahorrado por cada transacción.O bien, una reducción en los errores de reconciliación. Estos datos concretos serán la verdadera indicación de si la inteligencia artificial cumple con sus promesas. También es importante cualquier cambio en la forma en que se asigna el capital. El mercado está orientándose hacia aquellos sectores que se benefician de la productividad. Es importante prestar atención a los comentarios de la dirección, ya que podrían indicar un cambio en la estrategia de financiación, pasando de invertir únicamente en infraestructuras a financiar más proyectos como este. En resumen, la actividad relacionada con la inteligencia artificial de Goldman está entrando en su fase más crítica. Los primeros resultados son prometedores, pero la evaluación institucional dependerá de la capacidad de la empresa para llevar a cabo este proyecto y convertir el razonamiento complejo en beneficios operativos consistentes y medibles.