TIC's en la Web

Google quiere ser el analista de tu analista: lo que Gemini Enterprise for Financial Services no te explica

El 25 de agosto Google Cloud presentó Gemini Enterprise for Financial Services y, como ya hizo con la versión legal, te vende la misma promesa envuelta en distinto papel: agentes especializados, conectores con datos de mercado, trazabilidad y cumplimiento. Suena impecable en el comunicado. Lo que no te cuentan es quién paga la factura cuando el agente se equivoca en un memo de crédito o cuando tu banco descubre que ha montado toda la infraestructura sobre el ecosistema de un solo proveedor.

He leído el anuncio oficial, las notas de Deutsche Bank como socio de diseño y lo que comentan en medios como Negocios.com o Diario TI. La propuesta es ambiciosa: un agente de investigación financiera con más de 50 habilidades, 13 conectores (FactSet, LSEG, Moody’s, SEC EDGAR…) y salidas con citas, metodologías explícitas y puntuaciones de confianza. No es un chatbot con traje. Es Google intentando colocarse como capa operativa entre tus analistas y los datos que ya pagas por licenciar.

Y ahí está el primer matiz que me incomoda. Google no lanza un modelo nuevo; lanza un paquete sectorial sobre Gemini Enterprise. Eso significa que el valor no está en la inteligencia del LLM — que ya conoces — sino en los conectores, los flujos preconfigurados y el panel de gobernanza. BNY, Citi Wealth, Lloyds, Macquarie… todos aparecen en la lista de clientes. Clásico efecto red social invertido: cuanto más grande eres, más sentido tiene. Si eres una gestora mediana o un banco regional español, la ecuación cambia radicalmente.

Deutsche Bank, que participó desde el diseño, planea usar el agente en banca corporativa para identificar necesidades de clientes, proponer productos y acelerar captación. También hablan de fraude, forecasting y preparación de pitches. Suena a productividad medida en horas ahorradas por analista. Pero en mi experiencia, cuando un vendor te promete «automatizar la investigación de principio a fin», lo que realmente automatiza es la parte mecánica. La interpretación — la que justifica el sueldo del senior — sigue siendo humana. O debería serlo, porque la banca española ya tiene claro que la IA «no sustituirá el juicio profesional en decisiones relevantes», como recoge Información citando a CaixaBank.

El timing regulatorio es otro punto que Google menciona poco y Revolut ha puesto sobre la mesa esta misma semana. El AI Act entró en vigor el 2 de agosto con obligaciones de transparencia, pero las exigencias de alto riesgo para scoring crediticio se aplazaron hasta diciembre de 2027. Eso da a los bancos un margen de maniobra para desplegar modelos opacos — los foundation models tipo encoder de Revolut mejoran fraud recall un 64,7% pero chocan con la explicabilidad que exige la norma — y a Google un argumento comercial: «despliega ya, gobierna después». Me parece un juego peligroso cuando hablamos de dinero ajeno.

Lo de las «50 habilidades financieras» me recuerda al anuncio legal de hace unos días. No son prompts sueltos, dicen; son instrucciones con metodologías definidas por cada institución. Perfecto en teoria. En la práctica, cada banco tendrá que mapear sus procesos internos — KYC, análisis de cartera, preparación de emisiones de bonos — sobre un catálogo que Google ha diseñado mirando a Deutsche Bank y CME Group. Si tu flujo de trabajo no encaja en el molde, pagarás consultoría para adaptarlo. Zencore y otros partners del ecosistema lo saben bien.

Tampoco hay precio público. Acceso bajo preventa, contacto comercial, disponibilidad inicial solo para mercados de capitales y banca corporativa. Traducción: esto no es un SaaS que contratas con tarjeta de crédito. Es un acuerdo enterprise con licencias de datos incluidas o no, conectores MCP que dependen de tus permisos con FactSet o PitchBook, y un despliegue que probablemente requiere meses. Si llevas una pyme tech o una fintech pequeña, ni te lo plantees. Si trabajas en un banco mediano evaluando IA, la pregunta no es «¿lo adoptamos?» sino «¿podemos permitirnos no tenerlo cuando la competencia lo tenga?» — y esa presión es exactamente lo que Google busca generar.

Lo que más me preocupa es la dependencia. Cuando conectas datos de mercado, registros regulatorios y sistemas internos a un agente gestionado por Google, con APIs A2A y protocolo MCP, estás cableando tu operativa diaria a la infraestructura de Alphabet. Migrar después cuesta lo mismo que cambiar de core bancario: posible, pero nadie lo hace salvo catástrofe. Los conectores son el anzuelo; el modelo es la carnada.

No digo que la herramienta sea mala. Digo que el discurso de «IA generalista sin controles de cumplimiento» versus «solución sectorial con trazabilidad» es marketing fino sobre un problema real — los LLM alucinan, no citan bien, no respetan licencias de datos — que Google resuelve parcialmente con conectores y logs. Pero resolverlo parcialmente dentro de su jardín vallado no es lo mismo que resolverlo para el sector. Es resolverlo para Google.

Mientras tanto, Santander apunta a generar más de 1.000 millones de euros de valor con 280 agentes de automatización para 2028, y Bankinter gestiona una biblioteca de 5.000 agentes desarrollados por empleados bajo gobernanza estricta. Dos modelos opuestos: plataforma vertical de un hyperscaler versus fábrica interna de agentes. Google apuesta a que la mayoría elegirá lo primero por velocidad. Yo apuesto a que en 2027 habrá informes de auditoría preguntando por qué el memo de riesgo crediticio de un cliente importante llevaba una cita de Moody’s mal interpretada por un agente que nadie supo explicar ante el regulador.

Si tu banco te ofreciera desplegar Gemini Enterprise for Financial Services mañana con un descuento del 30% a cambio de firmar un contrato de tres años sin cláusula de salida de datos, lo firmarías sabiendo que el AI Act te pedirá explicabilidad completa en decisiones de crédito dentro de dieciséis meses?

Fuentes

Salir de la versión móvil