¿Puede una entidad financiera utilizar inteligencia artificial para trabajar mejor?
Sí, pero en banca la pregunta no debería limitarse a qué tareas pueden automatizarse. La pregunta importante es qué decisiones pueden apoyarse en un sistema, qué controles deben mantenerse y cómo puede demostrarse después que la entidad seguía teniendo el control.
Ahí está el punto interesante.
En otros sectores, una herramienta de IA puede verse principalmente como una mejora de productividad. En banca, esa misma herramienta puede afectar a una decisión de crédito, a un proceso de onboarding, a una alerta de fraude, a una comunicación comercial o a la relación con un proveedor tecnológico relevante.
Eso cambia el análisis. Ya no hablamos solo de eficiencia. Hablamos de datos personales, perfilado, explicabilidad, supervisión humana, resiliencia operativa, contratación tecnológica y responsabilidad frente al cliente y el supervisor.
Por eso, la IA en banca no debería implantarse como un experimento aislado de innovación, sino como parte de la arquitectura de cumplimiento de la entidad.
Automatizar no es perder criterio
Un departamento legal puede ganar mucho con IA si la utiliza para reducir trabajo repetitivo, ordenar criterios internos, mejorar la gestión del conocimiento y dar respuestas más rápidas al negocio.
Pero automatizar mal un proceso jurídico o bancario no lo hace más eficiente. Simplemente consigue que el error se repita más rápido y con apariencia de sistema.
Si una plantilla contractual está desactualizada, la IA puede replicarla. Si una base de conocimiento contiene criterios contradictorios, puede mezclarlos. Y si una respuesta generada no se revisa con criterio, puede acabar pareciendo una conclusión jurídica válida sin serlo realmente.
Por eso, la función legal no debería limitarse a decir “sí” o “no” al final del proyecto. Debe participar antes, en el diseño del proceso, en la elección del proveedor, en la definición de límites de uso y en la documentación de los controles.
IA bancaria: no todos los usos son iguales
El AI Act no trata todos los sistemas de IA de la misma manera, y esa distinción es especialmente relevante para el sector financiero.
Un chatbot que atiende a clientes puede exigir obligaciones de transparencia, de forma que la persona sepa que está interactuando con una IA cuando no resulte evidente. En cambio, un sistema que ayuda a evaluar la solvencia de una persona física o a establecer una puntuación crediticia puede entrar en una categoría mucho más sensible.
En esos casos, la preocupación no es solo la eficiencia del proceso, sino el impacto real que la decisión puede tener sobre el cliente.
Por eso aparecen preguntas muy concretas: qué datos se utilizan, qué papel tiene el modelo en la decisión, si existe supervisión humana real, cómo se evita un resultado discriminatorio o erróneo, qué explicación puede recibir el cliente y qué evidencia conserva la entidad.
No basta con decir que “el modelo recomienda”. Hay que poder explicar qué hace, con qué límites opera, quién lo supervisa y quién responde cuando el resultado afecta a una persona.
El marco no es solo el AI Act
En banca, la IA no vive sola dentro del AI Act.
También se cruza con el RGPD, especialmente cuando hay perfilado, decisiones automatizadas o tratamiento de datos personales. Se cruza con la normativa de crédito, las obligaciones de información al cliente, la prevención del fraude, la gestión de proveedores tecnológicos y la resiliencia operativa digital.
DORA añade otra capa relevante, porque cuando una entidad financiera depende de tecnología y proveedores TIC debe gestionar riesgos, continuidad, incidentes, subcontratación y control operativo.
Esto convierte la implantación de IA en un trabajo transversal. Legal, Compliance, Privacidad, Riesgos, IT, Seguridad, Compras y Negocio deben hablar el mismo idioma, porque la dificultad no está solo en conocer cada norma, sino en convertirla en un proceso que funcione.
Dónde aporta valor la función legal
El valor jurídico no está en bloquear la innovación, sino en ayudar a que la IA pueda utilizarse de forma defendible, trazable y coherente con el marco regulatorio aplicable.
Eso implica definir casos de uso, clasificar riesgos, revisar proveedores, establecer límites, documentar decisiones, conservar evidencias y asegurar que existe una revisión humana proporcionada al impacto del sistema.
En un entorno bancario, la función legal puede actuar como puente entre tecnología y supervisión, traduciendo obligaciones regulatorias en controles que el negocio pueda aplicar y que la entidad pueda demostrar después.
El valor jurídico aparece precisamente en ese cruce: traducir una tecnología que promete eficiencia en un proceso bancario que pueda explicarse, supervisarse, auditarse y defenderse.
Conclusión
La IA en banca no debería implantarse como una herramienta aislada, sino como parte de la arquitectura de cumplimiento de la entidad.
Debe conectarse con datos, contratos, procesos, proveedores, evidencias, supervisión humana y gobierno del riesgo.
El punto de encuentro entre tecnología, legal e IA está precisamente ahí: utilizar sistemas más inteligentes sin perder trazabilidad, responsabilidad ni control.
En banca, una buena automatización no sustituye el criterio jurídico. Lo ordena, lo documenta y lo convierte en una herramienta más útil para el negocio.