Un agente de inteligencia artificial no es un chatbot que espera una pregunta. Es un sistema con identidad propia, permisos asignados y capacidad de ejecutar tareas como consultar un historial crediticio, validar una identidad o escalar una alerta de fraude; sin que un humano apruebe cada paso. En México, ese tipo de sistema ya opera dentro de instituciones financieras. Lo que aún no es muy claro es cuántos gentes, con qué permisos y bajo la supervisión de quién.

"El mercado trata a los agentes de IA como aplicaciones inteligentes, cuando, en la práctica, ya funcionan como nuevos puntos de acceso corporativos." Heriberto Cabrera, vicepresidente regional de ingeniería de soluciones, Tanium

Según Cabrera, cuando una organización no tiene visibilidad sobre esa actividad, se abre una capa de riesgo operativo que hasta ahora no existía en ningún inventario de auditoría.

Los números respaldan la urgencia. Durante el AWS Summit México 2026, un estudio presentado por Amazon Web Services ubicó la adopción empresarial de IA en 48% de las organizaciones mexicanas, frente a 38% un año antes. En cifras absolutas: más de 2.5 millones de empresas ya usan inteligencia artificial en algún proceso, de las cuales 550 mil la incorporaron apenas en los últimos doce meses.

Esa velocidad, sin embargo, no es pareja. Un estudio del Centro México Digital, presentado este año a la Secretaría de Economía, encontró que solo 4.8% de las empresas manufactureras mexicanas usa IA de forma efectiva; un sector con procesos tan críticos y trazables como el financiero. La brecha entre ambas cifras describe con precisión lo que ocurre hoy en la banca: adopción entusiasta en las capas visibles, y una gobernanza que todavía no alcanza a los procesos donde el riesgo regulatorio es real.

Esta no es una alerta exclusiva de proveedores de tecnología. En el marco de la actualización de la Ley Fintech, el propio regulador financiero mexicano ha señalado que la proliferación de deepfakes y agentes de inteligencia artificial está generando tensión sobre el sistema financiero, en momentos en que su adopción avanza más rápido que el marco normativo diseñado para supervisarla.

La región ya tiene, además, un precedente concreto de qué implica delegar en un agente una función de alto riesgo institucional. En Ecuador, el Decreto Ejecutivo 461, firmado el 29 de julio de 2026, ordenó que el sistema nacional de contratación pública incorpore de forma progresiva inteligencia artificial y procesamiento de lenguaje natural para identificar patrones de riesgo en las compras del Estado. No es un piloto de innovación: es dinero público, en un proceso sujeto a escrutinio permanente, apoyado en un agente para detectar irregularidades. Cuando un gobierno está dispuesto a eso, la pregunta para un banco deja de ser si avanzar hacia la agentificación, y pasa a ser cómo hacerlo sin heredar un riesgo no planeado.

Los marcos de control de acceso que hoy existen en la banca mexicana fueron diseñados asumiendo que quien actúa es una persona: un rol, un jefe, una razón identificable detrás de cada operación. Un agente de IA no encaja en ese supuesto. Puede recibir una instrucción ambigua, interpretarla de forma técnicamente correcta pero indeseada, y ejecutar una acción sobre un sistema crítico sin que nadie esté evaluando, en ese instante, si eso era lo que realmente se pedía.

Para un director de tecnología en una institución regulada por la CNBV o la CNSF, eso se traduce en tres frentes que no admiten espera:

—  Identidad propia para cada agente. Debe darse de alta como lo que es, un actor con permisos definidos, no como una extensión invisible de la cuenta de quien lo configuró. Sin eso, ningún ejercicio de auditoría puede reconstruir después de un incidente qué agente actuó y bajo qué autorización.

—  Trazabilidad completa de sus decisiones. Un regulador o un comité de riesgos necesita poder reconstruir la cadena de decisiones de un agente frente a un caso puntual, con el mismo nivel de detalle con el que hoy se audita a un empleado humano.

—  Pruebas continuas, no un evento único. Un agente de IA no se comporta de forma fija: su respuesta puede variar según el contexto, el prompt o actualizaciones del modelo que la organización no controla. El aseguramiento de calidad deja de ser una certificación previa al lanzamiento y pasa a ser un proceso permanente, diseñado para detectar cuándo un agente se sale del rango esperado antes de que eso se traduzca en una decisión de crédito injusta o una filtración de datos.

Q-Vision Technologies lleva más de veinte años trabajando junto a instituciones financieras en Colombia, México, Panamá y Ecuador. El patrón se repite con cada ola tecnológica: primero la banca móvil, después los pagos inmediatos, ahora los agentes de IA: la tecnología rara vez es el cuello de botella. La disciplina para gobernarla al mismo ritmo con el que se adopta, sí lo es.

Esa lectura no nació con esta ola. La firma ya la aplicó al observar cómo equipos de tecnología de bancos de la región empezaron a usar herramientas de IA generativa fuera del perímetro corporativo, con datos sensibles de clientes de por medio, antes de que los agentes llegaran siquiera al radar de los comités de riesgo. Es el mismo fenómeno del shadow IT que la industria ya vivió hace década y media, ahora con la diferencia de que el sistema, en lugar de esperar instrucciones, actúa.

Desde su práctica de modernización de core bancario, gestión de datos y aseguramiento de calidad en instituciones reguladas, la posición de Q-Vision es clara: la agentificación no se gobierna con un comité que revisa riesgos de IA una vez al trimestre. Se gobierna con la misma disciplina de cualquier sistema crítico de producción: identidad, trazabilidad y pruebas continuas; adaptada a un actor que, a diferencia del software tradicional, puede responder distinto cada vez que se le pregunta lo mismo.

Ningún banco mexicano va a detener la adopción de agentes esperando a que el marco regulatorio termine de definirse. La presión competitiva es demasiado real para eso. Pero hay una diferencia decisiva entre desplegar agentes con un inventario claro de qué pueden hacer y quién responde por ellos, y desplegarlos porque cada área de negocio los fue incorporando por su cuenta sin que nadie llevara la cuenta completa.

La primera institución financiera que pueda demostrarle a su regulador, a su junta y a sus propios clientes exactamente cuántos agentes operan dentro de su infraestructura, qué permisos tiene cada uno y cómo se audita cada decisión, no solo estará cumpliendo. Estará un paso adelante de una conversación que el resto de la industria todavía no ha tenido en serio.