Arca encarga a agentes de IA tareas financieras de hasta 10 días y deja las operaciones en manos de personas

Arca es una empresa «AI-native» de gestión de patrimonio, y casi todo su trabajo en segundo plano lo hacen agentes de IA. Un solo escenario puede durar hasta diez días. No se trata de trabajo continuo, sino de un largo proceso de calendario con pausas, muchos participantes y traspasos. Aman Singh, ingeniero jefe de IA, explicó en la conferencia AI Engineer de Nueva York que la última palabra sigue siendo de los asesores humanos. Lo resumió así: «los agentes asesoran a las personas más a menudo que las personas a los agentes». Arca ha captado recientemente $48,5 millones en una ronda liderada por General Catalyst, en la que también participaron Index Ventures y Venrock.

Horizonte largo en lugar de trabajo largo

Singh distingue dos cosas: las tareas financieras son largas en el calendario, pero el agente no está funcionando sin parar. Según explica, el trabajo avanza a impulsos: entre un paso y otro intervienen muchos actores, puntos de decisión y traspasos. Uno de los ejemplos que se analizan en el pódcast es una factura fiscal de $100 000, en la que los agentes preparan el análisis y es una persona quien da las aprobaciones.

Para que el agente no pierda el hilo en un recorrido así, la empresa ha construido su propio sistema de memoria. Para cada cliente, este registra qué ha ocurrido ya, qué se vigila a continuación, qué hay que hacer en los próximos días y qué importa a largo plazo. Además, anota qué persona concreta es responsable de cada acción. Los agentes no solo leen esta memoria, sino que también la actualizan.

Arnés propio y elección de modelos

Arca utiliza modelos de laboratorios de frontera, sobre todo de Anthropic y OpenAI, y su proveedor principal sigue siendo Claude. El modelo para cada tarea no lo elige un ingeniero a mano: de eso se encarga el arnés (harness) propio de la empresa, que se apoya en sus benchmarks internos.

Singh justifica ser dueño del arnés por la flexibilidad. Un arnés agéntico gestionado por un proveedor ata al equipo a los modelos de ese proveedor, mientras que una infraestructura propia permite cambiar de proveedor si hace falta.

También existe un circuito de automejora. Se reúnen el feedback de los asesores y las trazas del trabajo de los agentes, y un «metaagente» los analiza y propone cambios en el arnés. El pódcast también aborda la conversión de los comentarios de los empleados en evals, es decir, comprobaciones de calidad periódicas.

Restricciones deterministas y sandboxes

En el sector financiero, la seguridad es un requisito de entrada. En Arca, el papel del agente se limita a analizar y proponer decisiones. La negociación y cualquier movimiento de dinero siguen en manos del asesor humano. «Todas nuestras restricciones de seguridad son totalmente deterministas —dice Singh—. Retiran la toma de decisiones al agente». El agente invoca por sí mismo parte de las herramientas, pero todo lo que implique riesgo para el cliente le está vedado. La empresa también comprueba las vulnerabilidades conocidas de los sistemas de IA, incluidas las inyecciones de prompt.

El agente en sí no se ejecuta en el sandbox, pero los cálculos sí se realizan allí. Para el acceso a los datos se ha diseñado una capa adicional de protección. El código que el agente escribe en el sandbox se traduce a un formato estricto y esperado, y el código fuente se descarta. Sobre ese formato se aplican restricciones antes de que la consulta llegue al backend. Los agentes pueden solicitar datos mediante código, agregarlos y transformarlos a su criterio, por ejemplo para elaborar un plan financiero.

Qué se puede aplicar

La experiencia de Arca es una plantilla práctica para sectores en los que un error sale caro. Conviene construir la memoria en torno al cliente o al caso, y no en torno a la conversación: así, un proceso de varios días sobrevive a las pausas y a los traspasos entre personas. Los permisos conviene fijarlos con reglas en el código, no con instrucciones en el prompt. Traducir el código escrito por el agente a un formato intermedio verificable elimina parte de los riesgos asociados a los sandboxes.

También hay salvedades. El material es un resumen de una entrevista y una presentación, no una auditoría independiente: no hay datos sobre errores de los agentes, sobre el tiempo que ahorran los asesores ni sobre el número de clientes. Entre los temas del pódcast se mencionan el cumplimiento normativo y la auditabilidad «por defecto», el trabajo proactivo con los clientes y la búsqueda de comisiones ocultas, pero el texto no ofrece detalles. El panorama general es claro: en el trabajo prolongado con dinero, el agente prepara la decisión y recuerda a la persona el siguiente paso, pero quien decide sigue siendo la persona.