Trovata lanza agentes de tesorería en AgentCore: un informe en un minuto en lugar de días

Imagine a un profesional de finanzas que cada mañana abre diez portales bancarios, copia los saldos en una hoja de cálculo y los consolida a mano. A la hora del almuerzo por fin sabe cuánto dinero tiene la empresa. Ese es justo el dolor que resuelve Trovata, una plataforma de gestión de efectivo con conexiones directas a más de 10 000 bancos. Ahora entrega la rutina a agentes autónomos en Amazon Bedrock y Amazon Bedrock AgentCore.

Cuál es el problema y cómo funciona

Los equipos de tesorería tienen tres problemas crónicos. Los datos están dispersos en portales bancarios. La elaboración de informes y la conciliación consumen horas, y a veces días, de trabajo de personas cualificadas. Y los sistemas antiguos de gestión de tesorería (TMS) no están pensados para la nube ni para la IA.

En 2023, Trovata lanzó un chat que respondía preguntas sobre los datos. El usuario preguntaba «¿cuál es nuestra posición neta de efectivo en todas las cuentas a ayer?» y recibía una respuesta. Ahora la empresa ha ido más lejos: los agentes no esperan una pregunta, sino que trabajan de forma continua. Se activan por calendario, por disparador o por regla. Un agente vigila la actividad de las cuentas, otro explica por qué lo real se desvió de la previsión y un tercero busca transacciones sospechosas y saltos extraños en el saldo.

El detalle clave: la IA está integrada en el propio sistema y vinculada a objetos reales de tesorería, en lugar de flotar por encima como un chatbot genérico. El modelo se encarga de entender la solicitud y generar el texto. AgentCore asume la orquestación de escenarios de varios pasos.

Cómo se limitó la libertad de los agentes

En el sector financiero, la pregunta principal no es «qué sabe hacer el agente», sino «qué no puede hacer». Trovata describe cuatro limitadores.

Primero: el agente obtiene datos solo a través de la API propia y verificada de la empresa. No tiene acceso directo a la base de datos, de modo que no puede ejecutar una consulta arbitraria ni extraer información de más.

Segundo: el modelo de control de acceso basado en roles (RBAC). El agente actúa dentro de los mismos límites de permisos que la persona en cuyo nombre trabaja. Si un contable no ve las cuentas de una filial, el agente tampoco las verá.

Tercero: AgentCore ofrece un entorno de ejecución aislado. Cuarto: las solicitudes y acciones de los agentes se registran para poder superar después una auditoría.

Hay además una jugada de producto: los bancos pueden lanzar estos agentes con su propia marca. El banco obtiene funciones de IA para sus clientes sin construirlas desde cero.

Cifras y salvedades

La empresa afirma un ahorro de más de 1 millón de dólares al año, más de 5 horas diarias para el equipo contable, una reducción del 77 % en los costes anuales de TMS e informes en menos de un minuto. También hay una biblioteca de diez plantillas de agentes creadas a partir de implantaciones reales. Según Trovata, la mayoría de los equipos tienen listos para automatizar entre 5 y 15 procesos.

La salvedad es evidente: es una publicación de AWS sobre un socio, y las cifras proceden de los casos de la propia Trovata. No hay verificación independiente y no está claro hasta qué punto se repetirán los resultados en otras empresas. Además, el texto no aporta datos sobre la frecuencia con que los agentes se equivocan ni sobre quién responde por el error cuando se trata de dinero.

Qué conviene llevarse

Si construye agentes para finanzas, medicina o cualquier otro ámbito regulado, el esquema es trasladable por completo. No dé al agente acceso directo a la base de datos: haga pasar todo por una API con validación. Herede los permisos del usuario en lugar de conceder al agente otros más amplios. Escriba un log de auditoría desde el primer día. Empiece por procesos repetibles como la conciliación y la explicación de desviaciones: allí es más fácil medir la ganancia y detectar un error.