Goldman Sachs retira a la mayoría de sus operadores el acceso a Claude Code
Crear con IA un script para analizar operaciones es cada vez más fácil, pero ¿quién responde por sus cálculos? Goldman Sachs restringió el acceso de la mayoría de sus operadores a Claude Code y a las herramientas de GitHub tras evaluar su rendimiento y sus riesgos. Según Bloomberg, las normas actualizadas en octubre mantienen el acceso para ingenieros y especialistas que combinan desarrollo de software y negociación. Para los equipos, es un motivo para definir de antemano quién revisa y mantiene estos programas.
Procesado por IA desde Habr AI; editado por Hamidun News
Un empleado dedica una tarde a crear con IA un script que antes habría tenido que encargar a los desarrolladores. A la mañana siguiente, sus compañeros ya utilizan las cifras que genera. Resulta cómodo, hasta que surge la pregunta de quién ha comprobado los cálculos y quién corregirá el programa cuando cambien los datos. Ahí es donde la historia de Goldman Sachs resulta útil para cualquier fundador que haya permitido a su equipo crear herramientas internas con IA.
Según una información de Bloomberg, el banco restringió el acceso de la mayoría de sus operadores y banqueros a Claude Code y a las herramientas de GitHub. La decisión se basó en los resultados de una evaluación de rendimiento y riesgos. Es un caso ilustrativo: poder escribir un programa rápidamente no resuelve cómo integrarlo en el funcionamiento de una empresa.
Qué cambió en Goldman Sachs
Durante varios meses, los empleados del banco pudieron experimentar con estas herramientas. Después, las normas internas actualizadas en octubre limitaron el acceso a los puestos de ingeniería. Según la misma información, se mantuvo una excepción para los strats, especialistas que combinan negociación, investigación cuantitativa y desarrollo de software.
Las herramientas ya tenían aplicaciones claras. Los operadores las utilizaban para seguir los flujos de negociación de los clientes, modelizar cambios del mercado y posiciones, y elaborar textos y gráficos. Por tanto, la restricción afectó a tareas habituales en las que los empleados ya habían encontrado utilidad a la IA.
Un portavoz de Goldman explicó el enfoque del banco como un proceso de experimentación seguido de evaluación: el acceso se concede teniendo en cuenta la eficacia y la gestión de riesgos. Sin embargo, la información publicada no incluye mediciones del tiempo ahorrado, del coste de revisar el código ni de las posibles pérdidas. No hay base para concluir que el vibe coding haya resultado deficitario.
El script funciona, pero ¿son fiables las cifras?
Imaginemos un ejemplo hipotético que ayuda a entender el problema. Un operador pide a la IA que prepare una hoja de cálculo: cargar las operaciones del día, agruparlas por cliente y mostrar cómo cambiarían las posiciones si cayera el mercado. El programa se ejecuta, genera un gráfico y presenta cifras convincentes.
Pero una ejecución correcta solo verifica una parte de la tarea. ¿Se han relacionado correctamente las divisas? ¿Cómo se tratan las operaciones canceladas? ¿Son coherentes las unidades de medida? ¿Qué ocurre si la fuente proporciona datos incompletos? Un error en un script así puede parecer un análisis perfectamente elaborado. Es una ilustración del riesgo de ingeniería, no la descripción de un incidente confirmado en Goldman.
Un especialista en la materia puede detectar un resultado extraño. Un ingeniero puede revisar la gestión de errores, las dependencias y los permisos de acceso. Una herramienta fiable necesita ambas competencias, además de una persona que siga siendo responsable de ella dentro de un mes. La presencia de IA no distribuye por sí sola esas responsabilidades.
De ahí surge una pregunta útil para el equipo: ¿cuánto tiempo lleva todo el recorrido desde la petición hasta un resultado verificado? La rapidez con la que se escribe la primera versión es fácil de apreciar. El tiempo dedicado a comprobar fórmulas, corregir errores y mantener la herramienta suele hacerse visible después, cuando los compañeros ya la utilizan.
Qué pueden aprender desarrolladores y fundadores
No es necesario copiar íntegramente la prohibición del banco. Un equipo pequeño y un gran banco tienen procesos distintos. Un paso práctico consiste en definir cuándo un experimento personal se convierte en un servicio de uso operativo: cuando empiezan a utilizarlo los compañeros, obtiene acceso a datos o sus resultados comienzan a influir en las decisiones.
En esa transición conviene asignar un responsable, contrastar los cálculos con ejemplos conocidos y acordar quién aprueba los cambios. Para el script de negociación hipotético, una comprobación útil sería un conjunto de operaciones ya analizadas con resultados esperados. Un gráfico atractivo no sustituye esa verificación.
A los responsables de producto les conviene medir el tiempo hasta obtener un resultado utilizable, incluidas la revisión y las correcciones. A los fundadores, reservar de antemano tiempo de ingeniería para mantener las herramientas internas. De lo contrario, la cola de tareas de los desarrolladores puede convertirse en una cola de prototipos ajenos que necesitan soporte urgente.
La historia de Goldman ofrece un motivo concreto para revisar este proceso. Los datos públicos no bastan para evaluar el efecto económico de la decisión del banco. Pero la cuestión de la responsabilidad ya se plantea hoy en cualquier empresa: ¿quién confirmará que el programa calcula correctamente y quién seguirá a su cargo después de la primera ejecución satisfactoria?
- 12 nov 2026Jensen Huang deja el cargo de CEO de Nvidia: la empresa pierde 1,4 billones de dólares en dos semanas
- 12 nov 2026Claude in Chrome exige autorizar cada clic en los sitios de categoría 3
- 12 nov 2026AWS Quick incorpora seis agentes para product managers: de las quejas de los clientes a la especificación
- 12 nov 2026Anthropic cierra Claude desde el 12 de noviembre a las empresas de Rusia, incluso con entidad jurídica en el extranjero
Preguntas frecuentes sobre la noticia
El script funciona, pero ¿son fiables las cifras?
Imaginemos un ejemplo hipotético que ayuda a entender el problema. Un operador pide a la IA que prepare una hoja de cálculo: cargar las operaciones del día, agruparlas por cliente y mostrar cómo cambiarían las posiciones si cayera el mercado. El programa se ejecuta, genera un gráfico y presenta cifras convincentes. Pero una ejecución correcta solo verifica una parte de la tarea. ¿Se han relacionado correctamente las divisas? ¿Cómo se tratan las operaciones canceladas? ¿Son coherentes las unidades de medida?
¿Qué se sabe sobre Qué cambió en Goldman Sachs?
Durante varios meses, los empleados del banco pudieron experimentar con estas herramientas. Después, las normas internas actualizadas en octubre limitaron el acceso a los puestos de ingeniería. Según la misma información, se mantuvo una excepción para los strats, especialistas que combinan negociación, investigación cuantitativa y desarrollo de software. Las herramientas ya tenían aplicaciones claras.
¿Qué se sabe sobre Qué pueden aprender desarrolladores y fundadores?
No es necesario copiar íntegramente la prohibición del banco. Un equipo pequeño y un gran banco tienen procesos distintos. Un paso práctico consiste en definir cuándo un experimento personal se convierte en un servicio de uso operativo: cuando empiezan a utilizarlo los compañeros, obtiene acceso a datos o sus resultados comienzan a influir en las decisiones. En esa transición conviene asignar un responsable, contrastar los cálculos con ejemplos conocidos y acordar quién aprueba los cambios.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.