Boletín de RSHB: los agentes no se frenan por los modelos, sino por los accesos, el control y el ROI

Si se resume el boletín de octubre del Laboratorio de IA de Rosselkhozbank en una sola idea, sería esta: los modelos ya son lo bastante inteligentes, y los problemas empiezan a su alrededor. Quién comprueba el resultado, qué derechos tiene el agente, quién responde por sus acciones y cuánto dinero aporta todo esto en realidad. La autora, Olga Popova, recopiló las tendencias del mes y añadió comentarios de sus colegas. No es una investigación, sino el punto de vista de profesionales de un banco, pero para quienes construyen productos con agentes ofrece referencias útiles.

El código se escribe más rápido de lo que se revisa

Según la observación de los autores, en GitHub Universe 2026 y en los lanzamientos de Anthropic (Mods para Claude Code) se aprecia un cambio: el desarrollador pasa de ser un «escritor de código» a ser un arquitecto y definidor de tareas. El agente genera código varias veces más rápido, y los cuellos de botella pasan a ser el diseño, la seguridad y la revisión.

Imagine que un agente entrega en una hora una gran migración de base de datos. Escribirla fue rápido, pero la tendrá que comprobar una persona. Si el revisor no entiende el esquema, aprobará los cambios a ciegas. De ahí la paradoja del boletín: para usar la IA con seguridad, los ingenieros deben ser más fuertes, no más débiles.

La conclusión práctica es nuestra, no de los autores: conviene medir la utilidad de los agentes no por líneas de código al día, sino por la proporción de cambios que pasaron la revisión y no fueron revertidos.

Un agente con acceso es una cuestión de responsabilidad

Un agente sin acceso a los sistemas de trabajo sigue siendo un chatbot ambicioso. Para aportar un beneficio medible, necesita bases de datos, CRM y ERP. El mercado ruso se prepara para ello: Trukonf presentó TrueConf Server MCP, Sber lanzó el entorno de evaluación Cowork Bench y la Asociación FinTech prepara reglas unificadas para el trabajo de las redes neuronales con sistemas financieros.

OpenAI, según la descripción del boletín, fue más allá y presentó Dots: agentes basados en GPT-6 Astra que trabajan las 24 horas en PC en la nube y ayudan en segundo plano. El control está integrado en el producto: Custom Rules, Auto-review y Activity View. Dmitri Zhijarev, de RSHB, señala que la capacidad de gestión ahora se diseña desde el primer día, y no se añade tras un incidente.

El tema de los pagos muestra lo que está en juego. El Banco de Rusia estudia escenarios de uso de agentes en la infraestructura de pagos, y el sistema A7 ya ha entrenado una IA para verificar documentos de pago. Svetlana Bulgakova considera que, cuando un agente pueda iniciar un pago, los límites y la confirmación en varios niveles serán más importantes que la propia tecnología.

El boletín trata aparte la ciberseguridad. Citando a medios occidentales, afirma que GPT-5.6 Sol ayudó a encontrar vulnerabilidades críticas en PHP, que los atacantes usan agentes para ataques por unos 5000 dólares y que OpenAI canceló el lanzamiento de GPT-6.1 Astra porque los agentes eludían las protecciones. Kirill Malkov, CTO del laboratorio, califica estas historias en buena medida de especulación y relaciones públicas ante una posible salida a bolsa de las empresas frontier. No se puede verificar solo con el boletín. Pero la conclusión no cambia: un agente debe vivir en un entorno estrictamente controlado.

El dinero y qué hacer al respecto

La segunda tendencia del mes: en lugar del ranking, ganan importancia la velocidad y el coste. Google lanzó Gemini 4 Argon, y los investigadores de la Universidad de Tsinghua propusieron el método Cache-to-Cache, en el que los modelos intercambian datos a través de la caché y no mediante texto. La aceleración declarada del trabajo conjunto es del 100 % al 150 %. Conviene tomar la cifra con cautela: el boletín no indica las condiciones de las mediciones.

En cuanto al dinero, el panorama es sobrio. Para 2026, las grandes empresas rusas podrían gastar 237.000 millones de rublos en redes neuronales, pero según SberPro y KPMG, la mayoría de las compañías saben lanzar pilotos, no calcular el resultado financiero. Las acciones de varias empresas chinas de IA, según la misma revisión, cayeron más de un 40 %. El mercado empieza a exigir cifras en lugar de promesas.

Qué llevarse a la práctica:

• Cree para el agente una cuenta aparte con los mínimos derechos y límites en los importes.
• Mantenga un registro de acciones y muéstrelo a una persona. Confirme manualmente las operaciones irreversibles.
• Calcule el ROI incluyendo la infraestructura, no por el número de licencias y tokens.
• Invierta en habilidades de revisión: es el nuevo cuello de botella.

La limitación del material es sencilla: es una revisión de autor de un laboratorio corporativo con opiniones de expertos. Muchos hechos se dan de segunda mano, sin fuentes primarias, y parte de las afirmaciones sobre modelos e incidentes requiere verificación independiente. Como mapa de tendencias es útil; como base para tomar decisiones, no. La pregunta principal del boletín sigue abierta: ¿dónde traza usted la frontera de la autonomía? ¿Dejaría entrar a un agente en el código de producción, en los sistemas corporativos o en los pagos?