En vivo 18.11 · Cohorte 318 nov, 19:00 MSK — taller práctico gratuito de agentes IA · Cohorte 3 en vivo inicia 23.11Taller 18 nov →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarOpenAI Blog→ original

Revolut acelera un 30–60% el desarrollo de funciones y delega en un agente de IA la revisión de pagos

Revolut no logra contratar investigadores al mismo ritmo al que crecen los pagos y los intentos de fraude. Por eso el banco ha encargado la revisión inicial de las operaciones sospechosas a un agente de IA basado en modelos de OpenAI, mientras que sus ingenieros lanzan varios agentes de Codex, cada uno con una parte de la misma tarea. Según la compañía, el tiempo desde que arranca una tarea hasta que se fusiona el código (merge) se ha reducido entre un 30–60%. Las cifras son autodeclaradas, pero el esquema «el agente ejecuta, el humano responde» sirve para cualquier equipo.

Procesado por IA desde OpenAI Blog; editado por Hamidun News
Revolut acelera un 30–60% el desarrollo de funciones y delega en un agente de IA la revisión de pagos
Fuente: OpenAI Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalOpenAI Blog ↗
Editor jefe
Dato clave #1Un solo ingeniero montó un servicio de revisión de código repartiendo las tareas entre varios agentes de Codex
Dato clave #2Siete años de documentación de diseño se convirtieron en contexto para la IA en un solo día
Dato clave #3Una revisión de seguridad de código de gran tamaño con Codex llevó de 1 a 2 días menos

Revolut se enfrenta a una aritmética sencilla: los pagos y los intentos de fraude crecen más rápido de lo que se puede contratar a investigadores y desarrolladores. La salida que la compañía describe en un caso de estudio publicado en el sitio de OpenAI tiene dos partes. Por un lado, un agente de IA basado en modelos de OpenAI realiza la revisión inicial de las operaciones sospechosas (el llamado FinCrime, es decir, la lucha contra los delitos financieros).

Por otro, en lugar de contar con un equipo de ejecutores, los ingenieros lanzan varios agentes de Codex a la vez, y cada uno se encarga de una parte de la funcionalidad. El resultado declarado es que el tiempo desde el inicio de la tarea hasta el merge (la fusión del código terminado en la rama principal del proyecto) se reduce entre un 30–60%. Una salvedad: se trata de un caso de cliente publicado en el sitio del proveedor, y las cifras son autodeclaradas y no han sido verificadas de forma independiente.

Aun así, como descripción de un esquema de trabajo real, resulta útil para cualquier equipo cuya carga crece más rápido que su plantilla.

Un agente en lugar de una cola de investigadores

Revolut opera en más de 40 países, atiende a unos 800 000 negocios y el número de clientes particulares creció un 23% en un año. Según uno de los informes, en 2025 más de la mitad de los adultos del mundo se enfrentaron a algún fraude. Cada transacción es una posible señal de alarma, y ningún banco tiene analistas humanos suficientes para todos esos casos. Según David Abitbol, responsable del área de IA, el principal problema que se puede abordar con IA es que la demanda crece más rápido que el número de personas.

Por eso, uno de los mayores usos de la IA en la compañía es el agente de FinCrime. El agente estudia los datos del caso, aplica las reglas internas de Revolut y recorre el procedimiento establecido hasta el final, sin intervención humana. Abitbol considera que el lanzamiento de GPT-5.5 fue un punto de inflexión: fue entonces cuando los modelos se volvieron lo bastante inteligentes y lo bastante baratos como para delegarles por completo el cribado y la investigación inicial. Según la descripción, el resultado es que se revisan más transacciones sin contratar investigadores en la misma proporción.

Lo que el caso no incluye: cuántas operaciones procesa el agente, qué proporción de falsos positivos genera y cuánto cuestan las consultas al modelo. En finanzas, es una laguna importante.

El ingeniero diseña, los agentes implementan

Dmitri Pitik, ingeniero sénior de plataforma, construyó un servicio interno de revisión de código. Diseñó el sistema, lo dividió en funcionalidades y al principio pensó que necesitaría un equipo completo de desarrolladores. Después comprendió que podía lanzar varios agentes de Codex y asignar a cada uno su propia tarea. Él se ocupó de la arquitectura, la planificación y la revisión de lo que devolvían los agentes.

Fue ahí donde notó ese ahorro de tiempo del 30–60%. Abitbol señala un patrón general: el tiempo que el equipo libera se dedica a discutir el diseño y a buscar la mejor solución, y no a escribir código. Mientras Codex trabaja en una tarea, el ingeniero lleva otra en paralelo. Para Revolut esto es importante: según Kim Maniovich, el empleado medio de la empresa tiene «tres trabajos distintos».

Otros ejemplos del caso:

  • una herramienta para construir interfaces web de productos internos y externos;
  • siete años de documentación de diseño convertidos en contexto comprensible para la IA en un solo día;
  • de 1 a 2 días ahorrados en una revisión de seguridad de código de gran tamaño.

La historia de la documentación es la más fácil de trasladar a otros equipos: el agente necesita un contexto limpio y estructurado, y además este ejercicio revela dónde el conocimiento de la propia organización está mal documentado.

La responsabilidad sigue siendo humana

Mo Amiri, ingeniero de seguridad de la información, describe el procedimiento de aprobación de nuevas aplicaciones de IA. Revisa toda la cadena: qué datos ve el sistema, adónde van, a qué herramientas tiene acceso, qué puede hacer con ellas y qué ocurre cuando falla. Además, comprueba por separado si las conclusiones que parecen convincentes están respaldadas por pruebas reales.

Todos los que construyen algo con IA se rigen por un único conjunto de estándares para el desarrollo, los tests A/B y la predicción de métricas de negocio. Cada desarrollador responde de su código, incluso si lo ha escrito la IA. Si un agente propone un cambio, el ingeniero debe entenderlo lo suficiente como para avalarlo. En las investigaciones de phishing, la IA reúne el correo, los enlaces, los adjuntos y el remitente en un caso estructurado, pero deja al analista la comprobación de los registros primarios y la decisión final.

Qué conviene retener

Tres conclusiones prácticas. Empiece donde la carga crece más rápido que la plantilla, el coste del error es alto y el proceso ya está formalizado con reglas. Mida el ahorro de tiempo entre la tarea y el merge y decida de antemano a qué se dedicará el tiempo liberado. Y defina con antelación los límites: qué ve el agente, qué puede hacer y quién firma el resultado.

El siguiente paso de Revolut es crear una interfaz conversacional para los clientes: bloquear una tarjeta, gestionar una suscripción o ahorrar para un viaje mediante un diálogo. Por ahora son solo planes, sin plazos ni métricas.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Un agente en lugar de una cola de investigadores?

Revolut opera en más de 40 países, atiende a unos 800 000 negocios y el número de clientes particulares creció un 23% en un año. Según uno de los informes, en 2025 más de la mitad de los adultos del mundo se enfrentaron a algún fraude. Cada transacción es una posible señal de alarma, y ningún banco tiene analistas humanos suficientes para todos esos casos. Según David Abitbol, responsable del área de IA, el principal problema que se puede abordar con IA es que la demanda crece más rápido que el número de personas.

¿Qué se sabe sobre El ingeniero diseña, los agentes implementan?

Dmitri Pitik, ingeniero sénior de plataforma, construyó un servicio interno de revisión de código. Diseñó el sistema, lo dividió en funcionalidades y al principio pensó que necesitaría un equipo completo de desarrolladores. Después comprendió que podía lanzar varios agentes de Codex y asignar a cada uno su propia tarea. Él se ocupó de la arquitectura, la planificación y la revisión de lo que devolvían los agentes. Fue ahí donde notó ese ahorro de tiempo del 30–60%.

¿Qué se sabe sobre La responsabilidad sigue siendo humana?

Mo Amiri, ingeniero de seguridad de la información, describe el procedimiento de aprobación de nuevas aplicaciones de IA. Revisa toda la cadena: qué datos ve el sistema, adónde van, a qué herramientas tiene acceso, qué puede hacer con ellas y qué ocurre cuando falla. Además, comprueba por separado si las conclusiones que parecen convincentes están respaldadas por pruebas reales.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

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.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…