Goldman Sachs avanza hacia una nueva fase de inteligencia artificial: Marco Ardenti sobre agentes

Goldman Sachs está replanteando su estrategia de inteligencia artificial en medio del rápido crecimiento de herramientas de agentes y escenarios corporativos más maduros. Marco Ardenti, director de tecnología de la información del banco, ahora habla no solo de experimentos internos, sino de cómo una nueva ola de IA está cambiando el desarrollo y los procesos cotidianos dentro de la organización financiera.

Qué Cambió en 18 Meses

Hace dieciocho meses, Goldman Sachs hablaba principalmente sobre cómo construir sus propias herramientas de IA internas y dónde intentar aplicar modelos sin alcance masivo. Desde entonces, el mercado se ha acelerado dramáticamente: los modelos generativos se han vuelto más precisos, los escenarios corporativos más claros, y los sistemas de agentes han llegado al primer plano—sistemas que no solo responden a una consulta, sino que pueden ejecutar cadenas de acciones. Esto también está cambiando la conversación dentro de las empresas: de la idea de "déjanos intentar esto" a la pregunta "¿qué parte del trabajo podemos pasar a la máquina ahora mismo?"

Para un banco como Goldman Sachs, este cambio importa no solo porque la IA esté de moda. Si antes el valor se medía a menudo por la calidad de las respuestas en chat, ahora la productividad de los empleados está en primer plano: qué tan rápido escribe código un desarrollador, qué tan rápido redacta un borrador un analista, qué tan rápido encuentra un equipo la información que necesita dentro de sus propios sistemas. En este sentido, plataformas de agentes como Claude Code se convierten en más que una herramienta aislada—se convierten en una nueva interfaz para el trabajo corporativo, donde tanto el resultado como el control importan.

Hacia Dónde Mira el Banco

De la descripción de la nueva conversación con Ardenti, queda claro que el enfoque de Goldman Sachs se está desplazando del mero hecho de la implementación a la calidad de la aplicación. Al banco ya no le parece suficiente simplemente tener servicios internos de IA. Ahora es más importante entender qué tareas resuelven estas herramientas mejor que el software tradicional, dónde realmente ahorran tiempo, y dónde requieren demasiada verificación humana. Para una gran organización financiera, este es un enfoque práctico: cualquier automatización es valiosa solo cuando se ajusta a los procesos existentes, requisitos de seguridad y responsabilidad de los equipos.

• Herramientas internas para empleados
• Soporte para desarrollo de código y trabajo con código
• Cadenas de acciones más complejas en lugar de solicitudes individuales
• Evaluación del valor real, no solo de la calidad de las respuestas

Por Qué se Necesitan Agentes

La pregunta real aquí es cómo evalúa el banco específicamente el enfoque de agentes. Ya no estamos hablando solo de un asistente que resume documentos o responde preguntas de una base de conocimiento, sino de sistemas capaces de ejecutar tareas de múltiples pasos. Para equipos de ingeniería y producto, esto es especialmente notable: tal herramienta puede leer código, sugerir cambios, encontrar dependencias, y realizar parte del trabajo rutinario sin estar constantemente alternando entre ventanas.

Pero cuanto mayor sea la autonomía, más aguda es la cuestión de confianza, registro de acciones, y el derecho del humano a tomar la decisión final. Por eso la experiencia de Goldman Sachs es interesante no como una historia sobre "un banco que también está implementando IA," sino como una señal del siguiente etapa del mercado. Cuando organizaciones como esta discuten no pilotos de demostración, sino escenarios de funcionamiento e impacto para especialistas, significa que la tecnología está pasando una prueba de utilidad.

Aunque algunos experimentos no produzcan resultados inmediatos, el cambio en sí es importante: la IA corporativa se está transformando gradualmente de un conjunto de chatbots en una capa de infraestructura que ayuda a escribir, buscar, verificar y ejecutar acciones dentro de la empresa.

Lo Que Esto Significa

Para todo el sector corporativo de IA, esto es un marcador de madurez. La conversación sobre IA se está alejando de promesas abstractas hacia la cuestión de eficiencia medible: dónde los agentes ahorran horas de trabajo, cómo se integran en procesos sensibles, y qué tareas se les pueden confiar sin perder control. Si este enfoque se arraiga en los bancos, rápidamente se convertirá en un punto de referencia para otras grandes empresas internacionales también.