En 2026, empresas y entidades del sector sanitario, bancario y público incorporarán inteligencia artificial para optimizar sus procesos y obtener un mayor retorno de la inversión.
La empresa tecnológica SAS se anticipa a esto Los sistemas multiagente y los datos sintéticos definirán la agenda de este año. y en lo siguiente.
Por ejemplo, si necesitas que un banco apruebe rápidamente una solicitud de préstamo, un sistema multiagente tiene la función de coordinar y ejecutar diferentes tareas de evaluación y verificación simultáneamente, mientras que los datos sintéticos te permiten simular escenarios y validar la operación sin exponer tus datos personales.
¿Qué son los sistemas multiagente?
Para entender qué es un sistema multiagente, primero es necesario definir qué es un agente de IA. Es un sistema capaz de realizar tareas específicas de forma autónoma, como analizar solicitudes o validar información.
Los sistemas multiagente, como explica IBM, constan de múltiples agentes de inteligencia artificial que colaboran para ejecutar tareas en nombre de un usuario u otro sistema.
Según SAS, la tendencia en 2025 fue el uso de agentes individuales; La consolidación de los sistemas multiagente se espera para 2026, ya que se estima que empresas de diferentes sectores automatizarán al menos el 15% de sus procesos en los próximos años.
Esta evolución responde a la necesidad de inmediatez, especialmente en la banca, donde las empresas han demostrado que una respuesta más rápida mejora la experiencia del cliente.
Por ejemplo, si el propietario de una panadería local solicita un préstamo para impulsar su negocio, probablemente esperará una evaluación rápida de su solicitud.
En este escenario, Intervienen sistemas multiagente: una vez que el empleador presenta la solicitud, diferentes agentes validan su información, analizan el riesgo y emiten una respuesta ágil. y preciso
¿Qué papel juegan los datos sintéticos?
Los datos sintéticos cumplen la función de replicar información real para protegerla y entrenar modelos de inteligencia artificial. Por ejemplo, un banco puede utilizar simulaciones de transacciones para detectar fraudes sin exponer datos reales de los clientes.
En el sector sanitario, es posible crear registros médicos ficticios y así entrenar modelos sin utilizar información del paciente. En el ámbito gubernamental, los datos sintéticos pueden acelerar los procedimientos al facilitar la automatización sin comprometer la privacidad.
Iván Fernando Herrera Sánchez, responsable de atención al cliente de SAS, explica que los datos sintéticos suponen una ventaja rentable para las empresas:
«Almacenar grandes volúmenes de información real no es rentable. Es posible conservar sólo un porcentaje y, a partir de esa fracción, generar más datos sintéticos para tener la cantidad necesaria para entrenar modelos de inteligencia artificial y otros agentes».
“Tener terabytes almacenados cuando sólo puedo quedarme con una pequeña parte y generar lo que se necesita en el momento es mucho más eficiente. En algunos casos, por normativa, es obligatorio guardar ciertos datos, pero fuera de estos casos no es eficiente almacenar información innecesaria”, agregó.
Cómo la banca y el gobierno utilizan la IA
La inteligencia artificial ha transformado la forma en que los bancos y el sector público gestionan sus operaciones y servicios.
En el sector público, la inteligencia artificial se utiliza para mejorar la eficiencia operativa, optimizar la prestación de servicios y facilitar la toma de decisiones basada en datos.
Según SAS, Los principales casos de uso incluyen la detección de fraude y mal uso de recursos, la optimización de procesos administrativosanálisis predictivo de políticas públicas y mejora de los servicios ciudadanos.
Por su parte, las organizaciones de servicios financieros se encuentran entre las más avanzadas en la adopción de inteligencia artificial, impulsadas por la necesidad de gestionar el riesgo, cumplir con regulaciones estrictas y mejorar la experiencia del cliente.
Los usos principales incluyen la detección y prevención de fraudes, la evaluación y gestión del riesgo crediticio, el cumplimiento normativo y la prevención del lavado de dinero, así como la personalización de productos y servicios.
