IA agentiva: la transformación de la gestión de activos

SFF Magazine Junio 2026

Temáticas: Asset Management, IA

Introducción
La industria de los servicios de activos se enfrenta a una presión sin precedentes desde múltiples frentes. Los proveedores de servicios de activos y las sociedades gestoras deben hacer frente a plazos de entrega cada vez más reducidos, estructuras de inversión más complejas y un aumento constante de los costes operativos, todo ello mientras mantienen su competitividad en un mercado en rápida evolución. Los esfuerzos tradicionales de digitalización y automatización ya no son suficientes para responder a estas exigencias.
En este contexto, la IA Agentiva (Agentic AI) se ha convertido en uno de los principales focos de atención. Representa una nueva generación de inteligencia artificial que va más allá de la simple automatización, al permitir que los sistemas razonen, planifiquen y actúen teniendo en cuenta el contexto. Su auge está impulsando importantes debates sobre cómo integrar la IA en las operaciones diarias, así como sobre la gestión de la protección de datos, el cumplimiento normativo y las limitaciones prácticas.
Esto plantea una cuestión fundamental para el sector: ¿qué significa realmente la IA Agentiva para los proveedores de servicios de activos y en qué ámbitos puede aportar un valor tangible?
Este artículo explora el concepto de IA Agentiva, analiza los principales desafíos actuales del sector, presenta casos de uso prácticos y ofrece una perspectiva sobre el futuro de la industria.

¿Qué es la IA Agentiva en la industria de los servicios de activos?

La IA Agentiva hace referencia a sistemas capaces de actuar de manera autónoma para alcanzar objetivos definidos, en lugar de limitarse a responder a instrucciones. Estos agentes de IA van más allá de los chatbots reactivos y funcionan como asistentes digitales con capacidad de razonamiento, capaces de comprender el contexto, planificar flujos de trabajo, conectarse a fuentes de datos y herramientas externas —o limitarse a recursos internos por motivos de rendimiento— y ejecutar las acciones necesarias.

Estos sistemas aprenden continuamente de la experiencia, desarrollan una memoria y reflexionan sobre los resultados para mejorar sus decisiones futuras. Al operar entre diferentes plataformas, también pueden colaborar dentro de ecosistemas multiagente, generando información que mejora la transparencia y fortalece la gobernanza durante todo el ciclo de vida de la inversión.

Para las empresas, esto se traduce en operaciones más ágiles, una reducción del trabajo manual y de los errores, y una mayor dedicación a actividades de mayor valor añadido. Gracias a una autonomía controlada, mecanismos de supervisión claros y un modelo de human in the loop (supervisión humana continua), la IA Agentiva puede analizar rápidamente contextos complejos, monitorizar datos, adaptarse a condiciones cambiantes y ejecutar acciones alineadas con las políticas, los folletos y los controles establecidos. Su capacidad de funcionamiento continuo también resulta especialmente útil para tareas que requieren disponibilidad permanente, como conciliaciones, controles de supervisión, elaboración de informes y detección de anomalías.

A medida que las organizaciones adoptan estos sistemas, una gobernanza eficaz se convierte en un elemento crítico. El despliegue estratégico, el acceso basado en roles, la auditabilidad, los procesos de aprobación escalonados y la supervisión constante del ecosistema de agentes garantizan la fiabilidad, reducen los riesgos y refuerzan la confianza regulatoria.

El resultado es un enfoque pragmático de la inteligencia artificial, que combina comprensión del lenguaje, planificación, razonamiento, reflexión y uso de herramientas para ofrecer mejoras medibles en productividad y calidad de las decisiones en áreas como la administración de fondos, la custodia, la supervisión depositaria y las operaciones de las sociedades gestoras.

«La IA Agentiva hace referencia a sistemas capaces de actuar de manera autónoma para alcanzar objetivos definidos, en lugar de limitarse a responder a instrucciones. Estos agentes de IA van más allá de los chatbots reactivos y funcionan como asistentes digitales con capacidad de razonamiento, capaces de comprender el contexto, planificar flujos de trabajo, conectarse a fuentes de datos y herramientas externas —o limitarse a recursos internos por motivos de rendimiento— y ejecutar las acciones necesarias.»

Principales desafíos del sector

La industria de los servicios de activos está sometida a una creciente presión desde múltiples direcciones, con ineficiencias operativas que afectan de forma significativa a la rentabilidad y al rendimiento. Los procesos manuales de incorporación de clientes, las extensas verificaciones KYC y AML, el seguimiento fragmentado de carteras y la elaboración intensiva de informes para inversores siguen consumiendo recursos desproporcionados, representando únicamente las tareas de cumplimiento normativo entre el 30 % y el 40 % de los costes administrativos.

Al mismo tiempo, la presión constante sobre los márgenes por parte de las gestoras de fondos continúa reduciendo la rentabilidad de los modelos operativos.

Las recientes revisiones regulatorias llevadas a cabo por organismos como la CSSF de Luxemburgo también han puesto de manifiesto deficiencias persistentes en la calidad de los datos, la gobernanza y la gestión del riesgo, impulsando programas de remediación y una mayor supervisión.

Estos retos se agravan debido a la creciente complejidad de las estructuras de fondos:

Las estructuras de inversión alternativas presentan importantes desafíos operativos y de gestión de datos. Un mismo fondo paraguas puede contener múltiples subfondos con estrategias, sistemas y flujos de información distintos en ámbitos como private equity, inmobiliario, hedge funds o estructuras feeder-master, generando datos fragmentados y difíciles de conciliar. A ello se suma la dependencia de documentos PDF y portales para inversores, cuya integración resulta complicada para los sistemas tradicionales.
Los fondos de inversión tradicionales también afrontan una complejidad creciente, con distintos niveles de apalancamiento, un número cada vez mayor de clases de participaciones (como las clases cubiertas) y estructuras de producto cada vez más sofisticadas diseñadas para mejorar el rendimiento.

Todo ello pone de manifiesto la necesidad de modelos operativos más robustos, escalables y apoyados en la tecnología. Estas ineficiencias estructurales crean una clara oportunidad para que la IA Agentiva automatice tareas de escaso valor añadido, integre sistemas fragmentados y permita a los profesionales centrarse en los verdaderos motores del negocio: la relación con los clientes y la entrega puntual y precisa de información.

Casos prácticos de uso

AI is moving from experimental pilots to scaled operational deployment across the industry:

Contabilidad y valoración de fondos: automatiza la integración de datos de múltiples fuentes, concilia diferencias en tiempo real y detecta anomalías de valoración antes de que afecten al valor liquidativo (NAV).
Transferencias: la IA agiliza el proceso de incorporación de inversores mediante la validación automatizada de documentos, la verificación de identidad, la comprobación de sanciones y el análisis de patrones de transacciones, lo que refuerza la eficacia de las medidas contra el blanqueo de capitales y de «conozca a su cliente» (KYC).
Custodios y depositarios: las herramientas basadas en IA analizan flujos de transacciones, patrones de liquidación y movimientos de activos para detectar incumplimientos de las restricciones de inversión, mejorando la supervisión y reduciendo riesgos operativos y regulatorios.
Sociedades gestoras (ManCos): la IA facilita la supervisión de proveedores delegados mediante el análisis continuo de indicadores clave de rendimiento (KPIs), incidencias y tendencias operativas.
Apoyo a los servicios de secretaría corporativa: los agentes generan informes preparados para reguladores y documentación para consejos de administración, reduciendo el trabajo manual y el riesgo de incumplimiento.

En Luxemburgo, diversas iniciativas están sentando las bases para una implantación segura de la IA en entornos regulados:

^{Instituciones europeas}: ya se observan avances significativos. Por ejemplo, el Banco Europeo de Inversiones (BEI) ha conseguido más de 200 millones de euros en ahorros gracias a la adopción de la IA.
Innovación en la nube: iniciativas como Clarence Sovereign Cloud de la CSSF están facilitando infraestructuras seguras y escalables para alojar soluciones de IA.

Over the next two to three years, adoption of agentic AI in Luxembourg is expected to accelerate. Initial use cases will likely focus on compliance, reporting, and reconciliation, before expanding into investor servicing, fund administration workflows, and broader operational oversight.

However, moving from proof of concept to successful implementation requires more than technology; it demands strong data governance. Firms will need to prioritize robust change management, build and continuously train internal capabilities, and establish dedicated roles to monitor and continuously improve processes and data quality as these technologies evolve.

Next evolution of asset servicing

El entorno regulatorio evoluciona rápidamente, haciendo que la IA Agentiva sea no solo una oportunidad, sino una necesidad operativa. El Reglamento Europeo de Inteligencia Artificial (EU AI Act) clasificará la mayoría de las herramientas utilizadas en los servicios de activos como de alto riesgo, exigiendo sistemas explicables, auditables y sometidos a una gobernanza rigurosa.

La CSSF ya ha manifestado unas expectativas más elevadas a través de revisiones temáticas y documentos de reflexión, reforzando la necesidad de contar con sistemas más sólidos, mayor transparencia, una gobernanza robusta y una gestión disciplinada de los datos. El cumplimiento de la futura normativa sobre IA dejará de ser una ventaja competitiva para convertirse en un requisito básico.

«El entorno regulatorio evoluciona rápidamente, haciendo que la IA Agentiva sea no solo una oportunidad, sino una necesidad operativa. El Reglamento Europeo de Inteligencia Artificial (EU AI Act) clasificará la mayoría de las herramientas utilizadas en los servicios de activos como de alto riesgo, exigiendo sistemas explicables, auditables y sometidos a una gobernanza rigurosa.»

La oportunidad para el sector es considerable. La IA Agentiva puede transformar los servicios de activos mejorando la precisión, optimizando la experiencia del cliente y reduciendo costes. Sin embargo, capturar este valor de manera responsable será lo que diferencie a los líderes de los seguidores.

El camino a seguir exige una estrecha colaboración entre negocio y tecnología para construir soluciones fiables y escalables mediante un aprendizaje continuo. Las organizaciones deberán reforzar sus capacidades de gobernanza, invertir en la formación de sus equipos y fomentar la alineación entre los especialistas en ciencia de datos y las áreas de negocio.

La IA Agentiva es mucho más que una evolución tecnológica; es una prueba de liderazgo para la industria. Las organizaciones que actúen con rapidez y responsabilidad definirán los estándares competitivos, los modelos de gobernanza y las bases éticas de la industria de fondos del futuro.

¹ For additional insights on this project, contact Nicolas Griedlich, Partner, Artificial Intelligence & Data, Deloitte.

² CSSF, «The CSSF adopts Clarence to develop artificial intelligence with full sovereignty: a major breakthrough for the financial sector,» press release, 2 December 2024.