Tras los comparadores y los agregadores, las interfaces conversacionales basadas en grandes modelos de lenguaje (LLM) se están convirtiendo en un punto de acceso fundamental para la toma de decisiones financieras. El riesgo para los bancos es concreto: seguir diseñando y respaldando productos, pero perder el control sobre la interfaz, la recomendación y, en última instancia, la suscripción. Se trata del escenario de la “cocina oculta” aplicado al sector financiero, que produce sin ser visto. Esta tendencia dista mucho de ser especulativa. Ya en 2024, 23% de consumidores utilizaban la IA generativa para tareas financieras al menos una vez al mes,(1) y los agentes podrían convertirse en el canal preferido para las interacciones bancarias en los próximos tres a cinco años. Por lo tanto, la cuestión ya no es si estas interfaces se situarán entre los bancos y sus clientes, sino cómo pretenden las entidades financieras seguir siendo visibles en su seno.
Históricamente, los bancos controlaban el recorrido completo a través de sus propios canales: sucursales, páginas web y aplicaciones. La digitalización había puesto en marcha un proceso inicial de desintermediación al facilitar la comparación y reducir los costes de cambio de proveedor, sin que ello supusiera una amenaza para la centralidad de los ecosistemas de marca.
Las interfaces conversacionales están transformando la propia naturaleza de esta dinámica. Los clientes ya no buscan un producto específico; en su lugar, expresan el resultado que desean (optimizar el ahorro, financiar un proyecto) y delegan la búsqueda, la selección y la ejecución a un agente. Estos agentes saben ahora cómo planificar, memorizar, coordinar y ejecutar de forma autónoma procesos financieros de varios pasos. Y, sobre todo, la infraestructura de pagos basada en agentes ya se está implantando: OpenAI y Stripe lanzaron el Protocolo de Comercio Basado en Agentes a finales de 2025 para permitir realizar compras directamente desde ChatGPT;(2) desde entonces, Visa, Amazon y Google han puesto en marcha sus propios canales de transacciones iniciadas por agentes. La suscripción desde la propia interfaz ya es una funcionalidad operativa en determinados países.
Estas interfaces ya no se limitan al historial de transacciones. Recogen las intenciones, los proyectos y las valoraciones, y actúan como un “CRM emocional” del que los bancos nunca han dispuesto. A medida que estos flujos se intensifican, se están consolidando como el eje central de la relación, sirviendo al mismo tiempo como punto de partida para comprender las necesidades y orientar al usuario hacia la oferta.
El riesgo de las “cocinas ocultas” aplicado al sector bancario
Por lo tanto, el riesgo se está desplazando hacia un modelo de “cocina oculta”: una disociación cada vez mayor entre la producción y la distribución. Los bancos siguen diseñando productos y asumiendo el riesgo y el cumplimiento normativo asociados, pero pierden el punto de contacto. De ello se derivan cuatro consecuencias:
Pérdida de visibilidad. Los clientes ya no interactúan con su banco y, con el tiempo, pueden llegar a pasar por alto el papel que este desempeña en la cadena de valor. La marca pasa a ser un proveedor en segundo plano.
Comoditización. Al estar sometidas a una comparación constante y ser reformateadas por la interfaz, las ofertas se vuelven intercambiables. El filtro es implacable: los modelos de recomendación suelen mencionar solo entre una y tres marcas por consulta.(3) La diferencia entre seguir existiendo o desaparecer se reduce a un espacio minúsculo.
Relaciones debilitadas. Al volverse más fragmentada y transaccional, la relación pierde profundidad. La fidelización de los clientes y la venta cruzada se complican, mientras que la volatilidad se dispara: en un entorno impulsado por los agentes, el coste de cambio tiende a cero.
Presión sobre los márgenes. La transparencia de los precios y la capacidad de recomendación de la interfaz intensifican la competencia. Y esta tendencia no favorece a los operadores tradicionales: hoy en día, los modelos de lenguaje grande (LLM) tienden a recomendar neobancos y entidades crediticias nativas digitales en lugar de instituciones tradicionales. Para un operador tradicional, el riesgo no es solo quedar excluido del proceso de intermediación, sino ser marginado sistemáticamente por la máquina.
Este escenario no está, en absoluto, lejos de hacerse realidad. A medida que se generaliza su adopción y los agentes ganan autonomía, resulta urgente poner en marcha las transformaciones que permitan a los bancos mantenerse dentro de la cadena de valor de los agentes en la actualidad.
Adquirir el control: existir, ser operativo, ser elegido
Ante esta evolución, existen tres posturas posibles: adoptar una actitud de espera; aceptar la nueva capa de interfaz y limitarse al papel de proveedor de productos; o luchar por conservar la relación con el cliente a través de plataformas propias. Las dos primeras conducen directamente a la “cocina oculta”. Solo la tercera permite mantener una posición en la cadena de valor, y requiere una transformación de las arquitecturas, los recorridos y los modelos relacionales, estructurada en torno a tres frentes:
Existir. A medida que las interfaces conversacionales se convierten en puntos de acceso, lo que está en juego ya no son los canales propios, sino la visibilidad de la oferta dentro de estos entornos: esto es la optimización de motores generativos (GEO). En las respuestas de los modelos de lenguaje grande (LLM), la visibilidad depende en gran medida de fuentes de terceros (prensa, reseñas, análisis) más que de los propios activos de la marca. Para existir, es necesario ampliar la huella informativa mucho más allá de la propia página web. El paralelismo con el SEO de la década de 2000 es directo: las empresas que invirtieron pronto en la optimización de búsquedas se forjaron ventajas estructurales duraderas. Esa misma oportunidad se está cerrando hoy en día.
Para que sea funcional. En un mundo de recomendaciones automatizadas, la interfaz da prioridad a las ofertas más sencillas de comprender y ejecutar. La ventaja recae en los productos “preparados para agentes”: interoperables, accesibles a través de arquitecturas abiertas y diseñados para una suscripción sin obstáculos. Esto requiere servicios claros, fiables y “legibles por máquinas”. Más allá de la visibilidad, la capacidad de distribuirse sin obstáculos se convierte en un factor decisivo.
Por determinar. Cuando las ofertas se vuelven comparables y están técnicamente integradas, la diferenciación se desplaza hacia la marca tal y como la percibe la máquina. Los modelos de lenguaje grande (LLM) sobrerrepresentan a las entidades más citadas, siguiendo una lógica de “sesgo hacia las grandes marcas”: en el caso de una recomendación de compra, determinados modelos resultan ser hasta 18 veces más propensos a sugerir una marca ya dominante.(4) Se establece así un círculo vicioso: el modelo sugiere, el usuario hace clic y se refuerza el dominio. Los actores ausentes de los corpus editoriales y las plataformas de reseñas quedan mecánicamente marginados. Establecer una presencia activa en estos entornos e integrar los recorridos del cliente directamente en ellos se convierte en la palanca decisiva para mantener la relación con el cliente.
El comercio agencial no solo está transformando la relación con el cliente, sino que está alterando sus equilibrios fundamentales. El centro de gravedad se está desplazando hacia quienes controlan el acceso, la selección y la priorización de las ofertas. Los bancos capaces de reintegrarse en esta arquitectura de mercado reforzarán su papel. Los demás se convertirán en productores invisibles, alejados del punto de contacto y del lugar donde se crea valor. La decisión se está tomando ahora mismo. Dentro de tres a cinco años, ya se habrá tomado.
Notas:
[1] McKinsey, “Cómo los agentes de IA generativa amenazan las relaciones con los clientes de los bancos minoristas’, 6 de mayo de 2026. Adopción data: el 23% de los consumidores declaró haber utilizado la IA generativa para tareas financieras al menos una vez al mes (2024).
[2] OpenAI y Stripe, el protocolo Agentic Commerce y “Instant Checkout”, septiembre de 2025. Plataformas competidoras: Visa Intelligent Commerce (abril de 2026), alianza entre Visa y OpenAI (junio de 2026), “Buy for Me” de Amazon —AWS Agentic Shopping Assistant— y el Protocolo de Comercio Universal de Google.
[3] Estimación realizada por expertos en optimización generativa (Searchable, C. Donnelly, 2026); los modelos de recomendación más habituales suelen citar, por lo general, entre una y tres marcas por consulta.
[4] Medición del “sesgo de entidad” descrita por L.-M. Lorin (abril de 2026): según los modelos, la propensión a recomendar una marca ya dominante alcanza hasta aproximadamente 18 veces (teléfonos inteligentes). Orden de magnitud indicativo, que debe contrastarse con el estudio original.
