Moody’s advierte que la apuesta de los bancos por la IA está profundizando su dependencia de las empresas tecnológicas
Google News recogió una contundente advertencia de Moody’s el 9 de agosto: los bancos que se apresuran a adoptar la IA están volviéndose más dependientes de unos pocos proveedores tecnológicos. La preocupación no es que la inteligencia artificial no vaya a ofrecer resultados útiles. Es que los bancos podrían ceder poder de negociación, independencia operativa y control sobre infraestructuras esenciales mientras persiguen esos resultados.
Moody’s espera que la IA reduzca costes y cree nuevas oportunidades de ingresos en los servicios financieros. Sin embargo, la agencia de calificación también prevé que los competidores persigan muchas de las mismas ventajas. Esa competencia puede erosionar la ventaja financiera y, al mismo tiempo, dejar a todos los participantes expuestos a proveedores y fallos técnicos similares.
La advertencia cambia la narrativa habitual sobre la IA en la banca. Los bancos han presentado la automatización como una vía para tomar decisiones más rápidas, reducir costes operativos y ofrecer servicios más personalizados. Moody’s pregunta quién controla los modelos, la capacidad en la nube y los precios una vez que esos sistemas se vuelven esenciales.
Esa pregunta sitúa a los bancos en un lado y a una cadena de suministro tecnológica concentrada en el otro. Google, Microsoft, Amazon, OpenAI y Anthropic proporcionan partes importantes de la pila de modelos e infraestructura. Las instituciones financieras siguen controlando las relaciones reguladas con los clientes y los datos propietarios, pero no controlan todas las capas que respaldan sus aplicaciones de IA.
El resultado es una disyuntiva difícil. Los bancos necesitan tecnología externa para avanzar con rapidez, pero una adopción más profunda eleva el coste de cambiar de proveedor o de sobrevivir a una interrupción. Por tanto, el riesgo de la IA bancaria señalado por Moody’s tiene menos que ver con un chatbot defectuoso que con una dependencia sectorial de infraestructura común.
La advertencia de Moody’s va más allá de la productividad de la IA
El cambio inmediato es que una agencia de calificación crediticia ha situado la dependencia tecnológica junto a los beneficios financieros esperados de la IA.
Según la advertencia sobre dependencia bancaria, Moody’s espera que la IA reduzca costes y aumente los ingresos en los servicios financieros. Sin embargo, alcanzar esas ganancias requerirá una inversión considerable. Los bancos rivales que persiguen las mismas mejoras también pueden competir hasta eliminar parte de esa ventaja.
Esta evaluación cuestiona una justificación empresarial habitual para el gasto bancario en IA. Un banco puede automatizar la atención al cliente, las revisiones de cumplimiento, el seguimiento del fraude, el desarrollo de software o el análisis documental. Si todos los grandes competidores adquieren capacidades comparables, la tecnología pasa a ser un requisito en lugar de un diferenciador duradero.
El banco sigue asumiendo el coste de implementación. Debe integrar los modelos con sistemas antiguos, validar los resultados, proteger la información de los clientes y documentar las decisiones para los reguladores. También necesita empleados capaces de supervisar los despliegues e intervenir cuando los procesos automatizados se comporten de forma inesperada.
Moody’s destacó otra capa de exposición. La mayoría de las empresas financieras dependen de un grupo relativamente pequeño de proveedores de modelos fundacionales y nube. Un modelo fundacional es un sistema general de IA que las organizaciones adaptan para muchas tareas más específicas.
Los proveedores de nube suministran la computación, el almacenamiento, las redes y los servicios gestionados utilizados para ejecutar esas aplicaciones. Por ello, las mayores plataformas pueden aparecer en varias partes de la arquitectura de un banco. Un fallo en una plataforma puede interrumpir varias aplicaciones a la vez.
Esto crea dependencia bancaria de proveedores de IA antes de que se haya demostrado cada beneficio propuesto. Una vez que un banco construye flujos de trabajo en torno a una interfaz de modelo, un entorno de nube y un sistema de seguridad, trasladarse a otro lugar se vuelve costoso. Las canalizaciones de datos, la formación de empleados, los controles y las integraciones de software pueden requerir cambios.
El riesgo aumenta a medida que la IA pasa de los experimentos a las operaciones diarias. Un asistente interno de redacción puede desaparecer durante varias horas sin amenazar a la institución. Un modelo conectado a la detección de fraude, las reclamaciones, las decisiones de crédito o la autenticación de clientes plantea un problema diferente.
Moody’s también advirtió sobre la privacidad de los datos, la ciberseguridad, el fraude y la fuga de depósitos. La fuga de depósitos ocurre cuando los clientes retiran dinero de un banco rápidamente, a menudo porque la tecnología facilita las comparaciones y las transferencias. Los asistentes de IA podrían reducir el esfuerzo necesario para encontrar mayores rendimientos y cambiar de cuenta.
Ese resultado convertiría a la IA de una herramienta interna de eficiencia en una fuerza que afecta a la financiación bancaria. Los depósitos estables importan porque los bancos los utilizan para respaldar los préstamos y gestionar la liquidez. Un movimiento más rápido de los clientes puede hacer que esa financiación sea menos predecible durante períodos de tensión.
Por tanto, el titular de Google News recoge solo una parte del argumento de Moody’s. Los bancos afrontan presión de los proveedores tecnológicos, pero también de clientes que utilizan herramientas cada vez más capaces. La IA puede reducir la fricción en ambos lados del balance.
Por qué los bancos afrontan una cadena de suministro de IA concentrada
Los bancos no están eligiendo entre tecnología e independencia; están decidiendo cuánta dependencia pueden tolerar de forma segura.
La cadena de suministro comienza con chips avanzados y centros de datos. Continúa con plataformas de nube, modelos fundacionales, servicios de ciberseguridad, herramientas para desarrolladores y aplicaciones financieras especializadas. Solo un número limitado de empresas puede operar varias de esas capas a escala global.
Los grandes bancos pueden negociar contratos con varios proveedores. También pueden distribuir las aplicaciones entre diferentes nubes o modelos. Sin embargo, una lista de proveedores nominalmente diversa no siempre genera una verdadera independencia técnica.
Dos proveedores de modelos pueden utilizar la misma plataforma en la nube. Distintas aplicaciones bancarias pueden depender del mismo servicio de identidad, componente de red o proveedor de seguridad. Por tanto, un banco puede tener muchos contratos y conservar un único punto oculto de fallo.
Moody’s describió la exposición resultante como dependencia sistémica. Sistémica significa que las consecuencias se extienden más allá de una empresa porque muchas instituciones dependen del mismo proveedor o componente técnico. Una interrupción generalizada podría afectar simultáneamente a varios bancos, aseguradoras y otras empresas.
Las recientes interrupciones en la nube han demostrado por qué esto importa. Moody’s señaló en su perspectiva sobre la economía digital que las interrupciones relacionadas con AWS, Microsoft Azure y Cloudflare causaron una disrupción generalizada. Estos eventos expusieron la complejidad operativa de los entornos de nube conectados.
Las aplicaciones de IA añaden otra dependencia por encima de esa infraestructura. Un banco puede conservar acceso a sus datos mientras pierde acceso a un endpoint de modelo o a un servicio de apoyo. También puede descubrir que un modelo alternativo se comporta de forma distinta con las mismas instrucciones.
Esa diferencia es importante en flujos de trabajo regulados. Los modelos pueden variar en precisión, comportamiento de rechazo, formato de respuesta y sensibilidad a los prompts. Sustituir un modelo por otro no siempre es comparable a reemplazar un servidor de bases de datos estándar.
El sustituto debe probarse frente al caso de uso del banco. Los equipos de riesgo quizá tengan que validar sus resultados, documentar las limitaciones y reevaluar los efectos sobre los clientes. Una alternativa técnicamente disponible puede seguir siendo inutilizable desde el punto de vista operativo hasta que se completen esas comprobaciones.
Los precios plantean otra preocupación. Moody’s advirtió que los proveedores dominantes de modelos e infraestructura pueden ganar influencia sobre los costes de los servicios de IA. Ese poder aumenta cuando los clientes han construido sistemas complejos en torno a interfaces propietarias.
Las empresas de IA generativa afrontan su propia presión para generar rendimientos sostenibles. Si los proveedores aumentan los precios, los bancos podrían tener dificultades para trasladar esos costes a los clientes. Las instituciones competidoras pueden ofrecer servicios similares, lo que limita cuánto puede cobrar cada una.
Este mecanismo hace que el riesgo de la IA bancaria de Moody’s sea, en parte, comercial. Un banco puede completar un despliegue exitoso y aun así recibir menos valor económico del esperado. El proveedor capta más ingresos mientras la competencia reduce el margen del banco.
La dependencia de proveedores también puede configurar la hoja de ruta de productos de un banco. Un proveedor decide cuándo retirar un modelo, cambiar los límites de uso, modificar los controles de seguridad o lanzar una interfaz actualizada. El banco debe adaptarse incluso cuando su despliegue actual siga siendo satisfactorio.
La regulación añade mayor complejidad. Los bancos siguen siendo responsables de los resultados para los clientes cuando un tercero suministra tecnología importante. Externalizar un modelo no externaliza la responsabilidad por discriminación, controles débiles, decisiones inexactas o fallos de privacidad.
Esa división entre control y responsabilidad es la tensión central. La empresa tecnológica controla decisiones técnicas importantes. El banco asume gran parte del riesgo regulatorio, reputacional y para los clientes.
Por qué el titular de Google News importa para los bancos
La historia importa porque la adopción de IA está pasando de la experimentación opcional a la necesidad competitiva.
Más del 75 % de las empresas de la City ya utilizan IA, según una conclusión del Parlamento británico citada en el informe original. Los bancos y aseguradoras internacionales estuvieron entre los mayores adoptantes. Los casos de uso incluyeron automatización administrativa, reclamaciones de seguros y evaluaciones de solvencia crediticia.
Estas aplicaciones se sitúan en niveles de riesgo muy diferentes. Resumir una reunión interna no equivale a evaluar a un solicitante de préstamo. La segunda tarea puede afectar al acceso al crédito y requiere una supervisión mucho más sólida.
El propio estudio bancario de datos de 2026 de Moody’s identificó una brecha entre ambición y preparación. Determinó que el 40 % de los bancos tenía planes ambiciosos de datos y tecnología. Sin embargo, el 80 % se enfrentaba a datos fragmentados e infraestructura heredada.
Solo el 12 % se sentía seguro de utilizar sus datos para actuar con rapidez. Moody’s también concluyó que el 35 % estaba invirtiendo en marcos de gobernanza de IA. La gobernanza incluye las normas, responsabilidades, pruebas y registros necesarios para gestionar la IA durante todo su ciclo de vida.
Estas cifras explican por qué la dependencia bancaria de proveedores de IA puede crecer rápidamente. Un banco con sistemas internos fragmentados puede preferir un servicio externo gestionado que prometa un despliegue más rápido. Esa decisión resuelve un problema inmediato de entrega, pero puede hacer que el proveedor sea más difícil de reemplazar.
Es posible que ese mismo banco no disponga de un inventario completo de cada modelo, fuente de datos y flujo de trabajo posterior. Sin ese mapa, los directivos no pueden medir con precisión la exposición a una interrupción o a un cambio contractual. Podrían descubrir dependencias compartidas solo durante un incidente.
La infraestructura heredada crea otro desequilibrio. Los proveedores tecnológicos operan plataformas modernas diseñadas en torno al procesamiento escalable de datos. Los bancos suelen conectar esas plataformas a sistemas desarrollados a lo largo de décadas, fusiones y cambios regulatorios.
El trabajo de integración se convierte en una forma de dependencia. El banco invierte en conectores, capas de control, políticas de acceso, monitorización y conocimientos del personal. Estas inversiones tienen valor, pero muchas se adaptan a un entorno concreto.
El enfoque de Google News también apunta a la concentración del mercado. Google no es simplemente un agregador que difunde el artículo. Google Cloud y los modelos Gemini de Alphabet sitúan a la empresa dentro de la cadena de suministro descrita por Moody’s.
Microsoft combina Azure con un amplio software empresarial y alianzas de IA. Amazon opera AWS y ofrece acceso a múltiples modelos mediante servicios gestionados. OpenAI y Anthropic proporcionan familias de modelos propietarios ampliamente utilizadas.
Esto no significa que un solo proveedor controle la banca mundial. Significa que varios proveedores ocupan posiciones estratégicas que sería difícil reproducir rápidamente. Los bancos deben negociar con empresas cuya tecnología abarca numerosas industrias y jurisdicciones.
Las instituciones financieras conservan ventajas importantes. Controlan los depósitos de los clientes, las licencias reguladas, la experiencia en riesgos, la distribución y grandes reservas de información propia. Esos activos limitan la capacidad de una empresa tecnológica para sustituir directamente a un banco.
El control de los datos es especialmente relevante. El historial de transacciones de un banco, las relaciones con los clientes, los registros de suscripción y el conocimiento sobre cumplimiento normativo pueden mejorar sistemas especializados. Un proveedor de modelos generales no obtiene automáticamente la propiedad de esos activos.
Sin embargo, el control de los datos no garantiza la independencia operativa. Un banco puede ser dueño de su información y, al mismo tiempo, depender de sistemas externos para procesarla. La propiedad y la ejecución son formas de control distintas.
Los trabajadores del conocimiento dentro de las instituciones financieras afrontan un problema similar. La IA puede acelerar el análisis, pero los empleados necesitan acceso a un contexto institucional verificado. Una base de conocimientos de IA bien gestionada puede preservar las fuentes y las decisiones, en lugar de dispersarlas entre conversaciones con modelos.
Esta práctica no elimina la concentración de la infraestructura. Sí ayuda a la organización a conservar un contexto que puede trasladarse entre herramientas. El conocimiento portátil reduce el coste práctico de cambiar de aplicación o proveedor.
Los bancos tienen defensas, pero su preparación es desigual
La advertencia de Moody’s describe una exposición grave, no una pérdida inevitable del control.
Los grandes bancos llevan décadas gestionando proveedores tecnológicos. Negocian garantías de servicio, derechos de auditoría, estándares de seguridad, protecciones de datos y cláusulas de rescisión. Su escala de compra también puede permitirles obtener mejores condiciones que las instituciones más pequeñas.
Muchos bancos pueden utilizar más de un modelo. Pueden mantener los datos críticos en entornos controlados y limitar qué información llega a un servicio externo. También pueden crear sistemas de enrutamiento que seleccionen modelos según el riesgo y el rendimiento.
Los modelos de código abierto ofrecen otra opción. Un banco puede ejecutar un modelo disponible abiertamente dentro de su propia infraestructura o en un entorno de nube elegido. Esto puede reducir la dependencia de una interfaz de modelo propietaria.
El código abierto no elimina todas las dependencias. El banco sigue necesitando capacidad de computación, controles de seguridad, empleados cualificados, actualizaciones de modelos y sistemas de evaluación. Ejecutar un modelo internamente transfiere responsabilidades en lugar de hacerlas desaparecer.
Las asociaciones también pueden repartir el riesgo. Los bancos pueden contratar con varias nubes, empresas de modelos y proveedores especializados. Pueden exigir datos exportables, interfaces documentadas y planes de salida probados.
La pregunta más difícil es si esas alternativas funcionan durante una falla real. Un sistema de respaldo debe gestionar volúmenes de transacciones realistas y preservar los controles necesarios. Los equipos deben practicar el cambio antes de que una interrupción les obligue a tomar la decisión.
La evidencia sugiere que la confianza puede superar a las pruebas. Un informe de junio concluyó que el 93% de los ejecutivos bancarios encuestados en Reino Unido creía que sus instituciones podían continuar operando durante una interrupción importante. Solo el 47% había completado una prueba que involucrara una disrupción de IA, mientras que el 26% no había realizado ninguna.
Estas cifras se comunicaron durante la contratación de 300 especialistas tecnológicos por parte de Lloyds Banking Group. Se esperaba que los nuevos empleados trabajaran en proyectos que incluían prevención del fraude, búsqueda interna de documentos y servicios bancarios personalizados.
Lloyds ofrece un ejemplo concreto del incentivo comercial. El banco afirmó que la IA generativa aportó un beneficio de 50 millones de libras esterlinas durante 2025. Esperaba que ese beneficio alcanzara los 100 millones de libras esterlinas durante 2026, a medida que aumentara la adopción de IA agéntica.
La IA agéntica se refiere a sistemas que planifican y ejecutan varios pasos con una orientación humana limitada. Esos sistemas pueden automatizar más trabajo que un chatbot sencillo. También crean cadenas de acciones más largas que requieren supervisión y controles de recuperación.
Lloyds planeaba trabajar con modelos existentes, incluidos Claude de Anthropic y Gemini de Google. Ese enfoque permite al banco utilizar sistemas avanzados sin entrenar un modelo fundacional comparable. También ilustra la dependencia identificada por Moody’s.
El banco no es pasivo en esa relación. Puede adaptar los modelos a requisitos internos y conservar la propiedad de los datos de sus clientes. También puede emplear especialistas que comprendan tanto la tecnología como los procesos bancarios regulados.
Aun así, la experiencia no elimina la concentración. Varios bancos pueden seleccionar de forma independiente el mismo modelo o nube porque ofrece un buen rendimiento. Las decisiones racionales de cada institución pueden generar una exposición colectiva en todo el sistema financiero.
El riesgo extremo de IA identificado por la Reserva Federal de Chicago añade otra dimensión. Los grandes bancos aumentaron sus compromisos con industrias vinculadas a la IA de aproximadamente el 9% del total de compromisos en 2015 al 13% a finales de 2025.
Esos compromisos alcanzaron unos 450.000 millones de dólares. La exposición media pendiente se mantuvo en torno al 0,8% del total de activos bancarios, por lo que la posición directa no se describió como inmediatamente alarmante. La preocupación se centraba en la propagación del estrés entre prestatarios conectados de software, semiconductores, energía y centros de datos.
Por tanto, los bancos afrontan exposición a la IA desde dos direcciones. Compran servicios de IA para operar con mayor eficiencia, lo que genera dependencia de proveedores. También prestan a empresas que financian la infraestructura y los negocios detrás de la expansión de la IA.
Esto no demuestra que se aproxime una crisis generalizada. El rendimiento actual de los préstamos y la demanda de centros de datos se mantuvieron comparativamente sólidos en el análisis de la Reserva Federal de Chicago. Las exposiciones indirectas también fueron difíciles de medir con los datos regulatorios disponibles.
La interpretación escéptica es que la advertencia de Moody’s podría exagerar el poder de los proveedores. Los grandes bancos cuentan con contratos importantes, equipos de compras experimentados y alternativas creíbles. Los reguladores también están obteniendo una supervisión más sólida de proveedores externos relevantes.
Sin embargo, tampoco debe exagerarse la afirmación contraria. Una política multinube no proporciona automáticamente resiliencia. Un modelo abierto no garantiza portabilidad, y un contrato no asegura que el cambio pueda realizarse rápidamente.
La prueba práctica es si un banco puede mantener los servicios esenciales después de perder a un proveedor. Eso requiere evidencia de ejercicios, no encuestas de confianza ni documentos de políticas.
Tres señales pondrán a prueba la advertencia de Moody’s en Google News
La próxima fase revelará si los bancos están construyendo sistemas de IA resilientes o simplemente añadiendo más proveedores a arquitecturas frágiles.
La primera señal es la realización de pruebas operativas. Los bancos deberían revelar si han simulado la pérdida de un proveedor importante de modelos o nube mientras los flujos de trabajo críticos permanecen activos. Los reguladores querrán pruebas de que los sistemas de respaldo pueden soportar volúmenes realistas.
Una prueba exitosa reforzaría la idea de que los bancos pueden contener el riesgo bancario de IA señalado por Moody’s. Demostraría que las alternativas técnicas resisten los controles operativos, la demanda de los clientes y los requisitos regulatorios.
Los fallos repetidos respaldarían la advertencia de Moody’s. También lo haría la evidencia de que los modelos de respaldo no pueden reproducir los resultados requeridos ni superar la validación con rapidez. Un plan de recuperación que solo existe sobre el papel ofrece poca protección.
La segunda señal es la portabilidad de contratos y arquitectura. Los bancos necesitan formas prácticas de trasladar datos, prompts, evaluaciones y flujos de trabajo entre proveedores. Las interfaces estándar pueden ayudar, pero los sistemas más importantes suelen contener funciones específicas de cada proveedor.
Hay que observar si los bancos adoptan capas de enrutamiento de modelos y conjuntos de evaluación portátiles. Un conjunto de evaluación es una serie de pruebas utilizada para comparar sistemas de IA frente a los mismos requisitos. Puede revelar si un modelo sustituto cumple los estándares mínimos.
También hay que vigilar las limitaciones a la renovación automática de contratos y cláusulas de salida más sólidas. Estas condiciones son importantes porque el poder de negociación sobre los precios aumenta cuando un cliente no puede irse sin reconstruir aplicaciones importantes.
Una mayor portabilidad debilitaría la interpretación más severa de la dependencia de los bancos respecto a los proveedores de IA. Mostraría que las instituciones pueden utilizar tecnología externa avanzada sin aceptar una dependencia permanente.
La tercera señal es el tratamiento regulatorio de los proveedores tecnológicos críticos. Las autoridades del Reino Unido ya se han centrado en terceros críticos, incluidas empresas de nube y tecnología que prestan servicios a instituciones financieras. La supervisión directa puede revelar debilidades comunes que los bancos individuales no pueden ver.
La Financial Conduct Authority también ha considerado una mayor autoridad sobre las empresas de IA y los proveedores de nube. Sus preocupaciones incluyen fraude, ciberseguridad, perjuicio para los consumidores y concentración de mercado. Estos riesgos van más allá de la gestión convencional de proveedores.
Unos requisitos claros de pruebas reforzarían el argumento a favor de la resiliencia. Los supervisores podrían exigir a los bancos que cartografíen dependencias, definan objetivos de recuperación e informen de incidentes materiales. También podrían examinar la concentración en todo el sector.
Sin embargo, la regulación puede crear nuevas complicaciones. Si los costes de cumplimiento favorecen a los mayores proveedores aprobados, la supervisión podría reforzar la concentración que busca controlar. Las alternativas más pequeñas podrían tener dificultades para cumplir los requisitos del sector financiero.
Esta disyuntiva merece mucha atención. Un proveedor individual más seguro no produce necesariamente un mercado más seguro cuando la mayoría de las instituciones lo eligen. La concentración puede convertir una plataforma bien gestionada en un punto compartido de falla.
El mismo problema se aplica a los modelos fundacionales. Los reguladores pueden preferir proveedores establecidos con amplia documentación y equipos de seguridad. Los bancos podrían entonces converger en un pequeño grupo de modelos porque esas opciones parecen más fáciles de defender.
La advertencia de Moody’s parecerá más sólida si la adopción continúa sin mejoras medibles en la portabilidad y las pruebas de recuperación. Parecerá más débil si los bancos demuestran cambios rápidos entre sistemas operados de manera independiente.
Por ello, los lectores de Google News deberían tratar el titular como una señal temprana de riesgo crediticio, no como una declaración de que los bancos ya han perdido el control. La evidencia decisiva procederá de interrupciones, cambios contractuales, exámenes regulatorios y resultados de recuperación probados.
Los beneficios financieros siguen siendo lo bastante reales como para mantener el avance de la adopción. Es poco probable que los bancos dejen de utilizar IA cuando la automatización puede mejorar la gestión de reclamaciones, la revisión de documentos, la detección del fraude y el desarrollo de software.
La mejor pregunta es si cada implementación preserva una salida. Los ejecutivos deberían preguntarse qué servicios se detienen cuando falla un proveedor, cuánto tarda la recuperación y qué controles sobreviven al cambio.
Los clientes y los inversores pueden plantear preguntas similares. ¿Explica un banco cómo se revisan las decisiones automatizadas? ¿Pueden los empleados intervenir cuando falla un modelo? ¿Ha probado la institución una pérdida prolongada de un proveedor externo?
La próxima interrupción importante proporcionará la evidencia más clara. Si los bancos mantienen los servicios esenciales mediante alternativas probadas, la preocupación de Moody’s parecerá manejable. Si varias instituciones fallan a la vez, la advertencia parecerá premonitoria.
Por ahora, la carrera por la IA ha creado un equilibrio incómodo. Los bancos pueden ganar eficiencia sin poseer toda la pila tecnológica. No pueden asumir que los contratos de compras por sí solos preservan la independencia.
En última instancia, la historia de Google News trata sobre el control. Los bancos aún poseen datos críticos, licencias y relaciones con los clientes. Su desafío consiste en mantener esos activos útiles cuando otra persona opera la inteligencia y la infraestructura que los rodean.
