La banca española invierte hasta 2.400 millones en IA en 2026 y rediseña sus modelos de decisión crediticia

La inversión conjunta de los cinco grandes bancos españoles en inteligencia artificial se estima entre 1.800 y 2.400 millones de euros para 2026, un incremento de entre el 35% y el 45% respecto a 2024. El despliegue ya es visible en la operativa diaria: el 74% de las entidades ha implementado agentes de IA generativa para la atención al cliente, y el sector avanza hacia capas de orquestación tecnológica unificadas que conectan los núcleos bancarios tradicionales con infraestructuras de datos y proveedores externos, en lugar de sustituir por completo los sistemas heredados.

El cambio más relevante, sin embargo, no es de volumen de inversión sino de arquitectura: los modelos de caja negra pura ('black-box') no se consideran viables en 2026 para la decisión final de concesión de crédito, precisamente por la dificultad de justificar de forma auditable por qué un cliente concreto recibe o no financiación. Las entidades combinan por ello modelos explicables —como XGBoost con SHAP o regresión logística con variables interpretables— para el scoring final, mientras reservan los modelos de IA generativa más complejos y potentes a funciones de apoyo no vinculante, en una arquitectura de 'shadow mode' donde el modelo complejo sugiere y el modelo explicable decide.

Esta cautela responde en parte a la convergencia de un calendario regulatorio sin precedentes para el periodo 2025-2027: el Reglamento de Resiliencia Operativa Digital (DORA), el Reglamento europeo de Inteligencia Artificial, la tercera directiva de servicios de pago (PSD3), el marco de capital de Basilea IV y el Reglamento de Pagos Instantáneos imponen, de forma simultánea, exigencias de trazabilidad, auditoría y gestión de riesgo que condicionan directamente cómo se pueden usar los modelos de IA en decisiones financieras.

Lee también: De MIRI al 10% de probabilidad de extinción: veinte años de avisos sobre el riesgo existencial de la inteligencia artificial · EEUU propone a China una línea de aviso para incidentes graves de IA: es un mecanismo de crisis, no un acuerdo tecnológico

Los resultados operativos reportados por las entidades que ya han desplegado IA generativa de forma sistemática son notables: ahorros de entre el 20% y el 35% en costes operativos de backoffice, reducciones de entre el 30% y el 50% en el tiempo de onboarding de clientes, y mejoras de entre el 15% y el 25% en conversión digital, según cifras del sector recogidas en distintos análisis especializados.

Pese a ese optimismo operativo, persiste una advertencia interna significativa: el 78% de los directivos del sector consultados reconoce que la falta de preparación o de mejora de habilidades en IA dentro de sus propias organizaciones podría afectar negativamente a los resultados, lo que sugiere que la brecha entre la inversión tecnológica y la capacidad real de ejecución sigue siendo, para buena parte del sector, un riesgo no resuelto.