Kevin Sneader, ejecutivo de Goldman Sachs, describe a los nuevos banqueros como responsables de una plantilla virtual de agentes, no solo como autores de la primera hoja de cálculo o presentación. Sus declaraciones, recogidas el 12 de octubre, se refieren a la organización del trabajo; no anuncian un programa de sustitución de puestos en todo el banco.
Sneader dirige Asia-Pacífico excepto Japón, pertenece al comité de dirección y anteriormente encabezó McKinsey a escala mundial. Su cargo da relevancia a la observación, pero las declaraciones no ofrecen cifras de empleados que usan agentes, una lista de tareas automatizadas ni pruebas de que Goldman haya eliminado su formación tradicional. No deben convertirse en una predicción para todos los puestos de analista.
Reconoció expresamente que no está claro qué ocurrirá con los mandos intermedios si los principiantes empiezan supervisando agentes. El consejero delegado David Solomon considera exageradas las previsiones de un colapso laboral causado por la IA. Eso no garantiza que la estructura de personal permanezca intacta ni elimina el riesgo para el empleo.
El benchmark muestra el problema de la supervisión
BankerToolBench desarrolló flujos completos de banca de inversión con 502 banqueros y evaluó nueve modelos de frontera mediante más de cien criterios. Las tareas abarcan modelos financieros, presentaciones, informes, salas de datos, plataformas de mercado y documentos regulatorios.
Incluso el modelo mejor valorado incumplió casi la mitad de los criterios, y los banqueros no consideraron que ningún resultado completo estuviera listo para entregarlo a clientes. Es un resultado del benchmark, no una medición de los sistemas internos de Goldman. Aun así, muestra que asignar un supervisor no equivale a disponer de un analista que entregue trabajo fiable.
Un error de periodo en un documento puede pasar al modelo, después al gráfico y finalmente a la explicación al cliente. Una presentación atractiva y un relato coherente pueden ocultar el fallo inicial. El revisor necesita acceso a las fuentes y conocimiento suficiente para cuestionar los supuestos.
Los competidores cambian plataformas y contratación
Arc de Citi ofrece un entorno controlado para que desarrolladores combinen modelos y agentes, con un acceso más amplio a empleados previsto progresivamente. Centraliza acceso, creación, vigilancia y capacidad de intervención urgente. Los 180.000 empleados que ya utilizaban herramientas empresariales de IA no equivalen a 180.000 operadores de agentes autónomos ni demuestran permisos idénticos.
El control importa cuando el software ejecuta varios pasos. Un borrador puede esperar revisión; enviar información o modificar otro sistema exige una autorización diferente. La gobernanza de la plataforma y la formación profesional responden a riesgos relacionados, pero distintos.
Según las noticias, UBS exige competencias prácticas de IA a solicitantes de sus programas de graduados y prácticas de 2027. Destaca experimentación responsable y resultados de negocio, y prevé formación basada en casos bancarios reales. No vuelve obsoletos el conocimiento financiero ni la revisión. Los espacios de trabajo nativos de IA descritos por JPMorgan, capaces de coordinar acciones entre sistemas, son una visión, no prueba de un despliegue completo.
Las previsiones laborales no resuelven el modelo de carrera
Un análisis de S&P Global considera más probable sustituir actividades concretas que empleos completos a corto plazo. También cita la estimación de Morgan Stanley de una posible reducción del diez por ciento del empleo bancario europeo en cinco años, gran parte mediante jubilaciones y bajas naturales.
Es una previsión regional condicionada, no un resultado observado en Goldman ni un plan universal de despidos. El trabajo puede desplazarse hacia revisión especializada y gobernanza mientras cambian coordinación y contratación inicial. Lo importante es si se conserva la práctica que forma revisores experimentados al reducir la producción repetitiva.
Conservar el aprendizaje y eliminar el trabajo de poco valor
Las tareas tradicionales de los principiantes mezclan repetición innecesaria con práctica valiosa. Cambiar una y otra vez el formato de las diapositivas puede enseñar poco. Conciliar periodos entre documentos regulatorios, reconstruir un modelo y explicar un supuesto puede desarrollar el criterio necesario para revisar trabajos futuros.
Un agente puede entregar una hoja de cálculo o presentación con apariencia de producto terminado sin mostrar esas decisiones intermedias. Después se puede pedir al analista que apruebe algo que todavía no sabe explicar. Los bancos necesitan ejercicios que conserven la comprensión, en vez de tomar una producción más rápida como prueba de desarrollo profesional.
Una tarea práctica combina un borrador asistido por agentes con la comprobación manual de cálculos y enlaces seleccionados. La persona debe identificar entidad, periodo de información, supuestos e incertidumbre detrás de cada conclusión importante. Los revisores experimentados pueden comparar esa explicación con la entrega y explicar las diferencias.
Dar autoridad real a la supervisión
Un empleado principiante no puede asumir de verdad la responsabilidad del resultado si no puede inspeccionar pruebas, rechazar un borrador inadecuado o elevar un problema de plazos. Llamar al puesto gestor de agentes no resuelve esa contradicción. Los permisos de acceso, umbrales de revisión y aprobación final de un responsable sénior deben seguir siendo explícitos.
Conviene separar asistencia informativa, recomendaciones y ejecución. Recopilar documentos públicos no es seleccionar un supuesto de valoración, y ambas cosas difieren de enviar materiales a clientes. Cada nivel exige límites distintos de revisión y autorización. La información confidencial debe permanecer en sistemas aprobados.
Medir los resultados corregidos y el aprendizaje
La velocidad bruta de generación oculta el esfuerzo para rastrear una afirmación, conciliar archivos o reparar un error plausible. Los equipos deberían medir tiempo de revisión, gravedad de errores, modificaciones sustanciales, escalados y aprobación final. También deben comprobar si los principiantes mejoran al detectar supuestos sin respaldo sin ayuda.
Las comprobaciones entre archivos importan porque la hoja de cálculo, las diapositivas y el texto pueden reutilizar versiones diferentes de un supuesto. Los registros de fuentes y cálculos ayudan a reconstruir el trabajo, pero recuperar información no decide por sí solo si el juicio financiero es apropiado.
El desarrollo de la plataforma de Citi y los requisitos de dominio de IA de UBS muestran que la cuestión supera a un banco. No establecen un modelo uniforme de personal. La automatización puede redistribuir tareas hacia revisión especializada y gobernanza, mientras cambian contratación de analistas y capas de coordinación.
Las pruebas relevantes serán los despliegues divulgados por tarea, una formación que exponga deliberadamente fallos y datos de carrera que muestren adónde pasa la responsabilidad. Los bancos pueden hacer más analítico el trabajo inicial, pero sus programas deben cultivar la experiencia necesaria para cuestionar resultados de máquinas. La prueba es si la rapidez se convierte en trabajo bien fundamentado y si los revisores de mañana siguen aprendiendo a juzgar.