El banco firma una alianza tecnológica de tres años para automatizar procesos, reforzar la lucha contra el fraude y mejorar la atención al cliente. Su objetivo es generar más de 1 000 millones de euros de valor de negocio con inteligencia artificial entre 2026 y 2028.
La banca entra en una nueva fase de automatización y el Santander quiere situarse entre sus protagonistas. La entidad ha ampliado su colaboración con Nvidia, el gigante estadounidense de los chips y la infraestructura de inteligencia artificial, con un acuerdo de tres años destinado a mejorar sus servicios y reducir el coste de sus operaciones.
La cifra más llamativa procede de una prueba experimental: el banco asegura que ha conseguido rebajar de 5 euros a 0,03 euros el coste de determinadas interacciones, manteniendo resultados satisfactorios. La reducción equivale aproximadamente al 99,4 % del coste inicial, aunque el dato corresponde a casos concretos y no demuestra que todas las operaciones bancarias puedan abaratarse en esa proporción.
La alianza también busca mejorar la prevención del fraude y del blanqueo de capitales, automatizar tareas y desarrollar agentes de inteligencia artificial capaces de intervenir en procesos bancarios específicos.
El movimiento tiene una dimensión económica evidente. Santander se ha marcado el objetivo de generar más de 1 000 millones de euros de valor de negocio con IA entre 2026 y 2028, repartidos entre nuevos ingresos y ahorro de costes. La cuestión será comprobar cuánto de ese potencial se convierte en resultados reales y qué impacto tendrá sobre los clientes y los trabajadores.
Santander apuesta por una IA más especializada y barata
La estrategia del banco supone un cambio respecto al uso exclusivo de grandes modelos generalistas, diseñados para resolver tareas muy diferentes. Santander pretende recurrir cada vez más a modelos de inteligencia artificial pequeños y especializados, adaptados a funciones bancarias concretas.
La lógica es sencilla: no todas las operaciones necesitan el modelo más potente y costoso. Una tarea repetitiva de atención al cliente, el análisis de un documento o la clasificación de una alerta de fraude pueden requerir capacidades diferentes.
En lugar de utilizar una única herramienta para todo, el banco quiere seleccionar el sistema más adecuado para cada proceso. Esta especialización puede reducir el consumo de recursos informáticos, acelerar las respuestas y facilitar la integración de la IA en las operaciones cotidianas.
El trabajo se desarrolla en el Santander AI Lab, el laboratorio tecnológico que explora y prueba nuevas soluciones antes de su posible implantación en el conjunto del grupo. La entidad está creando herramientas para comparar modelos, evaluar su rendimiento y determinar cuáles ofrecen la mejor relación entre coste y resultados.
La colaboración con Nvidia proporciona parte de la infraestructura y las tecnologías necesarias para desarrollar estos sistemas. Sin embargo, la eficiencia no depende únicamente del precio de ejecución: también exige medir la precisión de las respuestas, la seguridad de los datos, los errores y la necesidad de supervisión humana.
Model Arena: cómo el banco elige el modelo adecuado
Una de las piezas centrales de la estrategia es Model Arena, una plataforma desarrollada por Santander AI Lab para comparar modelos de inteligencia artificial en tareas bancarias.
La herramienta permite evaluar modelos de pesos abiertos —sistemas cuyos parámetros están disponibles para su adaptación bajo las condiciones de su licencia— y estudiar su rendimiento en distintos escenarios.
Esta posibilidad resulta relevante para una entidad financiera. Los modelos pueden ajustarse a procesos concretos sin tener que entrenar desde cero un sistema generalista de gran tamaño. La evaluación permite comparar alternativas antes de decidir qué tecnología conviene utilizar en cada aplicación.
El objetivo no consiste solo en elegir el modelo que ofrece la respuesta más convincente. También hay que comprobar si trabaja con suficiente fiabilidad, si puede integrarse en los sistemas internos y si cumple las exigencias de seguridad y control propias de una entidad financiera.
En la práctica, Santander pretende que la IA se convierta en una herramienta operativa y no permanezca limitada a proyectos piloto o demostraciones tecnológicas.
De 5 euros a 3 céntimos: qué significa el recorte de costes
La reducción de costes comunicada por Santander es el principal reclamo económico de la alianza.
En determinadas pruebas, el coste de ejecución pasó de unos 5 euros por interacción a aproximadamente 0,03 euros. Esto significa que el coste final representa alrededor del 0,6 % del inicial, con un ahorro de unos 4,97 euros por interacción en el caso analizado. El banco sostiene que ha mantenido buenos resultados con el nuevo enfoque.
La cifra merece atención, pero necesita contexto. No se ha demostrado que ese ahorro pueda extrapolarse a todas las conversaciones con clientes, a todos los productos bancarios o al conjunto de la infraestructura tecnológica de Santander.
Para medir el impacto real habría que conocer, entre otros factores, el volumen de operaciones que pueden trasladarse a esos modelos, los costes de implantación y mantenimiento, los controles adicionales y la tasa de intervenciones humanas que sigue siendo necesaria.
En una prueba experimental, un ahorro unitario elevado puede resultar prometedor. A escala de todo el banco, el resultado dependerá de la cantidad de procesos en los que la solución funcione con garantías y de los costes que aparezcan durante su despliegue.
Nvidia NeMo Customizer, Kumo y Dynamo-Triton: la infraestructura de la alianza
El acuerdo incorpora diferentes tecnologías de Nvidia para adaptar modelos, trabajar con datos estructurados e integrar capacidades de inteligencia artificial en la infraestructura del banco.
Entre las herramientas citadas se encuentra Nvidia NeMo Customizer, utilizada para adaptar modelos a tareas concretas. Santander también trabaja con Nvidia Kumo para desarrollar capacidades de análisis predictivo sobre datos estructurados y con Nvidia Dynamo-Triton para incorporar y ejecutar modelos de IA de forma eficiente en su infraestructura tecnológica.
Estas tecnologías responden a necesidades diferentes:
- Adaptación de modelos: ajustar los sistemas a tareas bancarias específicas.
- Análisis de datos: extraer patrones y generar información predictiva a partir de datos estructurados.
- Ejecución eficiente: desplegar los modelos en la infraestructura tecnológica con el objetivo de controlar los costes.
- Evaluación previa: comparar resultados en entornos controlados antes de extender las soluciones a más procesos.
La combinación de estas capacidades pretende facilitar la transición desde los experimentos hacia aplicaciones que puedan utilizarse de forma recurrente dentro de una organización bancaria global.
Agentes de IA para detectar fraudes y automatizar decisiones
La colaboración no se limita a la atención al cliente. El acuerdo de tres años contempla el desarrollo de agentes de inteligencia artificial, sistemas capaces de ejecutar tareas y encadenar pasos de un proceso con distintos grados de autonomía, según la aplicación.
Santander y Nvidia también quieren trabajar en la prevención del fraude y del blanqueo de capitales, la toma de decisiones en tiempo real, las tecnologías de simulación y los modelos fundacionales.
La prevención del fraude es uno de los ámbitos en los que la velocidad de análisis puede resultar decisiva. Los sistemas de IA pueden ayudar a detectar patrones anómalos, priorizar alertas y aportar información para que los equipos de control investiguen operaciones sospechosas.
En materia de blanqueo de capitales, la automatización puede contribuir a procesar grandes volúmenes de alertas y documentos. No obstante, detectar una señal de riesgo no equivale a demostrar que se ha cometido un delito. Los sistemas deben someterse a controles para reducir falsos positivos y evitar que decisiones relevantes dependan de una clasificación automatizada sin revisión adecuada.
El acuerdo contempla asimismo tecnologías de gemelos digitales bancarios. Un gemelo digital es una representación virtual de un sistema real que permite simular escenarios y estudiar cómo respondería ante distintas condiciones. En el entorno financiero, estas herramientas podrían utilizarse para analizar procesos, evaluar cambios y probar hipótesis en entornos controlados.
Santander quiere generar 1 000 millones de euros con la IA
La alianza con Nvidia forma parte de una estrategia más amplia del banco para convertir la inteligencia artificial en una fuente medible de ingresos y eficiencia.
Santander aspira a generar más de 1 000 millones de euros de valor de negocio entre 2026 y 2028, mediante dos vías principales:
- 300 millones de euros en ingresos adicionales, asociados a nuevas oportunidades comerciales y servicios.
- 700 millones de euros en ahorro de costes, vinculados a la automatización y a la mejora de la eficiencia operativa.
El banco prevé superar los 200 millones de euros de valor generado mediante IA durante 2026. En junio, la entidad comunicó que había registrado 35 millones de euros en el primer trimestre y que esperaba rebasar los 200 millones al cierre del año. Son objetivos y cifras comunicados por la propia empresa, no una auditoría independiente del ahorro atribuible a cada tecnología.
La diferencia entre ingresos y ahorro es importante. Los nuevos ingresos pueden proceder de servicios que generen negocio adicional, mientras que el ahorro requiere demostrar que los procesos se realizan con menos recursos o a menor coste sin deteriorar la calidad del servicio.
Para evaluar el cumplimiento del objetivo habrá que observar la evolución de los resultados, la productividad y los costes, así como distinguir el efecto de la IA del de otras medidas de transformación del banco.
La IA también llegará a los 185 000 empleados
Santander ha planteado la extensión de estas herramientas a sus 185 000 empleados en todo el mundo. La intención es integrar la IA en las tareas diarias y acelerar su adopción en diferentes áreas del grupo.
Ese despliegue puede facilitar actividades como la búsqueda de información, la elaboración de documentos, el análisis de datos y la automatización de procesos administrativos. También puede modificar la forma en que se organizan determinadas funciones y se distribuye el trabajo.
No obstante, disponer de herramientas de IA no significa que todos los puestos vayan a automatizarse ni permite anticipar por sí solo una reducción concreta de la plantilla. El efecto sobre el empleo dependerá de las decisiones que adopte el banco, de las tareas que puedan automatizarse y de cómo se reorganice el trabajo.
El reto para Santander será combinar las mejoras de productividad con la formación de los empleados, la protección de la información y una supervisión adecuada de los sistemas que intervengan en operaciones sensibles.
Más automatización, pero también más responsabilidad
La expansión de la inteligencia artificial en banca abre oportunidades, pero también plantea riesgos. Las entidades gestionan información financiera sensible y toman decisiones que pueden afectar directamente a la economía de sus clientes.
Por eso, una reducción del coste de ejecución no basta para valorar el éxito de una solución. También es necesario examinar la seguridad, la trazabilidad de las decisiones, la calidad de las respuestas y la capacidad de corregir errores.
En la prevención del fraude y del blanqueo, por ejemplo, una herramienta demasiado sensible puede generar alertas innecesarias; una que no detecte determinados patrones puede dejar pasar operaciones sospechosas. En atención al cliente, una respuesta rápida pero incorrecta puede terminar generando más trabajo y perjudicar la confianza en la entidad.
La implantación a gran escala requerirá, por tanto, controles técnicos y organizativos, además de mecanismos para que los clientes puedan acceder a asistencia humana cuando sea necesario.
Una alianza para competir en la nueva banca digital
El acuerdo entre Santander y Nvidia refleja una tendencia más amplia: las entidades financieras buscan modelos de inteligencia artificial adaptados a sus operaciones, con un mayor control de los costes y una integración más estrecha en sus sistemas.
Para Santander, la oportunidad consiste en convertir los avances experimentales en mejoras sostenidas de eficiencia, seguridad y atención al cliente. Para Nvidia, la alianza refuerza la aplicación de sus tecnologías en un sector que necesita procesar grandes volúmenes de información y operar bajo exigentes requisitos de control.
La prueba decisiva llegará con los resultados. Los 1 000 millones de euros son una meta empresarial, y el ahorro del 99,4 % corresponde a un caso experimental concreto. El éxito dependerá de que las mejoras se mantengan al ampliar su uso y de que la automatización no se consiga a costa de la seguridad o de la calidad del servicio.
La pregunta que queda abierta es si esta nueva generación de IA permitirá ofrecer una banca más rápida, eficiente y útil para los clientes, o si el mayor beneficio acabará concentrándose en la reducción de costes internos. La respuesta no estará en las promesas tecnológicas, sino en los resultados que Santander pueda demostrar durante los próximos años.
Toqueteo
Toqueteo
Toqueteo