El punto central del artículo es que la competencia en IA financiera no se trata de quién pueda crear un "ChatGPT financiero" más hábil en conversaciones, sino de quién pueda integrarse profundamente en las herramientas diarias de los profesionales financieros (como Excel, PPT, Word) y en sus procesos comerciales clave (como debida diligencia, aprobación), y generar directamente "entregables" formales que puedan ser revisados y archivados.

Autor del artículo: Resonant Ones

Fuente: Su Chu.AI

La competencia en la inteligencia artificial financiera no está en "quién puede chatear", sino en "quién puede ingresar a Excel, PPT y flujos de aprobación".

Mucha gente cree que la competencia en IA financiera consiste en entrenar un modelo más grande que entienda mejor las finanzas.

Pero Claude for Financial Services reveló la verdadera respuesta: el núcleo de la IA financiera no es el modelo, sino el flujo de trabajo.

No se trata de que la IA converse con los usuarios sobre acciones, sino de que la IA ingrese a Excel, PPT, Word, investigación de inversiones, banca de inversión, debida diligencia, cumplimiento, conciliación y flujos de aprobación.

Este asunto es crucial para los emprendedores locales. Porque si aún estás desarrollando un "ChatGPT financiero", es muy probable que seas absorbido por grandes empresas, terminales de datos y suites de oficina; pero si logras tomar el control de los archivos Excel, PPT, Word y paquetes de aprobación que las instituciones financieras producen diariamente, las oportunidades recién comienzan.

Un escenario real

El mes pasado hablé con un amigo que trabaja en capital privado. Su equipo realizó due diligence en una empresa de consumo y recibió un Data Room con 17 carpetas y más de 400 archivos: contratos, informes de auditoría, estados bancarios, detalles de pedidos, actas de entrevistas y materiales de la administración.

Antes, un VP con dos analistas necesitaba dos semanas para producir un borrador decente de un IC Memo.

¿Y ahora? ¿Si una persona (o un agente) pudiera completar la recopilación de información, la marcación de riesgos, la identificación de elementos faltantes y la generación del borrador en 24 horas, crees que el cliente pagaría?

Esto no es ciencia ficción. Claude for Financial Services ya está haciendo esto. Y lo que abre no es una aplicación, sino un paradigma de producto compuesto por «Agente + Habilidad + Conector + Entregable + Aprobación humana».

Primero, el primer hallazgo. La estructura del producto Claude for Financial Services es realmente sencilla: el Agente se encarga de tareas end-to-end, las Habilidades consolidan procesos financieros especializados, los Conectores se integran con datos financieros y sistemas internos de la empresa, y Excel, PowerPoint y Word gestionan los entregables finales, complementados con permisos, referencias, auditoría y revisión humana para garantizar que las instituciones financieras puedan utilizarlo.

Anteriormente, la forma de la IA financiera era que tú hicieras una pregunta y la IA te diera una respuesta. Pero lo que las instituciones financieras realmente necesitan es: me das un conjunto de documentos y yo te entrego un producto que pueda ser revisado, citado, archivado e integrado en los sistemas de negocio. La diferencia entre ambos es enorme. El valor de la IA financiera radica en el producto entregado, no en el cuadro de chat.

Otro cambio值得关注的是，国内金融机构已不再是观望状态。

De 2025 a 2026, veo la implementación dividida en tres niveles. Los bancos avanzan más rápido; el Bank of China completó la implementación privada de DeepSeek, cubriendo cientos de escenarios. CITIC Construction Investment Fund utilizó DeepSeek para la debida diligencia de REITs, reduciendo el trabajo de 5 empleados durante 70 días a solo 1 empleado en 10 días: la eficiencia aumentó 30 veces.

También se han unido Ping An Property & Casualty Insurance; CITIC Construction Securities ofrece servicios de asesoría de inversión basados en múltiples agentes inteligentes; Ping An Property & Casualty Insurance ha integrado DeepSeek para construir una base de conocimiento especializado; el modelo grande de Ping An ha sido invocado 818 millones de veces en seis meses.

Pero lo realmente interesante es el tercer grupo: PE, gestión de activos y gestión de patrimonio. Tienen muchos datos, suficientes presupuestos y grandes presiones de entrega, pero actualmente la mayoría aún se encuentra en la fase de POC. Esto no se llama retraso, se llama ventana de oportunidad para startups.

Al hablar de que las startups ingresen al mercado, mucha gente piensa primero en crear una versión financiera de ChatGPT. Pero este proyecto conlleva un gran riesgo, ya que enfrentará a tres tipos de competidores fuertes.

Los fabricantes de modelos harán que las capacidades generales sean cada vez más económicas. Las terminales de datos financieros, como Wind, Choice, iFinD y Tonghuashun, ya cuentan con datos y acceso a usuarios; al integrar la IA, es difícil cobrar por separado preguntas y respuestas financieras generales. Las grandes instituciones financieras tienden a construir sus propios centros de IA internos, incorporando las capacidades generales dentro de sus propios sistemas de permisos.

La startup ataca de frente, enfrentándose a enemigos en tres frentes.

Pero si cambias de perspectiva y en lugar de mirar la entrada, observas la capa de operación, la situación es diferente. ¿Qué significa capa de operación vertical? Significa profundizar la IA en torno a un puesto específico, un proceso concreto o un entregable específico. Por ejemplo: estructuración de documentos de debida diligencia de PE/inversión bancaria, auditoría de modelos financieros en Excel, revisión inicial de documentos para aprobación de créditos, generación automática de formularios de revisión de cumplimiento, asistencia en la revisión de documentos de siniestros y suscripción de seguros, resumen automático de actas de reuniones de gerentes de clientes.

Estas direcciones parecen menos ambiciosas que el "modelo financiero grande", pero son más cercanas al presupuesto del cliente.

¿Qué tipo de productos merece la pena desarrollar?

En resumen, se deben cumplir cuatro condiciones simultáneamente.

Acepta los datos

Los escenarios de verdadero alto valor suelen requerir integración con archivos internos de clientes, CRM, almacenamiento en la nube, correo electrónico, contratos y sistemas de aprobación. Solo procesar páginas web públicas tiene un valor muy limitado.

Flujo funcional

Los usuarios financieros no cambiarán sus hábitos de trabajo por la IA. El producto debe integrarse en las herramientas que ya utilizan: Excel, PPT, Feishu, WeCom, DingTalk, WPS y CRM.

Entregar documentos

Las instituciones financieras no pagan por respuestas, sino por materiales. Solo tienen disposición a pagar si pueden obtener listas de verificación, memorandos, presentaciones y Excel.

Mantener los límites de responsabilidad

La IA debe admitir referencias, rastreo, permisos, auditoría y revisión humana. No proporciona recomendaciones de inversión, no realiza operaciones automáticas y no reemplaza la aprobación final.

Falta una de estas cuatro, y el producto difícilmente podrá entrar en un entorno de producción real.

Si ampliamos la perspectiva y miramos los próximos 24 meses, creo que hay siete subsectores más destacados para prestar atención.

La investigación y la debida diligencia son lo primero. Mucha información, poco tiempo y entregables claros: es la dirección más cercana a Hebbia y Rogo.

En segundo lugar, la auditoría de modelos de Excel: los bancos de inversión, los fondos de capital privado, el crédito y la gestión de activos utilizan una gran cantidad de Excel, con errores en fórmulas, codificación dura e hipótesis inconsistentes, lo que ofrece un enorme espacio para la asistencia de IA.

La aprobación de crédito asistida ocupa el tercer lugar; tanto bancos como entidades no bancarias requieren revisión inicial de documentos, análisis de flujos de efectivo, extracción de riesgos y generación de informes de crédito. La revisión de cumplimiento ocupa el cuarto lugar; la comparación de normativas, la revisión de materiales de marketing y los controles KYC son adecuados para un asistente de IA que sea referenciable y deje un rastro.

La administración y operaciones financieras del fondo, incluyendo la conciliación, valuación, verificación de tarifas y la documentación de auditoría, son procesos altamente estandarizados con un costo elevado por errores.

Los materiales para reclamos de seguros y bajowriting son numerosos, las reglas son complejas, la presión de revisión es alta, pero se debe mantener la confirmación humana.

Finalmente, el gerente de clientes y el asesor Copilot: no es la IA quien brinda recomendaciones de inversión directamente, sino que ayuda al asesor con la preparación previa a la reunión, la explicación de productos, las actas de reunión y la actualización del CRM.

Los siete enfoques comparten una premisa común: el producto debe ser auditables, citables y privabilizables.

Las instituciones financieras no aceptarán "la IA probablemente dijo esto". ¿De dónde provienen los números? ¿Dónde están las citas? ¿Quién revisó esto? ¿Los datos salieron del entorno permitido? Estas son condiciones previas para tomar decisiones de compra. Por lo tanto, desde el inicio se debe diseñar la trazabilidad de las citas, la aprobación humana, la aislamiento de datos y el registro de operaciones. Esto no es un costo de cumplimiento, es una barrera de producto.

Hay una tendencia aún más grande. Una vez que las capacidades del modelo se conviertan en mercancías, las oportunidades se desplazarán hacia los flujos de trabajo, los conectores y la capa de gobernanza. Al igual que en su momento, la nube informática transformó la infraestructura de TI en API, y los nuevos emprendedores construyeron SaaS sobre ella. Lo mismo ocurre hoy con los grandes modelos: quien pueda empaquetar flujos de trabajo industriales sobre ellos tendrá una ventaja competitiva.

La industria financiera tiene una alta densidad de información en el trabajo, requisitos estrictos de formato y fuertes restricciones de responsabilidad; estas características determinan que no puede ser rápidamente cubierta por IA general. Este es precisamente el área segura para las startups.

¿Cómo pueden las startups entrar?

No empieces con la plataforma.

Encuentra un escenario estrecho: con datos reales, plantilla fija, entregables claros, revisión humana, presupuesto departamental y capacidad de validar el ROI en 60-90 días.

No digas eso:

Voy a crear una plataforma de IA para instituciones financieras.

Hay que decirlo así:

Primero ayudaré al equipo de PE/FA a estructurar automáticamente los documentos de la Data Room, generando un borrador de Q&A de debida diligencia, una lista de riesgos y un memo de IC.

Cuanto más específico, más fácil es ejecutar la operación.

¿El riesgo máximo está siendo reemplazado por grandes empresas?

La entrada general será reemplazada. Las preguntas y respuestas financieras generales, los resúmenes de informes de investigación comunes y las consultas de datos simples pueden ser fácilmente cubiertas por modelos grandes y terminales de datos.

Pero el flujo vertical profundo no lo hará.

Porque las grandes empresas no quieren hacer los trabajos sucios para cada puesto específico. Lo realmente difícil es: integrarse con los sistemas internos del cliente, comprender los procesos del puesto, adaptarse a las plantillas del cliente y acompañar al cliente desde la POC hasta la producción.

Estos no pueden resolverse automáticamente con una API de modelo.