La National Payments Corporation of India, la organización que gestiona el extremadamente popular sistema de pagos UPI del país, acaba de dar un importante paso más allá de los pagos. En el Global Fintech Festival 2026, NPCI presentó FiMI Banking, al que denomina el primer modelo de IA soberano compacto de India diseñado específicamente para la banca minorista.
El modelo se construyó sobre la familia abierta de modelos Gemma de Google y se entrenó en escenarios de banca minorista en la India. HDFC Bank, el mayor prestamista del sector privado en la India, está colaborando en el proyecto para refinarlo aún más.
Lo que realmente hace FiMI
FiMI Banking está diseñado para lo que el mundo de la IA denomina "tareas agentes", lo que significa que puede razonar a través de procesos de múltiples pasos y realizar acciones dentro de los límites regulatorios bancarios, procesando interacciones bancarias de contexto prolongado con una comprensión incorporada de los requisitos regulatorios indios.
Una elección de diseño notable: el modelo completo se entrenó con datos sintéticos, no con información real de clientes. Es un movimiento deliberado para garantizar la soberanía de datos, un concepto que se ha vuelto cada vez más importante a medida que los países se oponen al flujo de datos financieros sensibles a través de sistemas de inteligencia artificial extranjeros entrenados con conjuntos de datos transfronterizos.
Los índices de referencia son la historia real
NPCI lanzó dos herramientas de referencia diseñadas específicamente junto con FiMI. La primera es IndicBank Bench, que contiene 799 casos de prueba con guion y múltiples turnos que cubren seis dominios de banca minorista. Estos simulan el tipo de interacción de ida y vuelta que un cliente podría tener con un agente bancario, donde el contexto de etapas anteriores de la conversación es relevante para las respuestas posteriores.
El segundo benchmark, llamado Tau² Agentic Banking Benchmark, va más allá. Incluye 1,000 tareas extraídas de 50 escenarios diferentes que simulan interacciones con clientes reales.
NPCI planea abrir el código de ambos benchmarks, junto con documentación técnica y conjuntos de evaluación. Esto permitirá que desarrolladores, bancos, fintechs e investigadores prueben sus propios agentes de IA contra una métrica común, utilizando únicamente datos sintéticos en lugar de registros de clientes propiedad.
Por qué esto importa más allá de la India
El aspecto soberano merece atención. Al entrenar con datos sintéticos y basarse en arquitecturas de modelos de código abierto, NPCI evita la dependencia de sistemas de IA propietarios extranjeros para funciones bancarias críticas.
Para HDFC Bank específicamente, la colaboración es una forma de mantenerse a la vanguardia de la tecnología bancaria sin asumir el costo y la complejidad totales de construir una infraestructura de IA desde cero. HDFC aporta el conocimiento del dominio, y NPCI aporta la escala y el mandato de infraestructura pública.