En 2026, las empresas y entidades de los sectores de salud, banca y gobierno incorporarán la inteligencia artificial para optimizar sus procesos y obtener un mayor retorno de la inversión.
La empresa tecnológica SAS anticipa que los sistemas multiagentes y los datos sintéticos definirán la agenda este año y en los siguientes.
Aunque estos conceptos pueden parecer complejos, su objetivo es lograr que los servicios de salud, banca y trámites gubernamentales sean más rápidos, sin que la información personal esté en riesgo.
Por ejemplo, si necesitas que un banco apruebe con rapidez un crédito solicitado, un sistema multiagente cumple el rol de coordinar y ejecutar diferentes tareas de evaluación y verificación de forma simultánea, mientras que los datos sintéticos permiten simular escenarios y validar la operación sin exponer tus datos personales.
Qué son los sistemas multiagente
Para comprender qué es un sistema multiagente, primero es necesario definir qué es un agente de inteligencia artificial. Se trata de un sistema capaz de ejecutar tareas específicas de manera autónoma, como analizar solicitudes o validar información.
Los sistemas multiagente, según explica IBM, consisten en varios agentes de inteligencia artificial que colaboran para ejecutar tareas en nombre de un usuario u otro sistema.
De acuerdo con SAS, la tendencia en 2025 fue el uso de agentes individuales; en 2026, se prevé la consolidación de sistemas multiagente, ya que se estima que empresas de distintos sectores automatizarán al menos el 15% de sus procesos en los próximos años.
Esta evolución responde a la necesidad de inmediatez, especialmente en la banca, donde las empresas han comprobado que una respuesta más rápida mejora la experiencia del cliente.
Por ejemplo, si el propietario de una panadería local solicita un préstamo para impulsar su negocio, probablemente espere una evaluación rápida de su solicitud.
En este escenario, los sistemas multiagente intervienen: una vez que el emprendedor presenta la solicitud, diferentes agentes validan su información, analizan el riesgo y emiten una respuesta ágil y precisa.
Qué rol cumplen los datos sintéticos
Los datos sintéticos tienen el rol de replicar información real para protegerla y entrenar modelos de inteligencia artificial. Por ejemplo, un banco puede recurrir a simulaciones de transacciones para detectar fraudes sin exponer datos de clientes reales.
En el sector salud, es posible crear historiales médicos ficticios y así entrenar modelos sin utilizar información de pacientes. En el ámbito gubernamental, los datos sintéticos permiten acelerar los trámites, ya que facilitan la automatización sin comprometer la privacidad.
Iván Fernando Herrera Sánchez, Customer Advisory Manager en SAS, explica que los datos sintéticos representan una ventaja costo-eficiente para las compañías:
“Almacenar grandes volúmenes de información real no resulta eficiente en términos de costos. Es posible conservar solo un porcentaje y, a partir de esa fracción, generar más datos sintéticos para contar con la cantidad necesaria para entrenar modelos de inteligencia artificial y otros agentes”.
“Tener terabytes almacenados cuando puedo conservar solo una pequeña parte y generar lo necesario en el momento resulta mucho más eficiente. En algunos casos, por regulación, es obligatorio guardar ciertos datos, pero fuera de esos casos, no es eficiente almacenar información innecesaria”, agregó.
Cómo la banca y el gobierno usan la IA
La inteligencia artificial ha transformado la manera en que la banca y el sector público gestionan sus operaciones y servicios.
En el sector público, la inteligencia artificial se utiliza para mejorar la eficiencia operativa, optimizar la prestación de servicios y facilitar la toma de decisiones basadas en datos.
Según SAS, entre los principales casos de uso destacan la detección de fraude y uso indebido de recursos, la optimización de procesos administrativos, el análisis predictivo para políticas públicas y la mejora de los servicios ciudadanos.
Por su parte, las organizaciones de servicios financieros se encuentran entre las más avanzadas en la adopción de inteligencia artificial, impulsadas por la necesidad de gestionar riesgos, cumplir regulaciones estrictas y mejorar la experiencia del cliente.
Los principales usos incluyen la detección y prevención de fraude, la evaluación y gestión del riesgo crediticio, el cumplimiento normativo y prevención de lavado de activos, así como la personalización de productos y servicios.