Model ML ayuda a las empresas financieras a reconstruirse por completo gracias a la IA

Nuestra serie Executive Function presenta las perspectivas de los líderes que están a la vanguardia en la implementación de la IA.

La infraestructura de inteligencia artificial de Model ML está transformando el funcionamiento de las principales empresas de servicios financieros. Se trata de una plataforma con agentes específicos y una aplicación que automatiza los flujos de trabajo de principio a fin, además de la investigación y el análisis personalizados. 

Hablamos con Chaz Englander, su director ejecutivo y cofundador, acerca de la evolución de las empresas financieras y de la automatización y racionalización de sus operaciones gracias a los recientes avances en IA.

Una vez que vendimos nuestra última empresa, mi hermano y yo comprobamos que no nos gustaba invertir. En realidad, nuestra obsesión pasaba por la automatización del proceso de inversión a través de la llamada a funciones potenciada por GPT.

Teníamos una oficina familiar de seis personas, pero con estos LLM basados en GPT‑3.5 parecía que estábamos al nivel de un equipo de 60 personas.

Desarrollamos un prototipo del Model ML para nosotros, ya que no teníamos intenciones de comercializarlo. Pero en el momento en que vimos los beneficios y la eficiencia que aportaba automatizar los flujos de trabajo de investigación, entendimos que teníamos algo muy bueno entre las manos.

Algunas de las tareas que antes tomaban días, semanas o incluso meses ahora se pueden hacer en cuestión de minutos u horas. Pongamos el caso de los resúmenes trimestrales de resultados: antes se tardaban horas en prepararlos. Hoy día, los que se encargan de todo el proceso son los propios agentes. Ellos extraen los datos, les dan formato a las diapositivas y publican el Powerpoint en SharePoint, sin que intervenga ninguna persona. Para mí, este va a ser el gran cambio del año: Vas a llegar a tu oficina en la mañana y tu trabajo ya estará listo.

Ahora bien, esto nos obliga a nosotros, los seres humanos, a replantearnos en dónde estamos añadiendo valor y, por el lado de las empresas, va a ser necesario redefinir en qué ámbitos van a tener impacto nuestros equipos, tanto hoy como mañana.

Actualmente, las empresas están reasignando a las personas a roles de mayor valor que implican juicio y criterio. Desde nuestro punto de vista, los directivos de las empresas con las que trabajamos son justamente los que se están replanteando la arquitectura de sus organizaciones de una forma que resulta nativa para la IA. Para ellos, es una tarea increíblemente difícil. Por eso, los asesoramos desde el principio, para ayudarlos a determinar en qué aspectos la IA es más aplicable hoy, y para que detecten cuál va a ser la tendencia en los próximos 12 meses. 

En las empresas del sector financiero, las personas ocupan un lugar más destacado. El hecho de que la automatización se encargue del trabajo pesado permite a los empleados centrarse en las relaciones y el pensamiento estratégico. A la larga, las empresas que sepan aprovechar esta ola de cambio y replantearse toda su estructura operativa serán las que salgan ganando.

En el sector financiero, la precisión, el cumplimiento y la optimización del flujo de trabajo no son opcionales. Son indispensables. Ese carácter específico es lo que les falta a las herramientas de uso general. Model ML, en cambio, se diseñó desde un principio pensando en los servicios financieros, teniendo en cuenta dos estratos esenciales.

En primer lugar, el estrato de los agentes, para el que creamos y perfeccionamos sistemas específicos capaces de analizar e interactuar con los tipos de datos que los profesionales financieros utilizan habitualmente, estructurados y no estructurados, ya sea en herramientas como Sharepoint o en conjuntos de datos comunes como Capital IQ, FactSet y Crunchbase, que pueden abarcar cientos de tablas y hasta 20 terabytes. Hace un año, crear un agente a partir de esos conjuntos de datos era prácticamente imposible. Aquí no hablamos de modelos que se limitan a responder preguntas. Al contrario, son conscientes del contexto, comprenden esquemas, escriben código y recuperan información a partir de terabytes de datos complejos. 

En segundo lugar, tenemos el estrato de la aplicación: se trata de una interfaz diseñada específicamente para las finanzas que les permite a los usuarios interactuar con los agentes. Su función es facilitarles a las empresas las herramientas necesarias para construir agentes que automaticen los flujos de trabajo de principio a fin y permitan realizar análisis hasta ahora resultaban impensables. Si hablamos de casos de uso, vemos docenas de ejemplos nuevos todos los días y tenemos miles de ellos. De hecho, los clientes pueden acceder a muchos de ellos apenas se registran.

Cada lanzamiento de un nuevo modelo representa un cambio sustancial que redunda en beneficios inmediatos para nuestros clientes. Por ejemplo, los avances en la capacidad de razonamiento y programación lograron que algunos aspectos de nuestro producto crecieran como la espuma. En los últimos tiempos, el lanzamiento de los modelos OpenAI o3‑pro, o3, o4-mini y GPT‑4.1 aportó mejoras espectaculares por el lado del razonamiento, las capacidades multimodales, el seguimiento de instrucciones y la integración de herramientas. Ahora, con las ventanas contextuales más grandes y capacidades de razonamiento más avanzadas, podemos ocuparnos de los flujos de trabajo de forma integral. De este modo, los usuarios pueden encadenar tareas de recopilación de datos, análisis y creación de presentaciones para obtener salidas estructuradas de forma totalmente autónoma. 

Creo que el cambio más significativo en el futuro próximo es la automatización del flujo de trabajo de principio a fin, donde veremos a los sistemas desempeñar el rol de torres de control que supervisan a un ejército de trabajadores digitales. En ese universo digital, los agentes pasarán a encargarse de tareas cada vez más complejas y estructuradas en varios pasos, lo que también va a significar cambios en la interfaz de usuario y en la forma de interactuar con el hardware. Probablemente, esto tome más de 12 meses, pero es el rumbo que estamos siguiendo.

¿Qué viene después? La aparición de agentes verdaderamente autónomos que vas a poder construir desde nuestro producto. Nuestros agentes hoy pueden ejecutar sofisticados flujos de trabajo en los que recopilan, analizan y presentan datos de tu CRM, correos electrónicos, archivos, proveedores de datos externos, transcripciones de reuniones y mucho más. Pero estos agentes ya no se van a limitar a esperar instrucciones, sino que se van a anticipar a las necesidades, ya sean cíclicas (diarias, semanales, mensuales, trimestrales o anuales) o derivadas de situaciones del mundo real, como las que le pedirías a un miembro de tu equipo después de una reunión o respondiendo a un correo electrónico.

El verdadero cambio radica en que estos flujos de trabajo se van a ejecutar de forma integral, automática, gracias al razonamiento profundo y a la orquestación de todos tus sistemas. El contenido de las salidas podría alcanzar la magnitud de un PowerPoint de 100 páginas, elaborado enteramente por una máquina: más rápido, más coherente y disponible las 24 horas del día, los 7 días de la semana.

El futuro es esto: equipos digitales autónomos que ejecutan los flujos de trabajo que impulsan tu negocio, mejor, más rápido y que están siempre activos.

Para nosotros, las empresas nativas de la IA van a ser estructuralmente distintas. Tendrán menos estratos, ciclos más rápidos y circuitos de retroalimentación más cortos. Nosotros optamos por la estructura plana. Tanto Arnie, quien cofundó la empresa conmigo, como yo tenemos más de diez subordinados directos. Puede parecer una locura, pero con la IA resulta manejable. La inteligencia artificial está presente en todas las reuniones individuales. Todo está organizado y fluye sin problemas: las notas, los pendientes, el contexto... Eso nos permite actuar más rápido y mantenernos cerca del producto. Estamos convencidos de que las empresas modernas van a funcionar así: más como torres de control que como silos jerárquicos.

Parte de esa agilidad se basa en apostar por mejorar continuamente el ecosistema y los modelos fundacionales. La clave, especialmente para los fundadores y los equipos de ingeniería, consiste en no dejarse llevar por las emociones a la hora de programar. Antes hacíamos todo nosotros mismos: abstracciones de agentes, conectores de servicios, todo. Ahora, si OpenAI o la comunidad de código abierto lanzan algo mejor, como el SDK de agente de OpenAI o los conectores MCP, simplemente lo conectamos y borramos nuestro código. 

Adoptamos el SDK de agente y las herramientas MCP de OpenAI para gestionar ciclos de agentes, llamadas a herramientas, controles y integraciones. Eso nos permitió reducir el mantenimiento y acelerar la innovación.

No pretendemos imponernos mediante la mera gestión de infraestructura, sino generando valor y salidas que beneficien a nuestros clientes.

Model ML basa sus agentes, sistemas de automatización y herramientas internas en la plataforma API de OpenAI, que incluye GPT‑4.1, OpenAI o3 y el SDK de agentes.