Cómo Revolut eleva su ambición sin bajar el listón
Con los modelos de OpenAI y Codex, Revolut da a sus equipos más margen para resolver problemas complejos, desde la ingeniería de software hasta la lucha contra el delito financiero.
30–60 %
Reducción del tiempo de programación, desde el inicio de la tarea hasta la integración de la funcionalidad
Un día
Para convertir siete años de documentación de diseño en contexto legible por la IA
1–2 días
Ahorrados en la revisión de seguridad del código con Codex
Revolut(se abre en una ventana nueva) nació para cambiar la forma en que las personas se relacionan con el dinero. Esa ambición abarca ya más de 40 mercados, 800 000 empresas y una base de clientes particulares que ha crecido un 23 % en los últimos 12 meses.
Si a eso se suma una cultura empresarial que espera que equipos pequeños y ágiles avancen con rapidez, no sorprende que ChatGPT y Codex hayan encajado de forma natural.
«La descripción perfecta de un profesional de primer nivel en Revolut es alguien capaz de identificar un problema muy rápido, deducir la solución, diseñar cuatro escenarios, elegir el mejor de ellos y llevarlo al mercado», afirma Kim Maniovich, responsable global de marketing para empresas de Revolut.
«Colaborar con OpenAI nos permite desarrollar muchas de estas soluciones de forma increíblemente ágil, rentable y muy adaptada a nuestra particular manera de trabajar».
Pero avanzar más rápido es solo una parte de la oportunidad. Para Revolut, la cuestión de fondo es qué se puede lograr cuando las personas con talento dedican menos tiempo a tareas operativas y más a abordar problemas que podrían transformar los servicios financieros.
A medida que Revolut crece, proteger a sus clientes también resulta más complejo. Según un informe(se abre en una ventana nueva), más de la mitad de los adultos de todo el mundo declararon haberse encontrado con una estafa en 2025.
Para Revolut, cada transacción supone una nueva oportunidad de identificar actividad sospechosa, investigar posibles riesgos y aplicar medidas de protección sólidas y adaptadas a sus clientes. Sin embargo, el enorme volumen de esas transacciones supera con creces los recursos humanos de cualquier banco.
«El mayor problema que podemos abordar hoy con la IA es cómo ampliar la capacidad de nuestros equipos para responder a la demanda que recibimos», afirma David Abitbol, responsable de IA. Por eso, una de las aplicaciones de IA de mayor envergadura de Revolut es un agente FinCrime basado en modelos de OpenAI.
En lugar de exigir que los investigadores tramiten manualmente cada caso que cumpla los requisitos, el agente puede examinar la información, aplicar las reglas de Revolut y completar automáticamente el proceso definido.
El lanzamiento de GPT‑5.5 marcó un punto de inflexión. Fue entonces, explica Abitbol, cuando los modelos alcanzaron la capacidad y la rentabilidad necesarias para que Revolut delegara por completo en el agente los flujos de trabajo de análisis e investigación. El resultado es una mayor capacidad para supervisar transacciones sin aumentar la plantilla de investigadores al mismo ritmo que la demanda.
Eso, añade Mo Amiri, ingeniero de seguridad de la información, «se traduce directamente en una protección más sólida y un sistema más resiliente en el que nuestros clientes pueden confiar».
«Avanza rápido, pero genera confianza» podría ser perfectamente el lema interno de ingeniería de Revolut. Aunque Abitbol destaca que Codex ha reducido el tiempo de programación entre un 30 y un 60 %, también deja claro que ciertas medidas de control son innegociables.
«Tenemos un marco sistemático para que cualquier persona de la empresa que desarrolle algo con IA siga los mismos estándares de desarrollo, pruebas A/B y predicción de métricas de negocio», explica. «Así, a todos los ingenieros de la empresa se les exige el mismo nivel de calidad. Empezamos a disponer de suficiente inteligencia a un coste razonable como para delegar cada vez más análisis e investigaciones iniciales en el agente».
Para Dmitry Pitik, ingeniero sénior de plataformas, esa reducción de entre el 30 y el 60 % en el tiempo de programación se hizo tangible al crear un servicio interno de revisión de código. Diseñó el sistema, lo dividió en funcionalidades y, al principio, dio por hecho que necesitaría un equipo de desarrollo para implementarlo.
«Me di cuenta de que no necesito todo un equipo de desarrolladores para implementar esto», recuerda. «Basta con poner en marcha distintos agentes y asignar a cada uno una tarea concreta». Codex se convirtió en su equipo de implementación, mientras Dmitry dedicaba más tiempo a diseñar el sistema, planificar el trabajo y revisar los resultados.
Abitbol ha observado este patrón en todo Revolut. A medida que Codex libera a los ingenieros de parte de su carga de trabajo, estos aprovechan ese tiempo recuperado «para debatir más sobre el diseño y la mejor solución. Así, dedicamos más tiempo a diseñar en lugar de implementar».
Eso no elimina la necesidad de conocimientos de ingeniería; simplemente cambia dónde se aplican. «Cada desarrollador es responsable del código que produce, y no confiamos ciegamente en la IA», afirma Pitik. El resultado es un reparto distinto del trabajo: la IA puede ayudar con la implementación, mientras los ingenieros prestan más atención a las decisiones que determinan si el software es útil, fiable y merece la pena desarrollarlo.
Ese esfuerzo adicional merece la pena. Mientras Codex trabaja en una tarea, Pitik puede avanzar en otra en paralelo. Esa capacidad de trabajar en varias tareas a la vez es esencial en una empresa donde, como explica Kim Maniovich, cada empleado desempeña de media «tres trabajos distintos». El uso de Codex crea un círculo virtuoso, aunque exigente, en el que «cada mes nos fijamos objetivos más ambiciosos, pero también más alcanzables. Y así el listón sigue subiendo. La IA lo está haciendo posible».
Con esta nueva capacidad, Revolut ha podido, por ejemplo, desarrollar una herramienta para crear interfaces web para aplicaciones internas y productos dirigidos al público.
También ha convertido siete años de documentación de diseño en contexto legible por la IA en un solo día, sentando las bases de herramientas pensadas para ayudar a los diseñadores a trabajar de forma más eficaz. El ejercicio ilustra cómo la IA puede hacer más accesible el conocimiento acumulado en una organización y reducir el esfuerzo necesario para trabajar con sistemas complejos. «Podemos pasar de centrarnos en tareas importantes, pero difíciles de hacer sin IA, a centrarnos en lo que importa a los clientes», afirma Dmytro Pavlov, diseñador sénior.
«Me di cuenta de que no necesito todo un equipo de desarrolladores. Basta con poner en marcha distintos agentes y asignarles una tarea».
El trabajo de Mo Amiri consiste en garantizar que toda esa rapidez vaya acompañada de seguridad, no solo para los clientes, sino también para los propios empleados de Revolut. Eso le da una doble perspectiva de la IA: cómo puede ayudar a Revolut a investigar un problema y qué necesitan los equipos para poder implementarla de forma segura.
En una investigación de phishing, por ejemplo, antes un analista tenía que obtener el correo electrónico, inspeccionar sus enlaces y archivos adjuntos, rastrear al remitente y recopilar las pruebas manualmente. «Con herramientas de IA más potentes, podemos descubrir esas conexiones al instante y profundizar en las cuestiones que realmente importan», explica.
Aunque la IA realiza el trabajo preliminar y presenta al investigador un expediente estructurado, sigue siendo responsabilidad de esa persona revisar los registros originales, decidir si la explicación tiene sentido y aprobar cualquier medida.
Amiri aplica el mismo criterio cuando los equipos incorporan nuevas aplicaciones de IA a Revolut. Examina toda la cadena: a qué información accede el sistema, adónde va esa información, qué herramientas puede utilizar, qué puede hacer con ese acceso y qué ocurre cuando algo falla. También comprueba si las conclusiones que parecen convincentes están realmente respaldadas por las pruebas.
«La decisión más importante siempre es quién asume la responsabilidad», afirma. «Si una herramienta de IA sugiere un cambio en el código, un ingeniero humano debe comprenderlo lo suficiente como para responder por él. Eso guía directamente el diseño del proceso de revisión: damos a los desarrolladores el contexto que necesitan sin sobrecargar su flujo de trabajo diario».
Para Revolut, las medidas de protección no son ajenas a la innovación. Ayudan a crear las condiciones para que los equipos puedan adoptar con confianza una tecnología más capaz. «Así es como se consigue una verdadera confianza en la IA», explica, «tomando decisiones meditadas desde el principio y haciendo pruebas a medida que avanzas».
«La verdadera confianza en la IA se consigue tomando decisiones meditadas desde el principio y haciendo pruebas a medida que avanzas».
Reducción del 30–60 % en el tiempo de programación, desde el inicio de la tarea hasta la integración de la funcionalidad
Un ingeniero creó un servicio interno de revisión de código delegando tareas de implementación en varios agentes de Codex
Un día para transformar la documentación del sistema de diseño, elaborada durante unos siete años, en contexto legible por la IA
Entre uno y dos días ahorrados en una tarea de revisión de seguridad del código de gran envergadura
Más transacciones analizadas por el agente FinCrime sin aumentar proporcionalmente el número de investigadores
Empieza por un problema que merezca la pena resolver. Revolut ha puesto la IA a trabajar allí donde la demanda crece más rápido y los clientes más se juegan.
Aprovecha la rapidez para aspirar a más, no para bajar el listón. El tiempo ahorrado en programación e investigación permite mejorar el diseño, abordar preguntas más difíciles y dedicar esfuerzos a tareas de mayor impacto.
Mantén la responsabilidad en manos de las personas. La IA puede recopilar pruebas, escribir código y recomendar medidas. Sigue haciendo falta una persona que comprenda el trabajo lo suficiente como para responder por él.
Genera confianza antes de ampliar el uso. Deja claro a qué información puede acceder un sistema, qué puede hacer y qué ocurre si falla; después, pon a prueba esas decisiones a medida que avances.
Prepara tu conocimiento para poder aprovecharlo. La IA funciona mejor cuando tiene acceso a un contexto claro y bien organizado. Ese mismo ejercicio suele revelar en qué aspectos la propia organización necesita más claridad.
Revolut ya ha demostrado cómo la IA puede aumentar el volumen y la complejidad del trabajo que sus equipos pueden abordar. Su próxima oportunidad consiste en trasladar esa combinación de capacidad, criterio y diseño a la forma en que los clientes gestionan su dinero.
Abitbol imagina una interfaz más conversacional en la que los clientes puedan pedir a Revolut ayuda con tareas financieras cotidianas: bloquear una tarjeta, gestionar una suscripción o encontrar formas de ahorrar para un viaje. Pavlov ve el reto de diseño que subyace a esa experiencia: convertir la complejidad en algo coherente, familiar y fácil de usar.
Kim Maniovich vincula ese futuro con la cultura que impulsa el trabajo. «Espero que podamos trasladar los valores que nos guían cada día —esa ambición sin complejos, el deseo de no conformarnos nunca— y permitir que las personas los apliquen a sus propias vidas a través de los productos que creamos para ellas».
A medida que la IA facilita el desarrollo, lo que marca la diferencia es saber qué crear y mantener el criterio, los estándares y el conocimiento del cliente necesarios para hacerlo bien. Para Revolut, esa es la gran promesa de aplicar la inteligencia al trabajo: dedicar menos tiempo a las tareas operativas y tener más capacidad para hacer que los servicios financieros sean más seguros, sencillos y útiles para todos.


