Por Antonio Darcio Valério Filho, CEO de GFT Technologies en México
La Inteligencia Artificial (IA) ya está entrando en las empresas mexicanas y, particularmente, en el sector financiero. El reto para bancos y aseguradoras ya no será simplemente adoptar más modelos, sino llevarlos a producción, escalarlos y hacerlo sin comprometer la confianza de clientes, auditores y reguladores.
Según una encuesta del Banco de México, en septiembre de 2025, el 24.3% de las empresas mexicanas con más de 100 empleados utilizaban IA o planeaban utilizarla en los siguientes 12 meses. De estas, el 61.1% aún se encontraba en fase de evaluación o pruebas piloto, mientras que el sector de servicios financieros registraba el mayor nivel de uso.
Estos datos muestran que la discusión sobre IA en México está pasando rápidamente de la experimentación a una pregunta mucho más estratégica: ¿cómo innovar con IA sin trasladar sus riesgos al negocio? La transición ya está ocurriendo, particularmente en el sector financiero. Un estudio de Finastra de 2026 señala que el 65% de las instituciones financieras consultadas en México ya se encuentra en una etapa de implementación activa de IA, mientras que el 34% continúa en pruebas piloto o investigación. El reto, por tanto, ya no es solamente experimentar, sino construir las condiciones para llevar estos sistemas a producción de manera segura y escalable.
De experimentar con IA a controlar su impacto
En la carrera por la IA subyace una idea tentadora: innovar rápidamente, probar, aprender de los errores y corregirlos posteriormente. Esta lógica ha contribuido al desarrollo de algunas de las mayores empresas tecnológicas del mundo, pero no puede simplemente trasladarse a bancos y aseguradoras en México.
En GFT Technologies consideramos que cuando un algoritmo participa en la concesión de crédito, la identificación de fraudes, la autenticación de clientes o el cálculo de riesgos, un error puede afectar los activos, la privacidad, el acceso a los servicios y la confianza. Por lo tanto, la ventaja competitiva de la IA financiera no radicará únicamente en la velocidad de adopción, sino también en la capacidad de explicar, auditar y controlar los modelos desde su concepción.
México puede anticiparse a la regulación
México aún no cuenta con una ley general de IA equivalente a la Ley Europea de IA, aunque se están debatiendo iniciativas legislativas. Sin embargo, esperar a que se apruebe una legislación integral para definir cómo debe funcionar esta arquitectura sería un error. Las señales regulatorias ya existen y están marcando el camino.
México tiene ante sí una oportunidad poco común, que es adelantarse y construir un marco propio capaz de conciliar control y avance tecnológico. A diferencia de los mercados que tuvieron que abrir el camino, el país puede observar, validar y aprender de las experiencias regulatorias que ya se probaron en otras partes del mundo, desde la Ley Europea de IA hasta los marcos de supervisión financiera de otras jurisdicciones, y quedarse con lo que demostró funcionar para adaptarlo a su propia realidad.
Saber elegir la mejor regla no significa quedarse atrás. Al contrario, abre la posibilidad de salir al frente con un modelo más maduro.
Banxico y la CNBV empiezan a marcar la ruta
En esa misma línea, las señales de referencia ya empiezan a aparecer. En su Informe de Estabilidad Financiera de junio de 2026, el Banco de México mapeó de forma anticipada los temas que van a definir la agenda de la IA en el sistema financiero, como la concentración tecnológica, la correlación de comportamientos entre instituciones, la velocidad de propagación de episodios de estrés y la transparencia de los algoritmos. Con ello ofreció al mercado una hoja de ruta temprana para prepararse con ventaja.
Banxico observa que los modelos de “caja negra” son más difíciles de evaluar para auditores y reguladores. Leída en clave positiva, esta señal convierte la explicabilidad en una palanca de valor, porque deja de ser un asunto puramente tecnológico para volverse un pilar de estabilidad financiera, buena gestión de riesgos y confianza, que son justamente los atributos que abren mercado en el sector financiero.
La CNBV apunta en la misma dirección. En julio de 2026, una modificación en la normativa para las entidades de crédito incorporó requisitos específicos para la biometría facial en la identificación y autenticación de clientes, incluyendo requisitos técnicos y la conservación de la evidencia de verificación.
La resolución muestra cómo la supervisión financiera empieza a dialogar directamente con la capa tecnológica, y ahí hay una oportunidad concreta para las instituciones. Quien demuestre con evidencia qué controles aplicó y cómo funcionan no solo cumplirá, sino que también construirá una reputación de solidez difícil de igualar.
El cumplimiento debe empezar desde el diseño
Aquí es donde entra en juego el concepto de cumplimiento desde el diseño. La explicabilidad, la trazabilidad y la gobernanza no deben añadirse al final del desarrollo, sino integrarse en el propio proceso de IA.
Esto incluye inventarios y control de versiones de modelos, registro de datos y parámetros relevantes, definición de responsabilidades, límites de autonomía, monitorización continua e intervención humana en decisiones críticas. El registro de auditoría ya no se reconstruye a posteriori, sino que se convierte en parte de la operación.
Este principio se vuelve aún más estratégico con los sistemas basados en agentes, que representan el próximo gran salto de productividad para el sector. A medida que un agente evoluciona de sugerir a actuar sobre los sistemas bancarios, crece tanto su potencial de valor como la importancia de acompañarlo con control de acceso, segregación de funciones, validación humana y límites de ejecución claros. Son precisamente esos controles los que permiten liberar la autonomía con confianza y capturar todo su beneficio.
Antes de poner un agente en producción, la pregunta no debería ser solamente “¿funciona?”, sino también: “¿podemos reconstruir lo que hizo y explicar por qué?” Una mayor gobernanza no tiene por qué significar menor velocidad. Los controles integrados en la ingeniería facilitan las auditorías, anticipan fallos y reducen el trabajo de reconstrucción de pruebas. Es la misma evolución que llevó de la seguridad abordada al final del desarrollo a DevSecOps.
Más inversión exige mayor capacidad de escala
La velocidad de inversión también refleja esta transformación. Las instituciones financieras mexicanas esperan aumentar, en promedio, un 44% su inversión en IA durante los próximos 12 meses. Esto significa que el desafío no será únicamente destinar más recursos a estas tecnologías, sino garantizar que esas inversiones puedan convertirse en soluciones escalables, confiables y alineadas con los requerimientos del negocio.
Además, los beneficios económicos de la adopción de IA ya comienzan a ser evidentes. En la encuesta de Banxico, el 35.8% de los ejecutivos que utilizaron IA o automatización reportaron mayores márgenes de beneficio.
Esto plantea una conclusión importante para las empresas: el desafío no consiste en elegir entre innovación y control. Una arquitectura adecuada de gobierno, trazabilidad y supervisión puede convertirse en un habilitador para llevar la IA a producción con mayor confianza y capacidad de escala.
México no necesita esperar una ley general de IA para comenzar. Más aún, tiene la oportunidad de salir al frente. Aprendiendo de las experiencias ya validadas en Europa y otras regiones, y apoyándose en las señales que Banxico y la CNBV ya están marcando, el país puede construir un modelo propio que combine control y competitividad y se posicione como referente regional.
Para los bancos y aseguradoras, la cuestión estratégica ya no es cuántos casos de uso pueden lanzar, sino cuántos pueden llevar a producción, escalar y defender ante clientes, auditores y reguladores.
El modelo mexicano no puede ser una copia de Silicon Valley porque, en el sector financiero, la confianza también forma parte del producto.
La explicabilidad, la trazabilidad y el control de modelos no frenan la IA: son la infraestructura necesaria para acelerarla de forma segura y convertirla en una verdadera ventaja competitiva.
###
Acerca de GFT
GFT Technologies es una empresa global de transformación digital centrada en la IA. Diseñamos soluciones avanzadas de transformación de datos e IA, modernizamos arquitecturas tecnológicas y desarrollamos sistemas Core de última generación para líderes de los sectores de banca, seguros, manufactura y robótica. Colaborando estrechamente con nuestros clientes, ampliamos los límites para desarrollar todo su potencial.
Con una profunda experiencia en el sector, tecnología de vanguardia y un sólido ecosistema de socios, GFT ofrece soluciones responsables centradas en la IA que combinan excelencia en ingeniería, alto rendimiento y rentabilidad. Esto nos convierte en un socio de confianza para el impacto sostenible y el éxito de nuestros clientes.
Nuestro equipo de más de 12 000 expertos en tecnología opera en más de 20 países de todo el mundo, ofreciendo oportunidades profesionales a la vanguardia de la innovación de software. GFT Technologies SE (GFT-XE) cotiza en el índice SDAX de la Bolsa de Valores de Alemania.
https://www.gft.com/mx/es
https://www.gft.com/mx/es/blog
www.linkedin.com/company/gft-technologies
https://x.com/gft_tech
