Presentamos el Centro de Agentes de Oscilar

Los equipos de riesgo están a punto de verse inundados de agentes.

Agentes que resumen alertas, redactan resoluciones, ajustan reglas, filtran coincidencias de sanciones, crean flujos de trabajo, explican decisiones crediticias y responden preguntas en lenguaje natural.

Algunos se ocuparán de tareas aisladas. La mayoría pasará por alto el problema más complejo.

Un agente de tarea única acoplado a un sistema fragmentado sigue viendo un contexto fragmentado. Puede avanzar más rápido que el flujo de trabajo que reemplaza, pero no puede razonar a lo largo de toda la relación con el cliente. No sabe qué fraude se detectó hace unos minutos, qué alerta de prevención de lavado de dinero (AML) se escaló el mes pasado, qué política cambió esta mañana ni por qué un analista anuló la última recomendación.

Hace que un silo sea más rápido. Pero no hace que la institución sea más inteligente.

Hoy lanzamos Oscilar Agent Hub: una plataforma de agentes orquestados para cada decisión de riesgo.

Agent Hub reúne a más de 30 agentes especializados en fraude, cumplimiento normativo AML, crédito, incorporación de clientes (onboarding), sanciones, disputas, análisis, creación de flujos de trabajo y explicabilidad en una memoria de riesgo compartida. Cada agente lee de ella. Cada agente aporta a ella. Cada agente mejora a través de la retroalimentación gobernada de los analistas.

El año pasado, planteamos nuestra tesis: los agentes solo cambiarían la toma de decisiones de riesgo si pudieran hacer algo más que automatizar tareas aisladas. Necesitarían un contexto compartido, coordinación y orquestación entre diferentes áreas, explicabilidad, bucles de retroalimentación automáticos y supervisión humana integrada desde el principio. Agent Hub es esa tesis hecha realidad en producción.

Esto es lo que se vuelve posible cuando la base ya está en su lugar.

Por qué los agentes aislados son el próximo problema de fragmentación

La presión para adoptar agentes es real. A los equipos de riesgo se les pide que actúen con mayor rapidez, reduzcan las intervenciones manuales, expliquen claramente cada decisión y lo hagan sin aumentar el personal.

La respuesta fácil es comprar o crear un agente a la vez. Un agente para procesar documentos por aquí. Un agente de resumen de alertas por allá. Cada uno de ellos parece un avance. Pero ninguno de ellos se coordina ni trabaja con una memoria unificada.

Así es como se crea la próxima generación de fragmentación. La primera ola habrá ayudado. La segunda ola empezará a preguntarse por qué los agentes de fraude, AML y crédito siguen sin poder ver el trabajo de los demás, y por qué cada agente solo tiene una vista parcial del riesgo.

La base subyacente

Agent Hub no se podía construir como una capa independiente. Para tener impacto en producción, los agentes necesitan contexto y datos; una base real debajo de ellos.

Necesitan un perfil de riesgo del cliente unificado: un registro en tiempo real de señales de identidad, historial de transacciones, inteligencia de dispositivos y red, patrones de comportamiento, casos anteriores, resultados de políticas y decisiones de analistas, todo actualizado continuamente y compartido en toda la plataforma.

Necesitan una toma de decisiones multidominio, para que una alerta de fraude pueda aportar a una alerta de AML, una decisión de incorporación pueda influir en una decisión de crédito y una coincidencia de sanciones pueda arrastrar todo el historial del cliente a la decisión. Los agentes no solo deben automatizar, deben orquestar.

Necesitan estar entrenados en los procedimientos operativos estándar (SOP) de la institución, para que cada agente razone a partir de los procedimientos de riesgo reales y el apetito de riesgo de esa organización, y no con instrucciones genéricas que tratan a todas las instituciones por igual. Un agente genérico con instrucciones genéricas actúa rápido pero pasa por alto lo importante; un agente adaptado al manual y a los límites del cliente es el que un equipo de riesgo realmente puede poner en producción.

Necesitan un marco de evaluación real y un bucle de retroalimentación, no solo una capa superficial sobre un modelo de lenguaje (LLM). La mayoría de los agentes del mercado son solo una instrucción y una llamada API, sin forma de medir la precisión, detectar retrocesos o mejorar con el tiempo a partir de las decisiones de los analistas.

Necesitan explicabilidad integrada en su trabajo, para que las decisiones, los resultados de los modelos, los activadores de reglas y las anulaciones se registren a medida que ocurren, y no se reconstruyan más tarde cuando un regulador lo solicite.

Y necesitan una capa de gobernanza: límites de políticas, flujos de aprobación, controles de riesgo de modelos y monitoreo de sesgos aplicables antes de que las recomendaciones se lancen a producción.

La mayoría de las soluciones basadas en agentes comienzan con el agente e intentan conectarlo a la base más tarde. Nosotros construimos la base primero. Agent Hub es la capa de orquestación que se encuentra por encima.

Impulsando el impacto con agentes orquestados 

Tres cosas distinguen a Agent Hub de otros enfoques que hemos visto explorar a los clientes.

Cada agente comienza con el mismo contexto compartido. Un agente de fraude, un agente de AML, un agente de crédito y un agente de incorporación no intentan adivinar a partir de información parcial. Razonan basándose en la misma vista del cliente en tiempo real, respaldada por el historial completo de la institución y adaptada a los procedimientos de riesgo específicos de la empresa.

Cada agente aporta a la misma memoria. Cuando el agente de Disputas de Fraude detecta un patrón de contraparte, el agente de AML de Revisión L1 lo utiliza en la siguiente alerta. Cuando el Generador de Flujos de Trabajo implementa un cambio de política, el de Explicabilidad de Crédito ya tiene lista la justificación. El trabajo se transfiere entre agentes en lugar de reiniciarse caso por caso.

Cada mejora se mantiene gobernada. Los agentes asistidos por humanos permiten una gobernanza real, de modo que cuando un analista confirma o anula la solución de un agente, esto se convierte en una señal de retroalimentación. Y cuando se requiere un registro de auditoría, esas mismas entradas y decisiones de los agentes se ponen a disposición de los auditores internos y externos para que las revisen de manera sencilla.

Esto es lo que a la mayoría de los productos de agentes les costará replicar sobre una infraestructura fragmentada. El bucle de retroalimentación solo funciona si los agentes comparten la misma memoria. De lo contrario, se trata de una optimización aislada, agente por agente, sin aprendizaje compartido en toda la institución.

Los humanos son los dueños de la decisión

Agent Hub está diseñado para potenciar, no para reemplazar.

Una alerta de fraude puede bloquear una cuenta. Un escalamiento de AML puede dar fin a una relación bancaria. Una decisión de rechazo de crédito requiere enviar un aviso de acción adversa al cliente. Estas decisiones necesitan juicio, responsabilidad y a una persona capaz de explicar el resultado a un regulador, a un auditor o al propio cliente. Los agentes recopilan contexto, detectan señales, redactan recomendaciones, monitorean el desempeño y documentan la justificación. Los humanos confirman, ajustan, anulan e internalizan el resultado.

Lo que cambia es la carga de trabajo humana. Antes, un investigador de AML tenía que abrir una alerta, recopilar datos de tres a cinco sistemas, intentar entender el contexto detrás de la alerta, emitir un juicio, documentar la resolución y continuar con el siguiente caso. Con más del 90% de las alertas siendo falsos positivos, los analistas capacitados pasaban más de 30 minutos por alerta confirmando lo que probablemente ya sabían.

Agent Hub transforma esto en 10 minutos de juicio, en lugar de horas de recopilación de contexto. Y no solo se reduce la carga de trabajo humana. El Agente de Recomendación de Reglas monitorea los indicadores clave de rendimiento (KPI) y el rendimiento de las reglas de manera continua, recomendando proactivamente cambios de límites y nuevas reglas para mantener el ritmo ante los riesgos cambiantes, permitiendo que la institución se adapte a medida que cambian los patrones, en lugar de intentar ponerse al día tiempo después.

Lo que hace Agent Hub desde el primer día

Desde el primer día, Agent Hub ofrece a los equipos de riesgo nuevas formas de operar sumamente potentes: pueden cambiar políticas usando lenguaje natural sin tener que esperar a que el equipo técnico intervenga, recomendar nuevas reglas y límites para optimizar los KPI, investigar alertas a gran escala y actuar en casos con todo el contexto ya armado, documentar la justificación de las decisiones a medida que ocurren, y más.

Hoy en día, los agentes de Oscilar ayudan a los equipos de riesgo a reducir los falsos positivos en un 45%, revisar alertas a gran escala 3 veces más rápido e implementar políticas de riesgo completamente nuevas 5 veces más rápido, brindando a los equipos la capacidad y la visión para enfocarse en lo que mejor saben hacer: aplicar su criterio para obtener los mejores resultados.

Haga que las operaciones de riesgo sean más estratégicas

• El Agente Generador de Flujos de Trabajo convierte instrucciones de políticas en lenguaje natural en flujos de riesgo con control de versiones y gobernanza, sin tener que solicitar asistencia de ingeniería. Los equipos simplemente escriben la lógica de riesgo que desean en un lenguaje sencillo o incluso suben diagramas visuales de políticas preexistentes, y dejan que los agentes hagan el resto.

• El Agente de Recomendación de Reglas monitorea el rendimiento de las reglas, recomienda nuevas reglas y cambios de límites, señala reglas redundantes y adjunta análisis de impacto para permitir al analista aplicar los cambios recomendados con total confianza.

• El Agente de Análisis permite a los equipos de riesgo consultar datos, crear paneles interactivos, investigar tendencias y generar conclusiones sin necesidad de usar SQL.

• El Agente de Generación de Casos de Prueba le brinda confianza en los cambios antes de su implementación en producción, probando las nuevas políticas frente a casos extremos. 

• Cree su propio agente e inserte su propia lógica de IA en cualquier parte de sus flujos de riesgo, sin código. Realice llamadas a modelos de lenguaje (LLM), valide datos y automatice análisis complejos sin escribir una sola línea de código.
  
  

Investigue con un contexto completo

• Agentes de cumplimiento para resolver alertas en minutos, no en horas: impulse una revisión de primera línea optimizada y rica en contexto con agentes para Revisión AML L1, Narrativas SAR y Declaración de CTR. Obtenga más contexto con agentes de filtrado de PEP, Sanciones, Noticias Adversas e OSINT, y tome decisiones de debida diligencia de clientes (CDD) más informadas con los agentes de KYC y KYB.  

• El Agente de Disputas de Fraude recopila pruebas, analiza los reclamos de disputas y recomienda la siguiente acción a tomar.
  
  

Documente y respalde la decisión

• El Agente de Explicabilidad de Crédito genera argumentos listos para reguladores sobre decisiones crediticias y cambios de políticas.

• El Agente de Informes de Crédito permite generar argumentos sólidos sobre las decisiones de forma sencilla, analizando datos de casos, enriquecimiento de información y resultados de flujos de trabajo para producir un PDF estructurado con factores de riesgo, justificación de la decisión, flujo de caja e información comercial relevante.

Los cambios de políticas que antes requerían un ciclo técnico de varias semanas ahora se pueden configurar en minutos y pasar por los canales de gobernanza antes de su lanzamiento comercial.

La confianza de los innovadores financieros líderes del mundo 

SoFi utiliza los agentes de flujos de trabajo de Oscilar para implementar nuevas estrategias de riesgo de crédito un 50% más rápido (pasando de semanas a días) con una mejora de más del 30% en la velocidad de toma de decisiones.

"Los agentes de flujos de trabajo respaldan la capacidad de SoFi para tomar decisiones de riesgo rápidas y precisas y atender las necesidades de nuestros miembros. Podemos lanzar y probar nuevas políticas fácilmente y adaptarnos con una velocidad sin precedentes". —Adam Colclasure, Director Senior de Datos de Riesgo y Toma de Decisiones en SoFi

"¿Por qué no creamos esto nosotros mismos?"

Es la pregunta obvia. La mayoría de las instituciones cuentan con equipos de ingeniería. Muchas han probado las API de modelos de lenguaje (LLM). El primer prototipo no es el problema.

El problema es llevarlo a producción.

Una prueba de concepto funcional demuestra que el modelo puede hacer el trabajo una vez. Un agente listo para producción debe detectar desviaciones de rendimiento, explicar el origen de cada recomendación, señalar qué decisiones humanas se anularon, marcar qué cambió en los datos y asegurar que la institución pueda reconstruir y explicar la decisión en el futuro.

Ninguna de esas funciones esenciales se incluye en los agentes que son simples "envolturas de LLM".

La detección de desviaciones, el marco de evaluación, el bucle de retroalimentación, el seguimiento de anulaciones y la reconstrucción completa de las decisiones son aspectos que deben crearse, gestionarse y mantenerse. Además, omitir una persona sancionada no se traduce en un ticket de soporte, sino en un reporte de inspección de los reguladores.

El mantenimiento debe ser continuo. Los ingenieros se mudan de proyecto o empresa y el agente que crearon se vuelve una caja negra para todos los demás. Cada nueva creación de agente desde cero representa otros tres meses de desarrollo técnico más otro compromiso operativo continuo. Filtrado de PEP hoy, debida diligencia reforzada (EDD) en seis meses, KYB después. En Oscilar, cada nuevo agente se integra en la misma plataforma y se convierte en un simple cambio de configuración mediante una interfaz de autoservicio.

Prototipar el primer agente es fácil. El segundo implica tener que construir toda una plataforma de orquestación de agentes. Nosotros ya la construimos.

Lo que cambia a partir de ahora

Los equipos de riesgo no necesitan más agentes desconectados. Necesitan agentes que trabajen juntos: leyendo del mismo contexto del cliente, aportando a la misma memoria, mejorando mediante comentarios gobernados y respaldando decisiones de las que un humano pueda hacerse cargo.

Eso es lo que ofrece Agent Hub: más de 30 agentes especializados en fraude, AML, crédito, incorporación de clientes, sanciones, disputas, flujos de trabajo, análisis y explicabilidad, todos operando sobre la base construida para respaldarlos. Implemente agentes especializados desde la plataforma Oscilar en minutos o integre el Agent Hub de Oscilar sobre sus soluciones de riesgo actuales.

Más de 100 instituciones confían en Oscilar para procesar decenas de miles de millones de decisiones de riesgo automatizadas al año, cada una en menos de 100 ms. Hoy, les ofrecemos a sus equipos la capa de agentes orquestados que hace lo que los agentes aislados no pueden: lograr que toda la institución sea más inteligente, no solo más rápida.

Conozca más sobre Agent Hub →

NUEVA GUÍA

Agentes en AML: un manual de producción desde el puesto del investigador

Obtenga su copia

->