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 de crédito y responden preguntas en lenguaje natural.

Algunos funcionarán para tareas aisladas. La mayoría pasará por alto el problema más difícil.

Un agente de tarea única acoplado a un sistema fragmentado sigue viendo un contexto fragmentado. Puede moverse más rápido que el flujo de trabajo al 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 caso de AML (prevención de lavado de dinero) se escaló el mes pasado, qué política cambió esta mañana o por qué un analista anuló la última recomendación.

Hace que un silo se mueva más rápido. No hace que la institución sea más inteligente.

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

Agent Hub reúne a más de 30 agentes especializados en fraude, cumplimiento de AML, crédito, incorporación, 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 los comentarios supervisados de los analistas.

El año pasado expusimos nuestra tesis: los agentes cambiarían la toma de decisiones de riesgo solo si pudieran hacer algo más que automatizar tareas aisladas. Necesitarían un contexto compartido, coordinación y organización entre diferentes áreas, explicabilidad, bucles de retroalimentación automática y supervisión humana integrados 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 por adoptar agentes es real. A los equipos de riesgo se les pide que se muevan más rápido, reduzcan las intervenciones manuales, expliquen cada decisión con claridad y lo hagan sin aumentar el personal.

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

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

La base subyacente

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

Necesitan un perfil de riesgo del cliente unificado: un registro en tiempo real de señales de identidad, historial de transacciones, datos de dispositivos y redes, patrones de comportamiento, casos anteriores, resultados de políticas y decisiones de analistas, 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 fundamentar una decisión de crédito y una coincidencia de sanciones pueda llevar todo el historial del cliente a la decisión. Los agentes no solo deben automatizar. Deben coordinar.

Necesitan estar entrenados con los propios manuales de procedimiento 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 una instrucción genérica que trate a todas las instituciones por igual. Un agente genérico que responde a instrucciones genéricas se mueve rápido pero pasa por alto lo importante; un agente adaptado al manual y a los umbrales del cliente es el que un equipo de riesgo realmente puede poner en producción.

Necesitan un marco de evaluación y un bucle de retroalimentación reales, no una simple plantilla 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 a partir de las decisiones de los analistas con el tiempo.

Necesitan explicabilidad integrada en su trabajo, de modo que las decisiones, los resultados del modelo, las reglas activadas y las anulaciones se registren en el momento en que ocurren, y no se reconstruyan más tarde cuando lo solicite un regulador.

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

La mayoría de las soluciones de agentes comienzan con el agente e intentan conectarlo a la base más tarde. Nosotros creamos primero la base. Agent Hub es la capa de coordinación sobre ella.

Generando impacto con agentes coordinados 

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, uno de AML, uno de crédito y uno de incorporación no están adivinando a partir de información parcial. Estan razonando con la misma vista en tiempo real del cliente, con todo el historial de la institución respaldando la recomendación y adaptado a los procedimientos de riesgo específicos del negocio.

Cada agente aporta a la misma memoria. Cuando el agente de Disputas de Fraude detecta un patrón de contraparte, el de Revisión L1 de AML 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 supervisada. Los agentes respaldados por humanos permiten un gobierno auténtico, 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, esos mismos datos y decisiones de los agentes están disponibles para que los auditores internos y externos los revisen en un lenguaje claro.

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 un ajuste aislado, agente por agente, sin aprendizaje compartido en toda la institución.

Los humanos toman las decisiones

Agent Hub está diseñado para potenciar el trabajo, no para reemplazarlo.

Una alerta de fraude puede bloquear la cuenta de alguien. Un escalamiento de AML puede terminar una relación bancaria. Una decisión de rechazo de crédito requiere enviar un aviso de acción adversa al cliente. Estas decisiones necesitan criterio, responsabilidad y una persona que pueda explicar el resultado a un regulador, un auditor o al propio cliente. Los agentes recopilan contexto, detectan señales, redactan recomendaciones, monitorean el rendimiento y documentan la justificación. Los humanos confirman, ajustan, anulan y se hacen responsables del resultado.

Lo que cambia es la carga de trabajo humana. Antes, un investigador de AML abría una alerta, extraía datos de tres a cinco sistemas, intentaba armar un panorama del contexto detrás de la alerta, tomaba una decisión, documentaba la resolución y continuaba con el siguiente caso. Dado que más del 90% de las alertas son 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 análisis y criterio, en lugar de horas recopilando información. Y no solo se reduce la carga de trabajo humana. El Agente de Recomendación de Reglas monitorea los KPIs y el rendimiento de las reglas de forma continua, y recomienda de manera proactiva los cambios de umbrales y las nuevas reglas necesarias para mantenerse al día con los riesgos cambiantes, de modo que la institución se adapte a medida que cambian los patrones, en lugar de intentar ponerse al día mucho tiempo después.

Lo que hace Agent Hub desde el primer día

Desde el primer día, Agent Hub ofrece a los equipos de riesgo nuevas y potentes formas de operar: pueden cambiar políticas usando lenguaje natural sin depender del equipo de ingeniería, recomendar nuevas reglas y umbrales para optimizar los KPIs, investigar alertas a gran escala y actuar sobre casos con todo el contexto ya preparado, documentar la justificación a medida que se toman las decisiones, y mucho 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 lograr 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 trabajo de riesgo con control de versiones y gobierno, sin necesidad de un ticket de ingeniería. Los equipos simplemente escriben la lógica de riesgo que desean en un lenguaje claro o incluso cargan diagramas visuales que describen 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 umbrales, señala reglas redundantes y adjunta análisis de impacto para permitir que el analista implemente los cambios recomendados con total confianza.

• El Agente de Análisis permite a los equipos de riesgo consultar datos, generar paneles de control, investigar tendencias y obtener información valiosa sin necesidad de usar SQL.

• El Agente de Generación de Casos de Prueba le brinda confianza en los cambios antes de implementarlos en producción, probando nuevas políticas frente a casos límite. 

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

Investigue con todo el contexto

• Agentes de cumplimiento para resolver alertas en minutos, no horas: impulse una revisión de primera línea optimizada y rica en contexto con agentes para Revisión L1 de AML, Narrativas de SAR y Presentación de CTR. Obtenga más contexto con agentes que realizan búsquedas en PEPs, Sanciones, Noticias Adversas y 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 las reclamaciones de disputa y recomienda la siguiente acción a tomar.
  
  

Documente y respalde la decisión

• El Agente de Explicabilidad de Crédito genera justificaciones listas para presentar ante reguladores sobre decisiones crediticias y cambios en las políticas.

• El Agente de Informes de Crédito permite redactar justificaciones de decisiones sólidas sin complicaciones, analizando datos del caso, enriquecimientos y resultados de flujos de trabajo para generar un PDF estructurado con factores de riesgo, justificación de la decisión, flujo de caja e información del negocio.

Los cambios de políticas que antes requerían un ciclo de ingeniería de varias semanas ahora se pueden configurar en minutos y pasar por el proceso de supervisión antes de su lanzamiento.

La confianza de los líderes en innovación financiera a nivel mundial 

SoFi utiliza los Agentes de Flujo de Trabajo de Oscilar para implementar nuevas estrategias de riesgo crediticio 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 flujo de trabajo respaldan la capacidad de SoFi para tomar decisiones de riesgo rápidas y precisas, atendiendo las necesidades de nuestros miembros. Podemos lanzar e iterar fácilmente nuevas políticas y adaptarnos con una velocidad sin precedentes".

Adam Colclasure

Director Sénior de Datos de Riesgo y Decisiones

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 APIs de modelos de lenguaje (LLM). El primer prototipo no es el problema.

El problema es llevarlo a producción.

Un prototipo funcional demuestra que el modelo puede hacer el trabajo una vez. Un agente listo para producción debe detectar desviaciones en el rendimiento, explicar de dónde proviene cada recomendación, detallar qué cambios anularon los humanos, señalar qué cambió en los datos y garantizar que la institución pueda reconstruir y explicar la decisión más adelante.

Ninguna de esas capacidades principales se incluye en los agentes que son simples plantillas sobre un LLM.

La detección de desviaciones, un marco de evaluación, un bucle de retroalimentación, el seguimiento de anulaciones y la reconstrucción completa de decisiones: todo esto debe diseñarse, gestionarse y mantenerse de forma constante. Y pasar por alto una entidad sancionada no se resuelve con una tarea en Jira. Termina en un informe de auditoría.

El mantenimiento es permanente. Los ingenieros cambian de proyecto y el agente que crearon se convierte en una caja negra para los demás. Cada nuevo agente que decida desarrollar por su cuenta representa otros tres meses de ingeniería más otro compromiso operativo permanente. PEP hoy, EDD en seis meses, KYB después de eso. Con Oscilar, cada nuevo agente se desarrolla sobre la misma plataforma y se convierte en un simple cambio de configuración a través de una interfaz de autoservicio.

El primer agente es fácil de diseñar como prototipo. El segundo significa que está desarrollando una plataforma completa de coordinación de agentes. Nosotros ya la creamos.

Qué cambia a partir de ahora

Los equipos de riesgo no necesitan una colección más grande de agentes desconectados. Necesitan agentes que trabajen juntos: que lean desde el mismo contexto del cliente, que aporten a la misma memoria, que mejoren mediante comentarios supervisados y que respalden decisiones de las que un humano pueda hacerse responsable.

Eso es lo que ofrece Agent Hub: más de 30 agentes especializados en fraude, AML, crédito, incorporación, sanciones, disputas, flujos de trabajo, análisis y explicabilidad, todos operando sobre la base diseñada para respaldarlos. Implemente agentes especializados desde la plataforma de 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, ofrecemos a sus equipos la capa de agentes coordinados que hace lo que los agentes aislados no pueden: lograr que toda la institución sea más inteligente, no solo más rápida.

Más información sobre Agent Hub →

Explore más a fondo con nuestra guía de agentes en AML.

Descubra cómo implementar agentes en un entorno regulado y complejo.

LIBRO ELECTRÓNICO GRATUITO

Explore más a fondo con nuestra guía de agentes en AML.

Descubra cómo implementar agentes en un entorno regulado y complejo.

LIBRO ELECTRÓNICO GRATUITO

Explore más a fondo con nuestra guía de agentes en AML.

Descubra cómo implementar agentes en un entorno regulado y complejo.

LIBRO ELECTRÓNICO GRATUITO

Explore más a fondo con nuestra guía de agentes en AML.

Descubra cómo implementar agentes en un entorno regulado y complejo.

LIBRO ELECTRÓNICO GRATUITO

Explore más a fondo con nuestra guía de agentes en AML.

Descubra cómo implementar agentes en un entorno regulado y complejo.

LIBRO ELECTRÓNICO GRATUITO