Neha Narkhede

Presentamos el Centro de Agentes de Oscilar

Publicado

June 3, 2026

Tiempo de lectura:

7 minutos

Neha Narkhede

Contenido

Comparte este artículo

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 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, pero 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 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, aporta de vuelta y mejora a través de comentarios supervisados de los analistas.

El año pasado planteamos la tesis de que los agentes cambiarían la toma de decisiones de riesgo solo si pudieran hacer más que automatizar tareas aisladas. Necesitarían un contexto compartido, coordinación y orquestación multidominio, explicabilidad, bucles de retroalimentación automática y supervisión humana integrados desde el principio. Agent Hub es esa tesis puesta 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 más rápido, reduzcan las intervenciones manuales, expliquen claramente cada decisión y lo hagan sin aumentar el número de empleados.

La respuesta fácil es comprar o crear un agente a la vez. Un agente de análisis de documentos aquí, otro de resumen de alertas allá. Cada uno de ellos parece un progreso, pero ninguno 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 preguntarse por qué los agentes de fraude, cumplimiento y crédito siguen sin poder ver el trabajo de los demás y por qué cada uno tiene solo una visión parcial del riesgo.

La base subyacente

Agent Hub no podía construirse 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 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, de modo que una alerta de fraude pueda aportar a una alerta de AML, una decisión de incorporación pueda informar una decisión de crédito y una coincidencia de sanciones pueda llevar todo el historial del cliente a la decisión. Los agentes no deberían solo automatizar, deberían orquestar.

Deben estar entrenados con los propios manuales de procedimiento de la institución, para que cada agente razone a partir de las políticas y el apetito de riesgo reales de esa organización, y no con instrucciones genéricas que traten 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 de juego y a los límites 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 un simple intermediario alrededor de un modelo de lenguaje (LLM). La mayoría de los agentes del mercado son solo una instrucción y una llamada de API, sin forma de medir la precisión, detectar regresiones o mejorar con el tiempo a partir de las decisiones de los analistas.

Necesitan explicabilidad integrada en su trabajo, de modo que las decisiones, los resultados de los modelos, las activaciones de reglas y las anulaciones se registren al momento, y no se tengan que reconstruir más tarde cuando un regulador las solicite.

Y necesitan una capa de gobernanza: 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 con agentes comienzan por el agente e intentan conectarlo a la base después. Nosotros construimos la base primero. Agent Hub es la capa de orquestación que se sitúa por encima.

Impulsando el 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 fraudes, uno de AML, uno de crédito y uno de incorporación no están adivinando a partir de información parcial. Razonan a partir de la misma vista de cliente en tiempo real, respaldados por el historial completo de la institución y adaptados a las políticas de riesgo específicas de la empresa.

Cada agente aporta a la misma memoria. Cuando el agente de disputas de fraude detecta un patrón de contraparte, el de revisión de AML de nivel 1 lo utiliza en la siguiente alerta. Cuando el generador de flujos de trabajo publica 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.

Toda mejora se mantiene bajo control. Los agentes asistidos por humanos permiten una gobernanza real, de modo que cuando un analista confirma o anula la solución de un agente, eso se convierte en una señal de retroalimentación. Y cuando se requiere un historial de auditoría, esas mismas entradas y decisiones de los agentes están disponibles para que los auditores internos y externos las revisen en un lenguaje claro.

Esto es precisamente lo que les costará copiar a la mayoría de los productos de agentes sobre infraestructuras fragmentadas. El bucle de retroalimentación solo funciona si los agentes comparten la misma memoria; de lo contrario, es un ajuste aislado, agente por agente, sin aprendizaje compartido en la institución.

Los humanos toman las decisiones

Agent Hub está diseñado para potenciar, no para reemplazar.

Una alerta de fraude puede bloquear una cuenta, una derivación de AML puede poner fin a una relación bancaria y un rechazo de crédito requiere enviar una notificación 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 cliente afectado. Los agentes recopilan contexto, detectan señales, redactan recomendaciones, monitorean el rendimiento 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 abría una alerta, extraía datos de tres a cinco sistemas, intentaba comprender el contexto detrás de la alerta, tomaba una decisión, redactaba la resolución y continuaba con el siguiente caso. Con más del 90% de 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 criterio en lugar de horas dedicadas a recopilar contexto. Y no solo se reduce el trabajo de las personas: el agente de recomendación de reglas realiza un seguimiento continuo de los indicadores clave de rendimiento (KPI) y sugiere proactivamente cambios de límites y nuevas reglas para adaptarse a la evolución de los riesgos, permitiendo que la institución reaccione al momento en lugar de ir siempre por detrás.

Qué hace Agent Hub desde el primer día

Desde el primer día, Agent Hub ofrece a los equipos de riesgo nuevas formas de operar: pueden modificar políticas usando lenguaje natural sin tener que esperar a los desarrolladores, recomendar nuevas reglas y límites para optimizar los KPI, investigar alertas a gran escala y actuar sobre casos con todo el contexto ya preparado, documentar los motivos a medida que se aclaran las decisiones y mucho más.

Actualmente, los agentes de Oscilar ayudan a los equipos de riesgo a reducir los falsos positivos en un 45 %, a revisar alertas a gran escala tres veces más rápido y a implementar políticas de riesgo completamente nuevas cinco veces más rápido, lo que brinda a los equipos la capacidad y la visibilidad necesarias para centrarse en lo que mejor saben hacer: aplicar su criterio para lograr los mejores resultados.

Logre que las operaciones de riesgo sean más estratégicas

El agente generador de flujos de trabajo convierte las instrucciones de política en lenguaje natural en flujos de riesgo con control de versiones y gobernanza, sin necesidad de tareas de ingeniería. Los equipos simplemente escriben la lógica de riesgo que desean en un lenguaje sencillo o incluso suben diagramas visuales de políticas ya existentes, y dejan que los agentes hagan el resto.
El agente de recomendación de reglas supervisa el rendimiento de las reglas, recomienda nuevas normativas y cambios en los límites de riesgo, detecta reglas redundantes y añade análisis de impacto para que el analista pueda aplicar los cambios recomendados con total confianza.
El agente de análisis permite a los equipos de riesgo consultar datos, generar cuadros de mando, investigar tendencias e identificar patrones sin necesidad de saber SQL.
El agente de generación de casos de prueba le proporciona confianza en los cambios antes de publicarlos en producción, probando las 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. Llame a modelos de lenguaje (LLM), valide datos y automatice análisis complejos sin tener que escribir una sola línea de código.

Investigue con todo el contexto

Agentes de cumplimiento para resolver alertas en minutos, no en horas: agilicen la primera línea de revisión con agentes especializados en AML L1, narrativas de SAR (informes de actividad sospechosa) y declaraciones de CTR (transacciones de efectivo). Obtenga un contexto más rico con agentes que analizan listados de PEP (personas políticamente expuestas), sanciones, noticias adversas y fuentes de OSINT (inteligencia de fuentes abiertas), y tome mejores decisiones sobre la debida diligencia de la clientela (CDD) con los agentes de KYC y KYB.
El agente de disputas de fraude reúne pruebas, analiza las reclamaciones de disputas y recomienda el siguiente paso a seguir.

Documente y respalde su decisión

El agente de explicabilidad de crédito genera argumentos listos para ser presentados ante organismos reguladores para justificar decisiones crediticias y cambios de políticas.
El agente de memorandos de crédito le permite redactar con facilidad informes defensivos sobre cada decisión, analizando los datos del caso, la información adicional y los resultados de los flujos de trabajo para generar un PDF estructurado con los factores de riesgo, la justificación de la decisión y análisis sobre el flujo de efectivo y la empresa.

Los cambios de política que antes requerían semanas de trabajo de ingeniería ahora pueden configurarse en minutos y enviarse a gobernanza antes de su publicación.

La opción de confianza de los líderes en innovación financiera

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

"Los agentes de flujo de trabajo respaldan la capacidad de SoFi para tomar decisiones de riesgo rápidas y precisas, y dar servicio a las necesidades de nuestros miembros. Podemos lanzar y corregir nuevas políticas con facilidad y adaptarnos con una velocidad sin precedentes."

Adam Colclasure

Director sénior de datos de riesgo y toma de decisiones

SoFi

"¿Por qué no creamos esto nosotros mismos?"

Es la pregunta que surge de forma natural. La mayoría de las instituciones cuentan con equipos de ingeniería; muchas ya han probado las API de modelos de lenguaje (LLM). Lograr el primer prototipo no es el problema.

El reto es la producción.

Una prueba de concepto 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 decisiones humanas se impusieron sobre el sistema, indicar qué datos han cambiado y garantizar que la institución pueda reconstruir y justificar la decisión en el futuro.

Ninguna de esas capacidades principales viene integrada en los agentes sencillos basados en un mero "vínculo con la API de un LLM".

La detección de desviación, el marco de evaluación, el bucle de retroalimentación, el seguimiento de anulaciones y la reconstrucción completa de las decisiones son elementos que deben crearse, gestionarse y mantenerse. Y omitir una entidad sancionada no se soluciona abriendo un tíquet en Jira; va directo a 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 todo el equipo. Cada nuevo agente que planee crear supone otros tres meses de ingeniería más otro proceso de operaciones permanente: hoy las personas políticamente expuestas, en seis meses la diligencia debida reforzada (EDD), y después la verificación de empresas (KYB). En Oscilar, cada nuevo agente se suma sobre la misma plataforma y se traduce simplemente en un cambio de configuración a través de un panel de autoservicio.

El primer agente es fácil de diseñar como prototipo. Añadir el segundo implica que ya se está construyendo toda una plataforma de orquestación de agentes. Nosotros ya la hemos creado para usted.

Qué cambia a partir de ahora

Los equipos de riesgo no necesitan más agentes desconectados entre sí. Necesitan agentes que colaboren: que partan de la misma base de información del cliente, aporten a la misma memoria, mejoren a través de la retroalimentación supervisada y respalden decisiones que una persona pueda asumir y defender.

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 ellos trabajando sobre la misma plataforma común. Despliegue agentes especializados desde Oscilar en minutos o integre Agent Hub 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 proporciona lo que las soluciones aisladas no pueden lograr: hacer que toda la organización sea más inteligente, no solo más rápida.

Saber más sobre Agent Hub →