Presentamos el Centro de Agentes de Oscilar

Los equipos de riesgo están a punto de inundarse de agentes.

Agentes que resumen alertas, redactan resoluciones, ajustan reglas, filtran alertas 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 complejo.

Un agente de tarea única acoplado a un sistema fragmentado sigue viendo un contexto fragmentado. Puede moverse 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 PLD (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 sea más rápido. 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 de PLD, crédito, incorporación, sanciones, disputas, análisis, creación de flujos de trabajo y explicabilidad en una memoria de riesgo compartida. Todos los agentes leen de ella. Todos los agentes aportan a ella. Todos los agentes mejoran mediante la retroalimentación supervisada de los analistas.

El año pasado presentamos la 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 orquestación entre dominios, explicabilidad, bucles de retroalimentación automáticos y supervisión humana integrada desde el principio. Agent Hub es esa tesis en producción.

Esto es lo que se vuelve posible cuando la base ya está establecida.

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 personal.

La respuesta fácil es comprar o construir un agente a la vez. Un agente para procesar documentos por aquí. Un agente de resumen de alertas por allá. Cada uno parece un avance, pero ninguno 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 cuestionar por qué los agentes de fraude, PLD y crédito siguen sin poder ver el trabajo de los demás, y por qué cada agente solo ve 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 unificado del cliente: un registro en vivo 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 entre dominios, de modo que una alerta de fraude pueda aportar a una alerta de PLD, una decisión de incorporación pueda fundamentar una decisión de crédito y una alerta de sanciones pueda llevar 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 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 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 capa delgada sobre un LLM. La mayoría de los agentes del mercado son solo una instrucción y una llamada a la API, sin forma de medir la precisión, detectar desajustes o mejorar con las decisiones de los analistas a lo largo del tiempo.

Necesitan explicabilidad integrada en el trabajo, para que las decisiones, los resultados de los modelos, la activación de reglas y las anulaciones se registren al instante, no cuando un regulador las solicite más tarde.

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 basadas en agentes comienzan con el agente e intentan conectarlo a la base después. Nosotros construimos la base primero. Agent Hub es la capa de orquestación que está 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, uno de PLD, 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 vivo, con todo el historial de la institución respaldando la recomendación, adaptada a los SOP 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 Revisión L1 de PLD lo utiliza en la siguiente alerta. Cuando el Generador de Flujos de Trabajo implementa un cambio de política, el de Explicabilidad de Crédito tiene lista la justificación. El trabajo se transfiere entre agentes en lugar de reiniciarse caso por caso.

Cada mejora se mantiene gobernada. Los agentes aumentados 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 registro 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 lo que a la mayoría de los productos de agentes les costará copiar 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 en toda la institución.

Los humanos toman las decisiones

Agent Hub está diseñado para potenciar, no para reemplazar.

Una alerta de fraude puede bloquear una cuenta. Un escalamiento de PLD puede terminar una relación bancaria. Una decisión de rechazo de crédito requiere enviar un aviso de acción adversa al cliente. Estas decisiones necesitan juicio, responsabilidad y una persona que pueda 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 y se hacen cargo del resultado.

Lo que cambia es la carga de trabajo humana. Un investigador de PLD solía abrir una alerta, recopilar datos de tres a cinco sistemas, intentar comprender el contexto detrás de la alerta, emitir un juicio, documentar la resolución y continuar de largo. 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, no en horas de recopilación de contexto. Y no solo se reduce la carga de trabajo humana. El Agente de Recomendación de Reglas monitorea continuamente los KPI y el rendimiento de las reglas, y recomienda proactivamente los cambios de umbral y las nuevas reglas que sigan el ritmo de los riesgos cambiantes, para que la institución se adapte a medida que cambian los patrones, en lugar de intentar ponerse al día mucho 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 modificar políticas usando lenguaje natural sin tener que esperar a ingeniería, recomendar nuevas reglas y umbrales para optimizar los KPI, investigar alertas a escala y actuar en los casos con todo el contexto ya preparado, documentar la justificación a medida que se toman las decisiones, y más.

Hoy en día, los agentes de Oscilar están ayudando a los equipos de riesgo a reducir los falsos positivos en un 45%, revisar alertas a escala hasta 3 veces más rápido y desplegar políticas de riesgo completamente nuevas hasta 5 veces más rápido, brindando a los equipos la facilidad y la visibilidad para concentrarse en lo que mejor saben hacer: aplicar su criterio para lograr los mejores resultados.

Haga que las operaciones de riesgo sean más estratégicas

• Agente Generador de Flujos de Trabajo convierte las instrucciones de política en lenguaje natural en flujos de trabajo de riesgo versionados y gobernados sin necesidad de un ticket de ingeniería. Los equipos simplemente escriben la lógica de riesgo que desean en un lenguaje sencillo o incluso cargan diagramas visuales con políticas preexistentes y dejan que los agentes hagan el resto.

• Agente de Recomendación de Reglas monitorea el rendimiento de las reglas, recomienda nuevas reglas y cambios de umbral, señala reglas redundantes y añade análisis de impacto para que el analista pueda aplicar los cambios recomendados con confianza.

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

• 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 inserte su propia lógica de IA en cualquier parte de sus flujos de trabajo de riesgo, sin código. Llame a LLMs, 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: impulsando una revisión de primera línea optimizada y rica en contexto con agentes para la Revisión L1 de PLD, Narrativas de ROS (Reportes de Operaciones Sospechosas) y Presentación de CTR (Reportes de Transacciones en Efectivo). Obtenga más contexto con agentes que realizan búsquedas en listas de PEP (Personas Expuestas Políticamente), Sanciones, Medios Adversos y OSINT (Inteligencia de Fuentes Abiertas), y tome decisiones de debida diligencia del cliente (CDD) más informadas con agentes de KYC y KYB.  

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

Documente y respalde la decisión

• Agente de Explicabilidad de Crédito genera justificaciones listas para reguladores sobre decisiones de crédito y cambios de política.

• Agente de Informes de Crédito permite generar argumentos sólidos de decisión sin complicaciones, 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 y perspectivas comerciales.

Los cambios de política que antes requerían un ciclo de ingeniería de varias semanas ahora se pueden configurar en minutos y pasar por los filtros de gobernanza antes de su publicación.

Con la confianza de los líderes en innovación financiera del mundo 

SoFi utiliza los Workflow Agents de Oscilar para implementar nuevas estrategias de riesgo crediticio un 50% más rápido, reduciendo tiempos de semanas a días, con una mejora de más del 30% en la velocidad de toma de decisiones.

"Los Workflow Agents respaldan la capacidad de SoFi para tomar decisiones de riesgo rápidas y precisas y atender las necesidades de nuestros miembros. Podemos lanzar y ajustar 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 construimos esto nosotros mismos?"

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

El problema es llevarlo a producción.

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

Ninguna de esas capacidades principales viene integrada en los agentes que son simples capas sobre un LLM.

La detección de desajustes, un marco de evaluación, un bucle de retroalimentación, el seguimiento de anulaciones, la reconstrucción completa de decisiones: todo eso se tiene que construir, gestionar y mantener. Y una entidad sancionada que se pase por alto no termina en un ticket de Jira. Termina en un informe de sanción regulatoria.

El mantenimiento es permanente. Los ingenieros cambian de proyecto y el agente que construyeron se convierte en una caja negra para todos los demás. Cada nuevo agente que decida construir por su cuenta significa tres meses más de ingeniería más otro compromiso operativo permanente. PEP hoy, debida diligencia reforzada (EDD) en seis meses, KYB después. En Oscilar, cada nuevo agente se basa en la misma plataforma y se convierte en un simple cambio de configuración mediante una interfaz de usuario de autoservicio.

El primer agente es fácil de diseñar. El segundo ya significa que está construyendo 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 colección de agentes desconectados. Necesitan agentes que trabajen juntos: leyendo del mismo contexto del cliente, aportando a la misma memoria, mejorando mediante una retroalimentación gobernada y apoyando decisiones de las que un ser humano pueda hacerse responsable.

Eso es lo que ofrece Agent Hub: más de 30 agentes especializados en fraude, PLD, crédito, incorporación, sanciones, disputas, flujos de trabajo, análisis y explicabilidad, todos operando sobre la base construida para darles soporte. Despliegue 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, estamos dando a sus equipos la capa de agentes orquestados que hace lo que los agentes aislados no pueden: hacer que toda la institución sea más inteligente, no solo más rápida.

Conozca más sobre Agent Hub

NUEVA GUÍA

Agentes en PLD: Un manual de producción desde la perspectiva del investigador

Obtenga su copia

->