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 coincidencias de sanciones, crean flujos de trabajo, explican decisiones crediticias y responden preguntas en lenguaje natural.

Algunos se encargarán de tareas aisladas, pero 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 avanzar más rápido que el flujo de trabajo al que reemplaza, pero no puede razonar sobre la relación completa 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 o por qué un analista descartó la última recomendación.

Hace que un silo de información funcione 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 normativo AML, crédito, incorporación de clientes, sanciones, disputas, análisis, creación de flujos de trabajo y explicabilidad en una memoria de riesgo compartida. Todos los agentes leen de ella, todos contribuyen a ella y todos mejoran gracias a los comentarios controlados de los analistas.

El año pasado planteamos la siguiente hipótesis: los agentes cambiarían la toma de decisiones de riesgo solo si podían hacer algo más que automatizar tareas aisladas. Necesitarían un contexto compartido, coordinación y organización entre distintas áreas, explicabilidad, bucles de retroalimentación automáticos y supervisión humana desde el principio. Agent Hub es esa hipótesis hecha realidad 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 por 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 crear un agente a la vez. Un agente para procesar documentos por aquí. Un agente para resumir alertas por allá. Cada uno de ellos parece un avance. 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, pero la segunda empezará a preguntarse por qué los agentes de fraude, AML y crédito aún no pueden ver el trabajo de los demás, y por qué cada uno de ellos solo tiene una visión parcial del riesgo.

La base subyacente

Agent Hub no podía construirse 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 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, todo actualizado continuamente y compartido en la plataforma.

Necesitan decisiones coordinadas entre distintas áreas, de modo que una alerta de fraude pueda aportar a una alerta de AML, una decisión de incorporación de clientes pueda fundamentar una decisión de crédito y una coincidencia de sanciones pueda arrastrar todo el historial del cliente a la decisión final. Los agentes no deben limitarse a automatizar, sino que deben coordinar.

Necesitan estar entrenados con los propios manuales de procedimiento de la institución, para que cada agente razone a partir de los procesos y el nivel de tolerancia 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 actúa 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 llevar a producción.

Necesitan un marco de evaluación y un bucle de retroalimentación reales, no una simple capa superficial sobre 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 retrocesos o mejorar con el tiempo a partir de las decisiones de los analistas.

Necesitan una 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 que tengan que reconstruirse más tarde cuando lo solicite un regulador.

Y necesitan una capa de gobernanza: límites de políticas, flujos de trabajo 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 y luego intentan conectarlo a la base de datos. Nosotros creamos primero la base. Agent Hub es la capa de coordinación que se asienta sobre ella.

Generando impacto con agentes coordinados 

Tres aspectos diferencian a Agent Hub de otros enfoques que hemos visto explorar a los clientes.

Cada agente parte del mismo contexto compartido. El agente de fraude, el de AML, el de crédito y el de incorporación no están adivinando a partir de información parcial. Razonan a partir de la misma vista del cliente en tiempo real, con todo el historial de la institución respaldando la recomendación y adaptados a las políticas de riesgo específicas del negocio.

Cada agente contribuye a la misma memoria. Cuando el agente de disputas de fraude detecta un patrón de contraparte, la revisión de nivel 1 de AML lo utiliza en la siguiente alerta. Cuando el generador de flujos de trabajo implementa un cambio de política, el agente de explicabilidad crediticia ya tiene lista la justificación. El trabajo se transfiere entre agentes en lugar de reiniciarse caso por caso.

Cada mejora se mantiene regulada. Los agentes respaldados 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, esos mismos datos de entrada y decisiones del agente se ponen a disposición de los auditores internos y externos en un lenguaje claro y sencillo.

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 ningún aprendizaje en toda la institución.

Los humanos toman la decisión final

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

Una alerta de fraude puede bloquear una cuenta. Un escalamiento de AML puede terminar con una relación bancaria. Una decisión de rechazo de crédito requiere enviar una notificación 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 el contexto, detectan las señales, redactan las recomendaciones, monitorean el desempeño y documentan los fundamentos. Los humanos confirman, ajustan, anulan y se hacen responsables del resultado.

Lo que cambia es la carga de trabajo humano. Antes, un investigador de AML abría una alerta, extraía datos de tres a cinco sistemas, intentaba reconstruir el 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 algo que probablemente ya sabían.

Agent Hub transforma esto en 10 minutos de análisis y toma de decisiones, en lugar de horas recopilando información. Y no solo se reduce el trabajo de las personas: el agente de recomendación de reglas evalúa el desempeño de las reglas de forma continua y propone cambios en los límites de riesgo para anticiparse a las amenazas, permitiendo que la institución se adapte rápidamente.

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: pueden cambiar políticas usando lenguaje natural sin tener que esperar por soporte técnico, recomendar nuevas reglas y parámetros para optimizar los indicadores clave, investigar alertas a gran escala con todo el contexto ya preparado, documentar las justificaciones a medida que se toman las decisiones y más.

Actualmente, los agentes de Oscilar ayudan a los equipos de riesgo a reducir los falsos positivos en un 45%, evaluar alertas a gran escala 3 veces más rápido y aplicar nuevas políticas de riesgo 5 veces más rápido, lo que da a los equipos más capacidad y control para centrarse en lo que mejor saben hacer: aportar su juicio profesional.

Haga que sus operaciones de riesgo sean más estratégicas

• El agente generador de flujos de trabajo convierte instrucciones de política escritas en lenguaje natural en flujos de trabajo de riesgo controlados y con historial de versiones, sin necesidad de ayuda de programadores. Los equipos solo tienen que escribir la lógica de riesgo que desean en un lenguaje sencillo o incluso subir diagramas visuales con las políticas preexistentes para que los agentes hagan el resto.

• El agente de recomendación de reglas evalúa el desempeño de las reglas actuales, sugiere reglas nuevas y ajustes de límites, señala reglas redundantes y adjunta análisis de impacto para que el analista aplique los cambios con total confianza.

• El agente de análisis permite a los equipos consultar datos, generar paneles de control, investigar tendencias y obtener conclusiones sin necesidad de usar lenguaje técnico (SQL).

• El agente generador de pruebas le da total confianza antes de implementar cambios en producción, probando las nuevas políticas frente a casos límite. 

• Cree su propio agente e integre su propia lógica de inteligencia artificial en cualquier parte de sus flujos de trabajo de riesgo de forma visual y directa. Utilice modelos de lenguaje, valide datos y automatice análisis complejos sin tener que escribir código.
  
  

Investigue con el contexto completo

• Agentes de cumplimiento para resolver alertas en minutos, no en horas: agilice las revisiones iniciales aportando un gran contexto con agentes para la revisión AML de nivel 1, la redacción de informes de actividad sospechosa (SAR) y la generación de declaraciones de transacciones en efectivo (CTR). Amplíe la información con agentes que buscan coincidencias en listas de personas expuestas políticamente (PEP), sanciones, noticias adversas y fuentes abiertas (OSINT), y tome mejores decisiones en la debida diligencia de clientes con los agentes de KYC y KYB.  

• El agente de disputas de fraude reúne las pruebas, analiza las reclamaciones y recomienda la acción más adecuada.
  
  

Documente y respalde cada decisión

• El agente de explicabilidad crediticia genera justificaciones de cambios de políticas y decisiones de crédito que cumplen con los requisitos de los reguladores.

• El agente de informes crediticios redacta resúmenes claros de las decisiones sin procesos complejos, analizando los datos del caso, la información adicional y los resultados del flujo de trabajo para crear un informe en PDF estructurado con los factores de riesgo, la justificación de la decisión y análisis financiero.

Los cambios de política que antes requerían semanas de trabajo técnico ahora pueden configurarse en minutos y enviarse para aprobación interna antes de publicarse.

La confianza de los líderes en innovación financiera 

SoFi utiliza los agentes de flujos de trabajo de Oscilar para implementar nuevas estrategias de riesgo crediticio un 50% más rápido, reduciendo procesos de semanas a días, con una mejora superior al 30% en la velocidad de la toma de decisiones.

"Los agentes de flujo de trabajo potencian nuestra capacidad en SoFi para tomar decisiones de riesgo rápidas y precisas, atendiendo mejor a nuestros miembros. Podemos lanzar y ajustar nuevas políticas fácilmente, adaptándonos con una velocidad sin precedentes". —Adam Colclasure, Director Sénior de Datos de Riesgo y Decisiones en SoFi

"¿Por qué no creamos esto nosotros mismos?"

Es la pregunta más lógica. La mayoría de las instituciones cuentan con equipos de ingenieros y muchas han probado el uso de modelos de lenguaje mediante APIs. Crear el primer prototipo no es el problema.

El verdadero reto es llevarlo a producción.

Una prueba de concepto demuestra que el modelo puede hacer el trabajo una vez. Sin embargo, un agente listo para usarse en el día a día debe detectar desviaciones en el desempeño, explicar el origen de cada recomendación, detallar qué decisiones modificaron los analistas humanos, señalar cambios en los datos y asegurar que la institución pueda reconstruir y justificar la decisión en el futuro.

Ninguna de esas funciones fundamentales viene incluida en los agentes sencillos que solo sirven como intermediarios de un modelo de lenguaje.

La detección de problemas de rendimiento, el sistema de evaluación, el bucle de retroalimentación, el registro de modificaciones y la reconstrucción completa de las decisiones son elementos que deben diseñarse, gestionarse y mantenerse constantemente. Además, pasar por alto a una persona o entidad sancionada no se resuelve con una tarea pendiente de soporte; se convierte en una multa del organismo regulador.

El mantenimiento debe ser continuo. Los ingenieros cambian de proyecto y el agente que crearon se convierte en una caja negra para todos los demás. Cada nuevo agente que decida desarrollar implica otros tres meses de programación, sumados a un nuevo compromiso de mantenimiento. Hoy se implementa el filtrado PEP, en seis meses la debida diligencia reforzada (EDD) y luego KYB. Con Oscilar, cada nuevo agente se integra en la misma plataforma y se configura de forma sencilla desde un panel visual intuitivo.

Diseñar el primer prototipo de agente es sencillo. El segundo ya implica crear una infraestructura completa de coordinación de agentes. Nosotros ya la hemos desarrollado.

Lo que cambia a partir de ahora

Los equipos de riesgo no necesitan más herramientas independientes y desconectadas. Necesitan agentes que colaboren entre sí: que utilicen la misma información del cliente, guarden sus resultados en un historial común, mejoren a través de la supervisión de los analistas y respalden decisiones que las personas puedan validar con total confianza.

Eso es lo que ofrece Agent Hub: más de 30 agentes especializados en fraude, prevención de lavado de dinero (AML), crédito, incorporación de usuarios, sanciones, disputas, flujos de trabajo, análisis e interpretación, que operan integrados en una misma base de datos. Implemente agentes especializados desde la plataforma Oscilar en pocos minutos o integre Agent Hub sobre sus sistemas de riesgo actuales.

Más de 100 instituciones confían en Oscilar para gestionar decenas de miles de millones de decisiones automatizadas al año, cada una en menos de 100ms. Hoy ponemos a disposición de sus equipos la capa de agentes coordinados para lograr lo que las herramientas aisladas no pueden: hacer que toda la institución funcione de manera más inteligente, y no solo más deprisa.

Conozca más sobre Agent Hub →

NUEVA GUÍA

Agentes en AML: Manual práctico de producción desde la perspectiva del investigador

Obtenga su copia

->