La entidad financiera digital Revolut ha dado un paso decisivo en el ámbito de la inteligencia artificial al asociarse con el gigante tecnológico NVIDIA para establecer una nueva división de investigación y desarrollo denominada Revolut Research. El primer fruto de esta colaboración es PRAGMA, un modelo fundacional diseñado íntegramente con recursos propios, con el objetivo de eliminar la dependencia de soluciones de IA proporcionadas por terceros.
Un cambio de paradigma en el sector financiero
El uso de sistemas avanzados de aprendizaje automático en la banca no es una novedad. Desde 2023, JPMorgan implementó su LLM Suite, una herramienta que hoy emplean más de 200.000 empleados. Por su parte, Mastercard ha desarrollado LTM, un modelo fundacional que se nutre de datos anonimizados de transacciones. Sin embargo, el anuncio de Revolut plantea una tesis mucho más radical: las entidades que opten por alquilar su capacidad intelectual a proveedores externos estarán condenadas a un papel secundario en un plazo de cinco años.
PRAGMA no es un simple chatbot o un asistente conversacional. No se dedica a generar texto. Se trata de un modelo entrenado para comprender y anticipar el comportamiento financiero de los usuarios. Ha sido alimentado con 24.000 millones de eventos transaccionales provenientes de 26 millones de clientes en 111 países, lo que equivale a 207.000 millones de 'tokens' de información.
Eficiencia superior frente a los sistemas tradicionales
Los bancos convencionales han construido infraestructuras separadas para gestionar el fraude, el riesgo crediticio y las recomendaciones de productos. PRAGMA, en cambio, unifica todas estas funciones en un solo sistema. Según un estudio publicado en arXiv en abril de 2026 por Revolut Research e ingenieros de NVIDIA, la principal dificultad radica en que los datos bancarios no se comportan como el texto convencional. Para superar este obstáculo, PRAGMA emplea un esquema de 'clave-valor-tiempo' que preserva la magnitud y el orden de las cifras, elementos cruciales para el razonamiento financiero.
Los resultados de las pruebas iniciales son contundentes. En comparación con la infraestructura previa, PRAGMA ha demostrado una precisión 2,3 veces mayor en la identificación del riesgo de impago crediticio. Además, ha logrado detectar un 65% más de fraudes, con un 17% de mejora en la exactitud de las alertas, y ha incrementado en un 41% la relevancia de las recomendaciones de productos. Estas cifras, validadas en la conferencia ICML celebrada en Seúl, provienen de despliegues tempranos sobre datos históricos.
La estrategia de otros actores: Nubank y el camino alternativo
A miles de kilómetros de Londres, en São Paulo, el banco digital Nubank tomó una decisión similar dos años antes. En julio de 2024, adquirió Hyperplane, una startup especializada en la construcción de modelos fundacionales para el comportamiento financiero. Su modelo, nuFormer, es un Transformer del tipo GPT, entrenado con más de 100.000 millones de transacciones de sus clientes. Los resultados reportados en la presentación del segundo trimestre de 2026 reflejan una reducción del 9% en el costo del crédito intertrimestral y la capacidad de otorgar financiamiento a clientes que antes estaban excluidos.
Lo relevante no es que ambas entidades hayan llegado a la misma solución, sino cómo lo hicieron. Nubank compró su capacidad; Revolut la construyó desde cero. Sin embargo, ambas coinciden en un punto fundamental: un modelo fundacional propio, alimentado con datos propios, se ha convertido en el centro de su estrategia de negocio.
El verdadero foso competitivo: los datos
El principal activo de Revolut no es su tecnología, sino la escala de su información. Ningún competidor puede replicar 24.000 millones de eventos bancarios, 26 millones de usuarios en 111 países ni mil millones de transacciones mensuales. La arquitectura de PRAGMA, en cambio, sí es replicable. Cualquier banco tradicional puede contratar a los mejores ingenieros para clonarla y modernizar los sistemas heredados que operan desde hace décadas. Pero adoptar la arquitectura no lo es todo. Como señala Pavel Nesterov, jefe de IA de Revolut, 'para liderar el futuro de la banca inteligente, no puedes depender de planos de terceros'. El código sin datos es un cascarón vacío. Cuanto más crece la base de datos de la compañía, más inteligente se vuelve PRAGMA, lo que se traduce en mejores servicios, más clientes y, en consecuencia, un volumen aún mayor de información. Es un círculo virtuoso que se alimenta a sí mismo. Los bancos que alquilan modelos genéricos de terceros no tienen acceso a este bucle y están condenados a correr por detrás.
Privacidad y riesgos: el lado oscuro de la IA bancaria
Las entidades financieras aseguran que los datos están anonimizados, que cumplen con el marco europeo de protección de datos y que la seguridad es prioritaria. Pero la realidad es más compleja. La anonimización no es irreversible. Los modelos son cajas negras que pueden perpetuar sesgos. Y la concentración de datos en pocos bancos plantea preguntas sobre el poder y el control. El propio paper de PRAGMA reconoce que 'los despliegues prácticos deben operar bajo estrictas restricciones de privacidad y regulatorias, que limitan lo que se puede reportar y qué características pueden usarse para ciertas decisiones'.
La brecha que se abre en el sector bancario
No es una predicción. Es una descripción del presente que ya está ocurriendo. Mastercard opera con LTM, un modelo fundacional alimentado por miles de millones de transacciones, mientras que PayPal ha optimizado sus propios modelos para su asistente de compras, reduciendo en un 49% los tiempos de respuesta y un 45% los costos. Entidades como Starling Bank y Bunq avanzan en la misma dirección. La banca se está partiendo en dos. Entre los que construyen su propia inteligencia y los que la alquilan. Pero entrenar modelos propios exige inversiones millonarias, talento escaso y una auditoría rigurosa de sesgos y explicabilidad, especialmente bajo el AI Act europeo. No todos los bancos podrán permitírselo. Y el rendimiento en pruebas internas no siempre se sostiene en producción. Dentro de cinco años, los clientes no elegirán su entidad por la marca ni por la red de cajeros, sino por la precisión invencible de un sistema que realmente comprende su comportamiento. Quienes se nieguen a invertir en su propia inteligencia descubrirán, demasiado tarde, que el mercado los volvió prescindibles.