4 min de lectura

IA agéntica en servicios financieros: Duco procesa 20.000 millones de transacciones al mes con agentes y aísla los datos de cada banco

IA agéntica en servicios financieros: Duco procesa 20.000 millones de transacciones al mes con Amazon Bedrock AgentCore y aísla los datos de cada banco.

Ilustración abstracta de agentes de IA que concilian flujos de datos financieros en celdas aisladas de cristal con luz cian y dorada

Procesar 20.000 millones de transacciones al mes para más de 200 clientes, entre ellos 7 de los 20 mayores bancos del mundo, exige algo más que buenos modelos de predicción. Exige agentes que razonen, y que lo hagan sin que los datos de un banco toquen jamás los de otro. Ese es el reto que Duco, plataforma de operaciones de datos para servicios financieros, resolvió al migrar a la IA agéntica en servicios financieros con Amazon Bedrock y Amazon Bedrock AgentCore, según detalla el blog de machine learning de AWS.

Hasta ahora Duco usaba machine learning clásico para etiquetado predictivo y reconocimiento de patrones. Con él ayudó a sus clientes a automatizar más de 20.000 procesos. Pero ese enfoque se topó con un techo: necesitaba mucho histórico para entrenarse, fallaba ante escenarios nuevos y requería personalización para cada caso de uso. «Los modelos clásicos funcionaron hasta cierto punto, pero no eran lo bastante ágiles», explica Rob Gates, arquitecto jefe y responsable de innovación de Duco. «Solo pueden amplificar lo que ya han aprendido; no ayudan con el siguiente paso ni detectan problemas nuevos». La compañía reconstruyó entonces su stack de agentes sobre servicios gestionados. El resultado, según AWS, es un menor tiempo de despliegue y menores costos de incorporación de clientes. El texto disponible no publica cifras concretas de ahorro, un detalle que conviene tener presente al evaluar el caso.

Arquitectura multi-tenant: el aislamiento como requisito de diseño

Lo más interesante del caso no es el modelo, sino la arquitectura multi-tenant que lo rodea. Duco opera como SaaS, pero con un aislamiento que describe como innegociable:

  • Infraestructura: clústeres de Amazon EKS con un namespace por cliente y segmentación de red. Cada cliente tiene su propia base Aurora MySQL, bucket S3, claves KMS, colas SQS, capa de caché y user pool de Cognito. No hay infraestructura de datos compartida.
  • Identidad: cada solicitud lleva un token JWT emitido por el Cognito del cliente y validado por Amazon Bedrock AgentCore antes de ejecutar la lógica del agente.
  • Herramientas: los agentes solo acceden a ellas mediante un Gateway dedicado por cliente, que conecta con servicios MCP en contenedores. Cada servidor valida tanto la identidad del agente como la del usuario, de modo que cada acción se autoriza como el usuario que la solicita.
  • Red: el tráfico hacia Bedrock y AgentCore viaja por endpoints privados dentro de la red de AWS. Cada runtime opera en modo VPC.
  • Agentes: un runtime y un Gateway por cliente, sin memoria ni contexto compartidos.
  • La decisión técnica también fue pragmática. Duco ya tenía agentes en producción con LangChain y LangGraph, y AgentCore era compatible con ese código, así que la mayor parte siguió funcionando sin cambios. Además, Bedrock le permite cambiar de modelo (Nova 2, Anthropic, OpenAI, Cohere, Meta o Mistral) modificando un parámetro de configuración.

    Qué puedes aplicar en tu empresa si operas en un sector regulado

    El caso deja lecciones útiles más allá de la banca:

    1. Diseña el aislamiento antes que el agente. Si tus clientes son bancos, aseguradoras o farmacéuticas, la separación de datos no es una función opcional. Decide si será por cliente, por unidad de negocio o por jurisdicción antes de escribir la primera línea de lógica. Otro caso comparable es el de Octave, que montó una base multi-tenant segura en Amazon Bedrock para 2.000 millones de documentos.
    2. Reutiliza lo que ya funciona. Duco no reescribió sus agentes: eligió un runtime compatible con LangChain y LangGraph. Antes de comprometerte con una plataforma, comprueba cuánto de tu código actual sobrevive a la migración.
    3. Propaga la identidad del usuario, no solo la del agente. Que cada herramienta valide quién pide la acción evita que un agente se convierta en una puerta trasera. La misma idea de control centralizado aparece en la gobernanza de miles de herramientas con un gateway MCP en Uber.
    4. No tires el ML clásico por reflejo. Duco usó modelos tradicionales durante años y los complementó con agentes cuando chocó con sus límites. Migra cuando puedas señalar el problema concreto: formatos cambiantes, reglas de negocio que evolucionan, casos sin histórico.
    5. Evita la dependencia de un solo modelo. Poder cambiar de modelo por configuración reduce el riesgo si el costo o el rendimiento varían.

    Cuándo tiene sentido dar el salto

    El momento adecuado llega cuando tu operación depende de datos heterogéneos y el costo de personalizar cada integración crece más rápido que tu base de clientes. Es el patrón que describe Duco. En banca, el movimiento no es aislado: Capital One redujo 85% los errores de auditoría con IA, lo que muestra que la presión por automatizar con control es sectorial.

    La pregunta para tu comité de tecnología no es si los agentes llegarán a tus operaciones, sino si tu arquitectura de seguridad está lista para recibirlos. Si trabajas con datos sensibles, empieza por ahí: la IA agéntica en servicios financieros solo escala cuando el aislamiento está resuelto desde el primer día. ¿Está tu empresa en ese punto?

    Preguntas frecuentes

    ¿Qué es Duco y qué hace con IA agéntica?

    Duco es una plataforma de operaciones de datos para servicios financieros. Procesa 20.000 millones de transacciones al mes para más de 200 clientes, incluidos 7 de los 20 mayores bancos. Pasó del machine learning clásico a agentes de IA con Amazon Bedrock y AgentCore para adaptarse a formatos de datos y reglas de negocio cambiantes.

    ¿Cómo garantiza Duco que los datos de cada banco permanezcan aislados?

    Combina aislamiento de infraestructura e identidad. Cada cliente tiene su propia base de datos, bucket, claves de cifrado y user pool, además de un runtime y un Gateway de AgentCore dedicados. Cada solicitud usa un token JWT y las herramientas validan tanto al agente como al usuario, lo que impide compartir memoria o contexto.

    ¿Qué resultados obtuvo Duco con Amazon Bedrock AgentCore?

    Según AWS, Duco redujo el tiempo de despliegue y los costos de incorporación de clientes, manteniendo aislados los datos de cada banco. También conservó la mayor parte de su código de LangChain y LangGraph. El texto disponible no ofrece cifras concretas de ahorro, por lo que conviene medir el retorno en tu propio contexto.