Por Veronica Sanchez Medero, Global Chief of Capital Markets en Hiberus
Durante décadas, la velocidad del sistema financiero global ha estado condicionado por el ritmo del factor humano. Los mercados cotizan en milisegundos, pero la gestión de la liquidez corporativa, la colateralización y la liquidación transfronteriza han seguido operando bajo esquemas diferidos (batch), donde la tesorería de un banco evalúa sus posiciones al cierre del día.
En 2026, estamos presenciando el nacimiento de una arquitectura financiera nueva: las Finanzas Machine-to-Machine (M2M) y la gestión autónoma de liquidez en tiempo real. Ya no estamos ante agentes de IA que automatizan tareas administrativas de back-office, sino ante agentes económicos dotados de autonomía transaccional capaces de actuar como actores financieros en los mercados de capitales.
- De la Inteligencia Asistencial al Agente Económico Autónomo
Para comprender el alcance real de esta transformación, es necesario analizar el salto evolutivo en la arquitectura de los sistemas financieros. Durante los últimos años, la IA en las finanzas ha operado bajo un modelo asistencial y de consulta: el sistema recibía un mandato humano (prompt), analizaba datos históricos y entregaba una sugerencia o borrador para que un analista o tesorero tomara la decisión final y ejecutara manualmente la orden en el ERP o terminal bursátil.
En 2026, la convergencia de tres tecnologías maduras ha roto este cuello de botella, dando origen al Agente Económico Autónomo:
Un Agente Económico Autónomo es una entidad de software dotada de autonomía de decisión, presupuesto asignado y capacidad legal delegada para firmar digitalmente y ejecutar transacciones de capital en entornos de mercado sin intermediación humana (Human-out-of-the-Loop dentro de límites prefijados).
Los cuatro pilares técnicos y operativos de la autonomía financiera:
- Razonamiento Contextual y Memoria de Mercado: a diferencia de un bot tradicional basado en reglas fijas (if-this-then-that), el agente económico utiliza modelos de razonamiento avanzado entrenados con la curva de tipos, la volatilidad implícita del mercado cambiario (FX) y el histórico de flujos de la compañía. Es capaz de interpretar un evento macroeconómico inesperado y reajustar de forma autónoma su estrategia de liquidez.
- Firma Criptográfica e Identidad Soberana (SSI): para que un algoritmo pueda actuar como contraparte en una transacción financiera de millones de euros, debe contar con una Identidad Digital Soberana (SSI) reconocida legalmente bajo marcos como el DAS2 en la UE. El agente firma digitalmente cada contrato o transferencia utilizando claves criptográficas guardadas en módulos de seguridad HSM (Hardware Security Modules).
- Ejecución Inteligente sobre Smart Contracts: el agente no solo decide «qué hacer», sino que interactúa directamente con la infraestructura del mercado. Al estar conectado a redes DLT o APIs bancarias abiertas, el agente envía instrucciones a Smart Contracts que verifican automáticamente las condiciones de liquidez y riesgo, ejecutando la operación sin riesgo de liquidación.
- Presupuesto Dinámico y Parametrización de Riesgo: los comités de tesorería y riesgo asignan al agente un marco de actuación (risk sandbox) que incluye límites de exposición por operación, umbrales de Stop-Loss, límites de Valor en Riesgo (VaR) y un listado cerrado de contrapartes y emisores autorizados.
Los tres escenarios operativos de la autonomía en acción
- Tesorería Corporativa Autónoma (Corp-to-Corp)
Los sistemas de tesorería han dejado de ser meros paneles de visualización de saldos. Un agente de IA agéntica monitoriza las necesidades de caja de decenas de filiales globales, por ejemplo, si detecta un exceso de liquidez en la filial de Singapur y un déficit temporal en la de Alemania durante la madrugada, ejecuta un préstamo intragrupo transfronterizo instantáneo, cubre el riesgo de tipo de cambio mediante un micro-swap y liquida la operación en segundos, maximizando el rendimiento del interés intradía.
- La Economía de Microtransacciones M2M (Machine-to-Machine)
En la economía física hiperconectada, los activos físicos se convierten en nodos financieros independientes. Un ejemplo real, si un servidor de supercomputación que necesita procesar una carga intensiva de entrenamiento de IA evalúa en tiempo real los costes de electricidad de diez parques solares conectados a la red. El agente del servidor negocia autónomamente con el agente de la planta fotovoltaica, cierra un contrato de suministro de energía por 45 minutos y realiza el pago fracción a fracción mediante depósitos tokenizados a medida que recibe los kilovatios.
- Gestión y Movilización Dinámica de Colateral (T+0)
En los mercados de renta fija y derivados OTC, el capital inmovilizado como garantía (margin calls) representa uno de los mayores costes de oportunidad para los bancos de inversión. Los agentes de colateral autónomos rastrean de forma ininterrumpida las carteras de activos de la entidad. Cuando el mercado exige aportaciones adicionales de garantía, el agente selecciona el activo menos eficiente en ese milisegundo (por ejemplo, un bono soberano a muy corto plazo) y lo transfiere automáticamente como colateral a la cámara de contrapartida central (CCP), liberando activos de mayor rendimiento sin retrasos operacionales.
- El Impacto en Cifras: Lo que dictan las Consultoras e Informes Globales
Los datos indican que las finanzas autónomas están reconfigurando la estructura del mercado de capitales:
- Optimización del Capital Circulante: según el informe Tokenization 2030 de Citi GPS, la adopción de liquidez intradía basada en agentes de IA y depósitos tokenizados permite a las instituciones financieras y grandes corporaciones reducir su liquidez atrapada (trapped capital) entre un 25% y un 40%, optimizando el balance y reduciendo las necesidades de endeudamiento a corto plazo.
- El Boom de los RWA (Real World Assets): un estudio de Boston Consulting Group (BCG) y Ripple proyecta que el volumen de activos del mundo real tokenizados (deuda soberana, bonos corporativos, bienes inmuebles) transaccionados de forma autónoma superará los 16B $ para 2030.
- Economía M2M: según Gartner señala que, para finales de 2026, más de 1.000M de nodos inteligentes y algoritmos corporativos contarán con capacidad operativa autónoma para gestionar pagos y contratos, marcando el inicio de la economía Machine-to-Machine.
- Casos de Uso Reales e Infraestructuras en Producción
Esta tendencia se encuentra desplegada en grandes multinacionales e infraestructuras financieras globales que ya operan con tesorería programable y liquidez agéntica en tiempo real:
- Siemens & J.P. Morgan, el proyecto SWIAT Network cuyo caso de uso e innovación M2M es la emisión, contratación y liquidación completamente autónoma de Papel Comercial tokenizado, cuyo resultado en impacto es la liquidación del Delivery versus Payment (DvP) en 93 segundos de principio a fin sin intervención humana.
- P. Morgan (Kinexys), el proyecto Programmable Payments / JPM Coin, cuyo caso de uso e innovación M2M son las reglas de pago programables ejecutadas por algoritmos cliente para transferencias transfronterizas 24/7. Cuyo resultado en impacto es que ha superado los 1,5B $ en volumen acumulado, procesando más de 2.000M $ diarios.
- Citi (CIDAP), el proyecto Citi Token Services for Trade & Cash, cuyo caso de uso e innovación M2M es la transferencia automática y programable de depósitos tokenizados para comercio e inversión intradía, cuyo resultado en impacto es la reducción del tiempo de procesamiento de transacciones transfronterizas de días a minutos.
- Plataformas de Tesorería (Ej. Kyriba TAI), el proyecto Agentic Treasury Management (TMS), cuyo caso de uso e innovación M2M son los agentes de IA entrenados con décadas de datos que toman decisiones presupuestarias y de liquidez bajo reglas de gobernanza. Cuyo resultado en impacto es la eliminación del desfase operacional en la previsión de caja (cash forecasting) con monitorización multibanco en tiempo real.
- La Redefinición de los Productos Bancarios Corporativos
El mayor impacto de esta tendencia radica en cómo obliga a los bancos tradicionales a rediseñar su portfolio de servicios. El producto bancario pasa de ser una cuenta o un crédito estático para convertirse en una API programable para algoritmos cliente:
- Crédito On-Demand e Instantáneo: Las líneas de crédito ya no se negocian trimestralmente. Un agente de IA corporativo solicita y liquida microcréditos de duración de minutos u horas para cubrir picos de tesorería intradía.
- Hedging (Cobertura de Riesgo) Algorítmico Continuo: La cobertura de tipo de cambio ya no se ejecuta mediante contratos forward mensuales fijos. Los agentes monitorean las desviaciones de divisas y ejecutan pequeñas coberturas dinámicas en el mercado de divisas (FX) a medida que entran los flujos de caja.
- Retos Estratégicos: Riesgo Algorítmico y Regulación MiCA/EU AI Act
Dar capacidad de decisión económica a sistemas autónomos introduce una nueva categoría de riesgos que los comités de dirección deben gestionar:
- Riesgo de Flash Crash Algorítmico: La interacción imprevista entre miles de agentes de liquidez operando en milisegundos puede generar picos de volatilidad repentinos si no se establecen mecanismos de parada de emergencia (circuit breakers).
- Marcos Reguladores y Trazabilidad: Bajo el marco europeo de MiCA (Mercados de Criptoactivos) y la regulación sobre Resiliencia Operativa Digital (DORA), cada transacción ejecutada por un agente M2M debe contar con una firma criptográfica inalterable que identifique la entidad legal responsable de la operación.
- Del Procesamiento Manual a la Arquitectura del Mercado Autónomo: Hacia Dónde se Dirige la Industria
La transición hacia las finanzas Machine-to-Machine constituye un reordenamiento en la física del mercado de capitales. La eficiencia en costes ya no es una ventaja competitiva sostenible, la verdadera brecha del mercado se dará entre las entidades que operan en diferido y aquellas que se conviertan en nodos activos del mercado autónomo.
A medida que avanzamos hacia el horizonte 2028-2030, la evolución del sector se estructurará sobre tres vector estratégicos e inevitables:
- La desaparición definitiva del concepto de «Horario de Mercado» y la liquidez continua
El mercado financiero global ha mantenido artificialmente esquemas de apertura y cierre heredados de la era analógica. La consolidación de la IA agéntica y los depósitos tokenizados fuerza la llegada de los mercados de capitales 24/7/365 en todas las clases de activos.
Esto significa que la gestión de riesgos y la colateralización ya no admiten pausas de fin de semana o cierres de sesión. Las instituciones que no dispongan de agentes de liquidez activos de forma ininterrumpida sufrirán penalizaciones de precio y costes de financiación sustancialmente mayores.
- El nacimiento de la Banca de Infraestructura como Servicio (BaaS) para Algoritmos
Los clientes del segmento corporativo e institucional ya no buscarán un banco por la calidad de su banca digital o la red de gestores humanos, sino por la latencia y robustez de sus APIs operativas. El producto bancario del futuro es un conector de alta velocidad. Los bancos que triunfen serán aquellos que proporcionen a los agentes de IA de sus clientes acceso directo a depósitos tokenizados, líneas de crédito sintéticas utilizables en milisegundos y un marco de gobernanza criptográfica con DORA y EU AI Act.
- La migración del rol directivo: De la gestión de procesos a la Orquestación de Arquitecturas
La IA M2M no destruye la función de supervisión, sino que la eleva a la máxima responsabilidad estratégica. La labor directiva pasa del seguimiento transaccional y la gestión de incidencias manuales a la definición de parámetros de riesgo, la ingeniería de gobernanza y la auditoría algorítmica. El valor del ejecutivo financiero residirá en su capacidad para diseñar las reglas del tablero donde operarán sus agentes autónomos.
En la era del mercado autónomo, la liquidez ya no es una reserva estática de capital en un balance, sino una variable dinámica que fluye a la velocidad del código. El liderazgo en la industria de servicios financieros ya no pertenece a la entidad con mayor volumen de datos almacenados, sino a la que sea capaz de dotar a sus algoritmos de la mayor inteligencia contextual para transaccionar en tiempo real.
