Richard Harmonvicepresidente y director global de servicios financieros en Red Hat, estuvo en Buenos Aires. Con 25 años en mercados de capitales —pasó por Citi, JP Morgan, BlackRock y la Reserva Federal de Nueva York— llega con doble credencial: conoce la cocina financiera y hoy guía desde el software abierto cómo esa industria se reprograma en un entorno que exige velocidad y transparencia.
Su diagnóstico es directo: la IA ya no es una sectorial sino una capa operativa que empieza a atravesar desde el trading hasta la gestión de riesgosy el código abierto funciona como el acelerador menos visible pero más decisivo de ese cambio.
En el corazón de esta transformación está la IA basada en agenteses decir, sistemas que pueden actuar de manera autónoma. Estas extensiones inteligentes consultan datos, utilizan distintas herramientas, hacen tareas que antes eran manuales y mejoran la precisión de las decisiones relacionadas con el riesgo.
En finanzas, distintos actores crean y ajustan fórmulas de valoración hasta obtener respuestas al instante y decidir qué vale la pena escalar. Esa lógica sostiene Simudyne Pulse, un sandbox que permite probar modelos de negocio y simular el mercado en milisegundos, ofreciendo un entorno controlado para ensayar estrategias sin arriesgar capital real.
“Un grupo decidió hacerlo con agentes de IA y llegó a una fórmula de precio comparable a la de matemáticos que trabajaron una década, pero en horas”, cuenta Harmon. La velocidad, dice, permite simular escenarios de mercado con una profundidad imposible para equipos humanos.
A la vez, la incorporación de clientes corporativos, que antes insumía entre 5 y 10 días por validaciones manuales, puede comprimirse en pocas horas cuando flujos, documentos y verificaciones pasan a manos de agentes bien orquestados.
“Conozco una empresa que tardaba hasta diez días en integrar clientes corporativos; con automatización ahora lo logra en dos o tres horas”, ejemplifica. Aunque aclara que esa velocidad solo es sostenible si la organización entiende quién controla a los agentes y cómo se auditan sus decisiones.
Nuevos riesgos financieros
El punto lo lleva directo a la gobernanza. Las instituciones financieras enfrentan riesgos nuevos, no solo en sistemas centrales sino en aplicaciones adyacentes donde operan agentes casi invisibles. Sin una definición rigurosa de responsabilidades, límites de actuación y registros, la automatización puede amplificar errores en vez de mitigarlos.
“Antes de construir algo con IA es importante pensar en el resultado final y diseñar con transparencia, confianza y ética”, advierte Harmon. A su juicio, la robustez de un sistema de IA no se decide en el laboratorio, sino en la claridad de los controles que lo rodean.
En ese marco emerge la Ley de IA de la Unión Europea, que clasifica los sistemas según su nivel de riesgo, prohíbe prácticas consideradas inaceptables y exige obligaciones adicionales para usos de alto impacto, como la evaluación crediticia o la gestión de infraestructuras críticas.
“La ley de IA de la Unión Europea ofrece lineamientos claros sobre qué se puede y qué no se puede hacer”, señala. Considere que logró un equilibrio razonable entre innovación y seguridad y que, aunque complejo, fija un estándar que otras regiones terminarán mirando de cerca.
La apertura a novedosas soluciones está acelerando la modernización financiera en la región, especialmente en bancos y fintech. Esa actitud experimental marca el punto de partida para abordar los nuevos desafíos.
“El grado de innovación en América Latina es realmente impresionante”, sostiene Harmon y subraya que “las conversaciones con bancos y fintech locales muestran una disposición inusual a probar tecnologías abiertas y modelos basados en datos”.
Hardware y software obsoletos
Richard Harmon, vicepresidente y director global de servicios financieros en Red HatSu diagnóstico parte de una realidad incómoda: los sistemas heredados —hardware y software obsoletos que aún sostienen operaciones críticas— Mantenga el negocio, pero drenan recursos.. Esa dependencia obliga a priorizar la continuidad sobre el cambio y deja a las entidades atadas a plataformas rígidas, difíciles de adaptar a las demandas digitales cada vez más veloces.
En muchos bancos, entre 50% y 75% del presupuesto de TI se destina a sostener esas plataformas históricas; en casos extremos rosa 80%. El gasto garantiza estabilidad, pero reduce el margen para modernizar, automatizar procesos o desplegar agentes de IA en áreas como pagos, préstamos o trading, de forma sostenida. La innovación queda confinada a pilotos pequeños.
“Los mercados de capitales conllevan riesgo y deben predecir precios en distintos escenarios, además de volatilidad y sensibilidad. Durante años esa tarea recayó en matemáticos y físicos que modelaron el futuro con datos históricos. Hoy la presión es hacerlo en tiempo real, con simulaciones masivas que permiten gestionar riesgo bajo alta incertidumbre”, sintetiza Harmon.
La conversación sobre regulación se cruza con otra obsesión de Harmon: la calidad de los datos. Recuerda un banco británico que ató bonificaciones de sus líderes a métricas de datos confiables y, en un año, revirtió fallas crónicas. También cita al Banco de Pagos Internacionales, que usamos IA para normalizar reportes climáticos.
“Dediqué buena parte de mi carrera a la gestión de riesgos desde la econometría; al menos, solía llamarse econometría, ahora muchos lo llaman data science”, ironiza. Esa transición, sostiene, refleja cómo la industria rebautiza técnicas antiguas mientras intenta adaptarlas a volúmenes y velocidades de datos inéditos.
En Red Hat, la respuesta tomó forma en programas de modernización que Harmon describe como una ruta de vuelo para los core bancarios.
“El valor del código abierto está en la colaboración”, afirma. Recuerda el caso de Linux como estándar forjado durante décadas por comunidades globales y sostiene que la misma lógica ya impulsa marcos abiertos para agentes, simulación y regulación algorítmica en servicios financieros.
