Sabadell llevará agentes de IA a producción en 2027

Banco Sabadell y T-Systems: agentes de IA en producción desde 2027

Banco Sabadell arrancará el despliegue masivo de agentes de inteligencia artificial en el primer semestre de 2027, tras cerrar un acuerdo con T-Systems para implantar una plataforma específica de IA agéntica. El banco quiere que esos agentes operen con los mismos requisitos de resiliencia, seguridad y control que el resto de sus sistemas críticos, según explica Rüdiger Schmidt, director de Tecnología de la entidad.

Para un founder que está evaluando llevar agentes a producción, la noticia no es que un banco use IA. Es que un banco regulado haya decidido que un agente autónomo puede tocar procesos críticos, y que para hacerlo haya construido primero una capa de gobierno. Ese orden —gobernanza antes que despliegue— es la parte que conviene copiar.

¿Qué ha firmado exactamente Banco Sabadell con T-Systems?

El acuerdo no es la compra de un modelo. Es la implantación de una plataforma que permite gobernar agentes desarrollados con distintas tecnologías y modelos, integrarlos con los sistemas del banco y supervisar su funcionamiento. Luis Cedó, responsable de banca de T-Systems, resume el objetivo: pasar "de las pruebas piloto a agentes ejecutándose en los procesos reales de negocio".

La plataforma de IA agéntica de T-Systems, presentada según El Confidencial en julio de 2026, funciona como una capa de orquestación y enrutamiento de modelos. Entre sus componentes figuran Agent Studio (construcción y despliegue de agentes), Agent Admin (políticas de seguridad, guardarraíles, auditoría y control de costes) y Agent Portal (puesta a disposición de los usuarios y gestión de aprobaciones). Es compatible con entornos como LangGraph, CrewAI, AutoGen o n8n, y con protocolos abiertos como MCP y A2A.

Ese detalle importa más de lo que parece: significa que el banco no queda atado al framework con el que cada equipo construyó su agente. La capa de gobierno es la que manda.

¿Dónde van a operar los agentes?

El banco prevé usar esta tecnología en tres grandes áreas:

• Relación con clientes. Asistentes virtuales que empiezan por texto y más adelante incorporan voz.
• Gestores aumentados. Agentes que aportan información y contexto en tiempo real al banquero durante la conversación con el cliente, en lugar de sustituirlo.
• Procesos internos. Automatización de tareas operativas y de determinadas funciones de análisis y gestión de riesgos.

Schmidt describe la naturaleza híbrida de estos sistemas con una frase que vale para cualquier vertical: "Los agentes son algo intermedio. No son un programa informático clásico, pero tampoco son una persona". De ahí salen los retos que enumera: cómo se autentifican, qué permisos tienen para acceder a datos y aplicaciones, y cómo se monitoriza su comportamiento cuando operan de forma autónoma. "No se pueden dejar correr sin protección", remarca.

Entre las medidas concretas que menciona están los sistemas de desconexión de emergencia y la validación humana para decisiones críticas. Es el mismo patrón human-in-the-loop que la plataforma de T-Systems incorpora como paso de aprobación obligatorio en determinadas acciones.

La independencia de proveedor, la decisión de fondo

El punto más estratégico del acuerdo es el que Schmidt subraya: "Con esta plataforma no nos casamos con ningún proveedor de modelos en la frontera de la inteligencia artificial, ni con sus plataformas propias de agentes".

Hoy el banco usa principalmente OpenAI, pero evalúa alternativas como Google. El objetivo es combinar modelos según la tarea, incluidos sistemas de pesos abiertos adaptados a sus necesidades. Según Schmidt, esos modelos abiertos encajan cuando se trabaja con datos especialmente sensibles, se busca reducir la latencia o se quiere contener el coste asociado al consumo de tókenes. El banco estudia personalizar este tipo de sistemas para tener modelos propios ejecutándose en sus centros de datos o en nubes de IA europeas como la de T-Systems en Alemania.

Esa arquitectura multi-modelo no es capricho técnico. Es lo que permite cumplir con DORA, la regulación europea que exige planes de salida y capacidad de resiliencia en procesos bancarios críticos. Si todo tu flujo depende de un solo proveedor de modelos, no tienes plan de salida: tienes un punto único de fallo con factura mensual.

T-Systems refuerza esa parte con infraestructura propia en Europa. La compañía dispone de nubes soberanas especializadas en IA, como Industrial AI Cloud, desarrollada junto a Nvidia, y su plataforma puede enrutar modelos alojados en Alemania sobre T Cloud.

El antecedente: Sabadell ya movió un pago con un agente

Este despliegue no llega en frío. Banco Sabadell completó su primer pago agéntico real de extremo a extremo, ejecutado por un agente de IA a través de Mastercard Agent Pay, según recogieron Bolsamanía y El Plural. La operación se hizo con una tarjeta del banco dentro de la plataforma Priceless de Mastercard, con orquestación de PayOS, y validó mecanismos de tokenización, passkeys y autenticación biométrica.

En ese proyecto participó Sabadell Digital, la compañía tecnológica del grupo, que según los datos facilitados por la entidad cuenta con más de 1.000 profesionales y gestiona más de 1.200 proyectos al año. Juan Manuel Tabero, director de Pagos en Operaciones y Tecnología del banco, señaló entonces que a medida que estas operaciones ganan autonomía resulta esencial contar con mecanismos sólidos de protección, autorización del cliente y transparencia.

La secuencia es clara: primero un caso acotado y verificable (un pago), después una plataforma de gobierno, y solo entonces el despliegue a escala. Es el camino inverso al que suele tomar una startup, que lanza el agente y luego improvisa los controles.

¿Por qué el contexto importa más que el caso aislado?

El movimiento de Sabadell se apoya en una tendencia que ya tiene números. Un informe de BCC Research difundido por GlobeNewswire señala que las aplicaciones de IA agéntica pueden consumir entre 100 y 1.000 veces más tókenes por petición que una interacción convencional de chatbot, lo que altera la economía de la infraestructura. El mismo informe apunta que la integración de IA en servicios financieros se está acelerando y que Tata Consultancy Services reportó ingresos anualizados vinculados a IA superiores a 2.300 millones de dólares en el primer trimestre de 2026.

Traducido a una startup: el coste por tarea de un agente no se parece al de un chat. Si tu modelo de negocio asume precios de inferencia de chatbot y despliegas agentes que razonan en varios pasos, el margen se te cae antes de que llegue el primer cliente grande.

¿Qué significa esto para tu startup?

Aunque no vendas a bancos, el caso Sabadell deja tres lecciones aplicables esta misma semana.

1. Define el perímetro del agente antes de programarlo. Antes de escribir una línea, responde por escrito: cómo se autentifica el agente, a qué datos y aplicaciones puede acceder, qué acciones requieren aprobación humana y cómo se apaga si algo sale mal. El banco lo hizo con desconexión de emergencia y validación humana en decisiones críticas. Tú puedes hacerlo con una tabla de permisos y un kill switch documentado.

2. Diseña tu arquitectura para poder cambiar de modelo. No acoples tu producto a un único proveedor. Usa una capa de abstracción —una API interna que normalice las llamadas— y prueba al menos dos modelos en paralelo para tus tareas principales. Es lo que le permite al banco combinar OpenAI, Google y modelos abiertos según el caso, y lo que a ti te evita reescribir todo cuando cambien los precios o aparezca un modelo mejor.

3. Mide el coste por tarea completada, no por llamada. Con agentes que consumen cientos de veces más tókenes que un chat, el control de gasto deja de ser un detalle de finanzas. Instrumenta desde el día uno cuánto cuesta cada flujo resuelto de punta a punta y pon límites de consumo por equipo, como hace la capa FinOps de la plataforma de T-Systems.

4. Empieza por un caso acotado y verificable. Sabadell validó primero un pago concreto antes de hablar de despliegue masivo. Elige un flujo con resultado binario —funcionó o no funcionó— y úsalo para demostrar que tus controles aguantan antes de escalar.

Conclusión

El acuerdo entre Banco Sabadell y T-Systems marca un cambio de fase: la IA agéntica deja de ser un experimento de laboratorio y entra en el calendario de producción de una entidad regulada, con fecha en el primer semestre de 2027. Lo relevante no es la tecnología elegida, sino el orden en que se adoptó: gobierno, permisos, auditoría y plan de salida primero; despliegue después. Para cualquier founder que esté pensando en poner agentes delante de clientes reales, ese orden es la parte del caso que conviene replicar, con o sin presupuesto de banco.

Fuentes

• Expansión: Sabadell prepara el salto a los agentes de IA con un despliegue masivo en 2027 (fuente original)
• El Confidencial: T-Systems presenta una plataforma soberana para desplegar y gobernar agentes de IA a escala empresarial
• Bolsamanía: Banco Sabadell completa su primer pago real con Agent Pay de Mastercard
• El Plural: Banco Sabadell completa su primer pago real con inteligencia artificial a través de Mastercard
• GlobeNewswire / Yahoo Finance: AI Disruption Reshapes Global Investment Landscape