Santander escala su IA con Maisa, la startup de Valencia

Qué está haciendo Santander con la IA de Maisa

Banco Santander ya tiene cientos de casos de uso de automatización con IA en producción en sus principales mercados de Europa y América, y una parte de esa infraestructura corre sobre la plataforma de Maisa, la startup española fundada en 2024. El banco no está sumando una herramienta más a su stack: está cambiando la lógica de su automatización, de tareas sueltas a procesos completos que combinan razonamiento y ejecución.

La iniciativa se enmarca en One Transformation, el modelo global con el que la entidad presidida por Ana Botín busca simplificar y estandarizar operaciones, compartir tecnología entre países y aprovechar su escala internacional. La IA es una de las palancas centrales de ese plan, con un objetivo declarado de generar más de 1.000 millones de euros de valor de negocio hasta 2028.

Para un founder, el detalle interesante no es el monto. Es el criterio: el banco dice explícitamente que no busca automatizar de forma indiscriminada, sino identificar en qué tareas la IA simplifica operaciones, mejora la ejecución y libera tiempo para actividades de mayor valor.

¿Por qué la trazabilidad es el verdadero cuello de botella?

El diferencial de Maisa es que registra cada ejecución: qué información se utilizó, qué pasos se siguieron y qué razonamiento condujo al resultado. Esa trazabilidad permite auditar y reproducir los procesos, algo que en banca no es un lujo sino un requisito de supervisión.

El problema que resuelve es concreto. Según el informe Emerging Tech: AI Vendor Race: Startups to Watch in Agentic AI de Gartner, hasta el 95% de los pilotos de IA no logran generar un retorno significativo sin la gobernanza y la trazabilidad adecuadas. Es decir: la mayoría de los proyectos de IA en empresas no mueren por falta de capacidad del modelo, sino porque nadie puede explicar qué hizo ni demostrar que funciona igual dos veces.

La plataforma de Maisa se apoya en dos piezas: su Knowledge Processing Unit (KPU) y una arquitectura de trazabilidad llamada Chain of Work. Con eso despliega trabajadores digitales, es decir agentes de IA, capaces de ejecutar procesos de negocio de extremo a extremo con acciones verificables paso a paso y alineadas con requisitos de cumplimiento normativo. La compañía también apunta a reducir las alucinaciones, esos errores en los que el sistema genera información incorrecta o inventada.

De casos de uso a capacidades reutilizables

La parte más replicable de la estrategia de Santander es cómo escala. En lugar de construir una solución distinta para cada necesidad, el banco entrena modelos especializados en procesos concretos, los despliega sobre su propia infraestructura y después reutiliza esas capacidades en otras operaciones y mercados.

Eso tiene tres consecuencias prácticas:

• Control: los modelos corren sobre la infraestructura del banco, no en un entorno de terceros.
• Eficiencia en costes: no se paga por reconstruir lo mismo en cada país.
• Velocidad: un aprendizaje validado en un mercado se traslada a otro sin empezar de cero.

El modelo también contempla que los propios equipos del banco creen automatizaciones dentro de un marco común de tecnología y gobierno. Quien conoce el proceso de primera mano es quien mejor detecta dónde la IA aporta de verdad.

¿Quién es Maisa, la startup española detrás de la operación?

Maisa es una compañía valenciana fundada en 2024 por David Villalón, su CEO, y Manu Romero. Su foco son los sectores regulados: banca, servicios financieros, seguros, energía y manufactura.

Su respaldo más visible llegó con la inclusión en el informe de Gartner sobre startups de IA agéntica, que evaluó 129 startups internacionales y destacó a cuatro compañías globales bajo la etiqueta Set Diamonds. Maisa fue la única española en ese grupo, seleccionada por su tracción, su tecnología diferencial y su capacidad de generar valor en entornos empresariales reales.

En agosto de 2025 cerró una ronda seed de US$25 millones liderada por la firma europea de venture capital Creandum, con participación de Forgepoint Capital International, NFX y Village Global. La compañía afirma haber multiplicado por cinco su número de clientes en el último año y ya sostiene despliegues en Europa y Estados Unidos.

El contexto: Santander no apuesta a un solo proveedor

La alianza con Maisa no es la única jugada de IA del banco. Santander amplió su colaboración con NVIDIA mediante un marco de tres años, y en un caso experimental de atención al cliente logró reducir más de un 50% los costes operativos. Según reportó Noticias Bancarias, en algunos casos el coste de procesamiento de una interacción bajó de aproximadamente cinco euros a 0,03 euros, al sustituir modelos generales por modelos más pequeños y especializados en tareas bancarias.

El banco también desarrolló Model Arena, una plataforma para diseñar, simular, evaluar y supervisar agentes bancarios antes de desplegarlos en el conjunto del grupo. Y en el primer semestre de 2026 reportó que sus iniciativas de IA generaron 84 millones de euros de valor de negocio, combinando mayores ingresos, reducción de costes y menores provisiones.

En paralelo, la entidad trabaja con NVIDIA en una arquitectura de seguridad para agentes de IA, un proyecto al que se sumaron compañías de ciberseguridad como Microsoft, Okta y Check Point, según recogió Economía Digital.

¿Qué significa esto para tu startup?

Aunque no tengas el presupuesto de un banco global, el caso deja tres lecciones aplicables.

1. La trazabilidad no es un problema de enterprise, es un problema de producto. Si tu agente de IA toma decisiones sobre clientes, pedidos o dinero, necesitas poder reconstruir qué pasó. Antes de escalar, define qué registra tu sistema en cada ejecución: entrada, pasos intermedios, resultado y versión del modelo. Sin eso, el primer incidente te deja sin respuesta ante el cliente.

2. Piensa en capacidades, no en casos de uso. La diferencia entre automatizar veinte tareas sueltas y construir una capacidad reutilizable es la diferencia entre gastar veinte veces y gastar una. Cuando resuelvas un proceso, pregúntate si el mismo componente sirve para otro equipo, otro producto u otro país.

3. Mide el valor en dinero, no en horas ahorradas. Santander traduce su IA a euros de valor de negocio y lo reporta por semestre. Esa disciplina es la que sostiene el presupuesto cuando llega el momento de recortar. Define hoy cómo vas a demostrar el retorno.

Y un dato de mercado que conviene tener a mano: en la encuesta de primavera de 2025 de MIT Sloan Management Review y Boston Consulting Group, el 35% de los encuestados ya había adoptado agentes de IA y otro 44% planeaba desplegarlos en el corto plazo. La misma investigación de MIT Sloan señala que en un despliegue real de IA agéntica cerca del 80% del trabajo se consume en tareas poco glamorosas: ingeniería de datos, alineación con stakeholders, gobernanza e integración de flujos de trabajo. Presupuesta ese 80% antes de prometer resultados.

Conclusión

El movimiento de Santander con Maisa no es una anécdota de innovación corporativa: es una señal de hacia dónde se mueve el mercado de la IA empresarial. Los agentes que ganan terreno no son los más autónomos, sino los que pueden explicar lo que hacen. Para una startup, eso redefine la ventaja competitiva: la capacidad de auditar y reproducir resultados pesa más que la potencia bruta del modelo. Si tu producto de IA no puede contar qué hizo y por qué, todavía no está listo para producción.

Fuentes

• Banco Santander escala la automatización con IA junto a la española Maisa (fuente original)
• Maisa, entre las cuatro compañías globales mencionadas por Gartner en un informe sobre el futuro de la IA empresarial
• Banco Santander se alía con Maisa para acelerar la automatización con inteligencia artificial
• Santander amplía su alianza con NVIDIA para reducir costes mediante inteligencia artificial
• Agentic AI, explained