Goldman Sachs limita Claude Code a 12.000 ingenieros

¿Qué cambió en Goldman Sachs con Claude Code?

Claude Code es el agente de código de Anthropic: lee archivos, escribe programas y los ejecuta, normalmente con los mismos permisos de acceso que la persona que lo está usando. Desde una actualización de guía interna en octubre, ese acceso quedó reservado a los ingenieros del banco —alrededor de 12.000 personas de una plantilla de unos 47.000 empleados—, según reportó Bloomberg.

El recorte no distingue entre traders y bankers: saca a ambos. La excepción son los strats, el perfil híbrido que combina trading, investigación cuantitativa e ingeniería de software, que conservan el acceso. Las mismas restricciones alcanzan a las herramientas de código de GitHub, propiedad de Microsoft.

La firma presenta la decisión como una asignación por rol, no como una retirada de la IA. «Hacemos ciertas herramientas de IA disponibles para nuestra gente para determinar los mejores casos de uso en distintas partes de la firma», dijo el portavoz Nick Carcaterra. «Después de un período de experimentación en el que evaluamos factores como productividad y gestión de riesgo, las ponemos en manos de quienes están mejor preparados para aprovecharlas en el largo plazo».

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Lo que se pierde en el camino: traders que usaban los agentes para monitorear flujos de trading de clientes, modelar movimientos de mercado y posiciones, y armar material escrito y gráfico. Según Bloomberg, la medida generó frustración en algunas mesas.

¿Por qué un agente de código es más peligroso en una mesa de trading?

Un ingeniero escribe código que pasa por revisión, pruebas y controles de despliegue antes de tocar algo importante. Un script que un trader arma para vigilar flujos de clientes puede terminar en uso diario sin pasar por ninguno de esos filtros.

En un banco regulado hay una segunda capa: las barreras de información. Deben existir separaciones entre quienes trabajan en operaciones corporativas y quienes podrían beneficiarse de saberlas. Goldman construyó su plataforma interna de IA alrededor de ese tipo de controles. Una herramienta que un trader armó con un agente no fue diseñada pensando en ellos, y los ingenieros solo pueden revisarla si alguien se la envía.

Hay un tercer problema, más incómodo: si el autor del código no lo entiende, nadie responde por él. Un trader que usa un agente para modelar posiciones tiene menos margen para saber cómo ese código maneja casos raros, y en una mesa de trading eso se traduce en pérdidas.

El volumen agravó el asunto. Un desarrollador senior del banco dijo a eFinancialCareers que hubo una reacción masiva en contra de las restricciones y que en ese período se crearon cientos de herramientas, muchas de ellas para productividad personal. Sobre el problema de fondo, un desarrollador senior de JPMorgan lo describió así al mismo medio: gente fuera de tecnología hace interfaces y productos completos con vibe coding y después le toca a ingeniería explicar por qué no se puede poner en producción, porque se omitieron la autenticación, los permisos, las pruebas de extremo a extremo y el despliegue.

El contraste con una implementación bien diseñada está en el propio sector: Bloomberg sumó un asistente de código a su plataforma BQuant, pero exige aprobación del usuario antes de que el código generado se inserte o se ejecute dentro del cuaderno de trabajo, según FinanceFeeds. Revisión humana entre la propuesta y la acción.

¿Cuánto cuesta darle agentes a toda la plantilla?

El consumo de agentes se factura por token, y varias compañías que abrieron la puerta a todos vieron subir el gasto. En Amazon desactivaron una tabla de clasificación interna después de que empleados ejecutaran agentes en tareas sin sentido para escalar posiciones. Accenture, en tanto, financia US$29 al mes de Claude por empleado.

Para una startup esto importa por una razón simple: el costo marginal de un agente no es cero y escala con el entusiasmo. El mismo argumento que empuja a abrir el acceso —todos pueden prototipar— es el que obliga a poner límites y presupuesto por equipo.

¿Qué están haciendo Barclays, JPMorgan y el resto de la banca?

Barclays va en la dirección contraria en cuanto a alcance: dijo en octubre que espera que la mitad de sus desarrolladores use Claude Code a fin de año y, tres semanas después, incluyó a desarrolladores entre 5.000 recortes de empleo. Como Goldman, les da agentes de código a sus ingenieros; a diferencia de Goldman, también los usa para necesitar menos ingenieros.

En el resto del sector el movimiento es hacia el cierre de accesos. JPMorgan y Schwab están bloqueando agentes externos en las cuentas de clientes. Y el antecedente de Hong Kong muestra que las restricciones no siempre son técnicas: en abril, Goldman sacó a Claude de su plataforma interna de IA para bankers en esa plaza, según reportó el Financial Times, tras leer de forma estricta su contrato con Anthropic. Un portavoz de Anthropic dijo que Claude nunca tuvo soporte oficial en Hong Kong; ChatGPT y Gemini siguieron disponibles. JPMorgan retiró a Claude de su lista aprobada en Hong Kong en junio.

Dato clave para entender el alcance: la restricción de octubre aplica a agentes de terceros capaces de escribir y ejecutar código por su cuenta. El asistente interno de Goldman, que usa modelos de varias compañías, sigue disponible en toda la firma.

La ironía: Goldman es asegurador líder del IPO de Anthropic

El banco que acaba de quitarle Claude Code a la mayoría de sus bankers es, a la vez, uno de los aseguradores líderes de la salida a bolsa de Anthropic, junto con Morgan Stanley, según el S-1 presentado el 26 de octubre. La empresa espera cotizar en el Nasdaq con el ticker ANT antes de fin de noviembre.

Según el archivo, Goldman Sachs y Morgan Stanley figuran primeros entre los aseguradores, y la compañía reportó ingresos de US$16.300M en el primer semestre de 2026, frente a US$1.160M del mismo período del año anterior, según recogió Decrypt. En las próximas semanas, los bankers de Goldman estarán vendiendo acciones de una empresa cuyo agente de código la mayoría de ellos ya no puede usar.

La relación, además, no se cortó: a comienzos de este año ingenieros de Anthropic pasaron seis meses dentro del banco construyendo agentes basados en Claude para contabilidad de operaciones y onboarding de clientes. Esos agentes viven en el back office y los operan los equipos de ingeniería.

¿Qué significa esto para tu startup?

La mayoría de los equipos hispanohablantes que hoy usan agentes de código no están regulados como un banco, pero el patrón de riesgo es idéntico, solo que con menos gente para detectarlo. Cuatro decisiones concretas:

Nombra un dueño de ingeniería para cada herramienta creada por alguien fuera de tecnología. Antes de que esa herramienta toque datos de producción o de clientes, debe haber una persona con nombre y apellido que responda por ella. Es la regla que Goldman aplicó hacia atrás, cuando ya había cientos de herramientas circulando.
Aplica los controles que ya tienes, aunque el código haya salido de un prompt. Permisos, revisión, entornos de prueba y gestión de cambios no dejan de existir porque el autor sea un agente. Si tu política de accesos a datos no contempla scripts generados por IA, ese es el hueco.
Levanta el inventario antes de restringir. Si vas a ordenar el acceso, primero registra qué se construyó, quién lo usa y qué información consulta. Retirar sin ese mapa desperdicia lo que sí funcionaba y deja a la gente sin alternativa.
Presupuesta el consumo por token. Define un techo mensual por equipo y revisa qué proporción del gasto corresponde a tareas con retorno real. Es más barato que descubrirlo a fin de trimestre.

Conclusión

Goldman Sachs no se retiró de la IA: sigue construyendo agentes con Anthropic y tiene un asistente interno disponible en toda la firma. Lo que hizo fue mover la frontera: el código que puede afectar información de clientes o decisiones de mercado queda en manos de quienes están entrenados para revisarlo.

Esa distinción —usar IA para investigar y asistir, frente a dejar que no-ingenieros generen software que opera sobre datos sensibles— es la que separa un programa de productividad de un problema de gobernanza. Los traders que perdieron las herramientas estaban monitoreando flujos de clientes y modelando posiciones, dos tareas que el banco todavía necesita que alguien haga.