Kastle recauda 24 millones para agentes autónomos en banca

Kastle, la startup que construye una «fuerza laboral de IA» para operaciones bancarias, cerró una ronda Serie A de 24 millones de dólares liderada por Insight Partners. La operación, difundida por PR Newswire, financia exactamente el fenómeno que la academia empezó a sistematizar este año: la migración de la inteligencia artificial en finanzas desde modelos estadísticos pasivos hacia agentes autónomos que deciden y ejecutan.

Ese giro es el eje de la revisión científica de Maryan Rizinski y Dimitar Trajanov, publicada en noviembre de 2025. Los autores definen a los agentes como sistemas computacionales que perciben su entorno, razonan, toman decisiones y ejecutan acciones para alcanzar objetivos específicos. A diferencia de los modelos predictivos tradicionales, no se limitan a sugerir: actúan.

De la investigación a la operación bancaria

La revisión documenta la adopción de agentes en al menos cinco dominios financieros:

• Trading algorítmico: agentes basados en aprendizaje por refuerzo y sistemas multi-agente que aprenden y ejecutan estrategias en tiempo real.
• Detección de fraude: arquitecturas con redes neuronales profundas y redes de grafos para identificar patrones ilícitos complejos.
• Evaluación crediticia: agentes para scoring y modelado dinámico de riesgo, con potencial para mejorar la inclusión financiera.
• Robo-advisors: asesores generativos que conversan con clientes y apoyan decisiones de inversión.
• Cumplimiento regulatorio: automatización de chequeos de cumplimiento y mejora de la precisión en reportes.

El último punto es decisivo para la banca latinoamericana. Los marcos normativos de la región exigen trazabilidad y explicabilidad, y la revisión documenta justamente esa brecha: los agentes basados en grandes modelos de lenguaje son los más capaces y, a la vez, los más opacos. El estudio menciona sistemas como StockAgent, que simula comportamientos de inversores con LLMs; FinRobot, una plataforma de análisis financiero y research de equity; y FinSearch, un marco de búsqueda de información financiera en tiempo real. Todos muestran avance, pero ninguno resuelve el riesgo sistémico que plantea la adopción masiva.

Para una organización en América Latina, el contraste entre el entusiasmo del capital de riesgo y la cautela de la academia define la agenda. La ronda de Kastle indica que el mercado ya cree en los agentes de IA como fuerza productiva para la banca. La revisión indica que faltan marcos estandarizados de evaluación, que la integración con sistemas legados sigue pendiente y que la supervisión humana (human-in-the-loop) no es opcional.

Qué auditar antes de contratar agentes

Invertir en agentes puede nivelar la cancha en inclusión financiera, un tema central para la región, pero exige chequeos previos:

• Documentar qué decisiones puede tomar un agente sin intervención humana y cuáles requieren verificación. La revisión insiste en mantener humanos en el circuito para supervisar implementaciones complejas.
• Auditar los datos de entrenamiento para mitigar sesgo en scoring crediticio, un riesgo que la literatura menciona de forma explícita.
• Exigir explicabilidad: el estudio cita a FinBrain, que identifica a los agentes financieros explicables como un problema de investigación abierto. Si el proveedor no puede explicar una decisión, el regulador local frenará el proyecto antes que la tecnología.
• Planear la orquestación: cuando una operación involucra equipos de agentes especializados que colaboran, el riesgo colectivo requiere gestión, no solo configuración.

El mercado envía una señal clara: los fondos globales apuestan a que los agentes reemplacen tareas operativas de la banca. La señal académica es igual de clara: la tecnología aún carece de estándares de evaluación y de protocolos de gobernanza maduros.

Para un banco o fintech de la región, el movimiento correcto no es ignorar la ola ni copiar la estrategia de un gigante global. Es construir un proceso de adopción que documente cada agente, defina sus límites de autonomía, audite sus datos y mantenga a un humano verificando las decisiones de alto riesgo.

No es si los agentes van a llegar a su operación la pregunta que cada ejecutivo debería responder. La evidencia de la investigación y de la ronda de 24 millones de dólares sugiere que ya están llegando. La pregunta es si su organización ya definió quién responde cuando un agente autónomo se equivoca en una decisión crediticia.