El día que la contabilidad dejó de ser humana: el momento Goldman Sachs y el fin del asiento contable
Hace unos días, conversando con un directivo de banca privada sobre la adopción de agentes inteligentes, me dijo algo que me dejó pensando: “Roberto, el problema no es que la IA aprenda a escribir, es que ha aprendido a cuadrar el balance”. Y tenía razón. Lo que acaba de ocurrir en Goldman Sachs es el primer caso de éxito de una IA que no solo sugiere, sino que ejecuta, comprueba y cierra libros contables sin que un humano pulse el botón de inicio.
¿Estamos ante el fin de la contabilidad tal como la conocemos? Mi tesis es clara: hemos pasado de la IA que asiste a la IA que opera. Las empresas ahora incluyen agentes autónomos que gestionan la confianza financiera, desplazando el rol humano desde la ejecución mecánica hacia la gestión de excepciones y el juicio ético.
Lo que está cambiando hoy es la capa de control más profunda de cualquier organización. Si Goldman Sachs ha logrado que la IA gestione millones de entradas diarias bajo las reglas de auditoría más estrictas del mundo, el resto de sectores están a un solo paso de ver cómo sus funciones de soporte se evaporan para convertirse en flujos de automatización significativa.
Del copiloto al agente autónomo
Durante los últimos dos años, nos han vendido la idea de la IA como un copiloto. Un asistente amable que te ayuda a redactar un correo o resumir una reunión. Pero en Goldman Sachs se han cansado de los copilotos. Han pasado seis meses integrando ingenieros de Anthropic directamente en sus equipos para construir algo distinto: AIgents (agentes inteligentes) capaces de manejar la contabilidad de operaciones y la reconciliación de transacciones de forma autónoma.
El cambio fundamental es la autonomía de ejecución. Hasta ayer, la IA necesitaba que un humano validara cada paso. Hoy, estos agentes basados en el modelo Claude de Anthropic postulan, verifican y cierran libros. Corren de forma independiente. Esto rompe el dogma de que el bookkeeping pesado, por su naturaleza crítica y su carga de juicio, debía permanecer exclusivamente en manos humanas para cumplir con la regulación.
La evidencia es abrumadora: Goldman procesa millones de asientos contables al día. No es un entorno de pruebas controlado; es el ecosistema más hostil y regulado posible. Si la IA puede operar aquí, puede operar en cualquier lugar. La implicación para cualquier directivo es inmediata: el centro de gravedad de las profesiones técnicas se está desplazando. Ya no pagamos por el hacer, sino por el asegurar que lo hecho es correcto.
Goldman Sachs y la reconciliación total
La situación era clásica: miles de horas hombre dedicadas a cuadrar transacciones y verificar el cumplimiento (compliance) de nuevos clientes. Al aplicar agentes de Anthropic, Goldman no solo ha acelerado el proceso, sino que ha eliminado el factor de fatiga humana en tareas repetitivas de alto riesgo. El resultado es un colapso en los tiempos de ciclo y una reducción drástica de los costes operativos en una de las áreas más caras de la banca.
El espejo de Citi y Stylus Workspaces
Mientras Goldman se enfoca en agentes que hacen, Citi ha desplegado Stylus Workspaces. Este sistema permite conectar aplicaciones y fuentes de datos que antes requerían que un humano hiciera de “puente” manual. Es un ejemplo verosímil de cómo las empresas están creando sus propias capas de agentes internos para no depender de software de terceros, protegiendo su activo más valioso: el contexto de sus datos.
Caso 3: El anti-ejemplo de la parálisis por análisis
¿Qué pasa si decides esperar? Recordemos el caso que analizamos de Deloitte en Australia. La falta de criterio y la delegación “ciega” en una IA generativa sin una arquitectura de control llevó a un informe lleno de citas falsas. El riesgo de no actuar hoy no es solo quedarse atrás en costes, sino que tus empleados empiecen a usar IA de forma clandestina (el famoso workslop) sin el rigor que Goldman ha integrado en sus agentes. La inacción te hereda procesos lentos y, paradójicamente, más inseguros.
El diseño de la arquitectura de agentes
Para transitar hacia este modelo de creatividad aumentada y ejecución autónoma, no basta con comprar una licencia de software. Necesitas una metodología. Nosotros trabajamos sobre lo que llamo el Ecosistema de Operaciones Autónomas, que se divide en tres fases:
Mapeo de Nodos de Decisión: no automatices procesos, automatiza decisiones. Identifica dónde el humano solo está validando datos que ya existen. Esos son tus primeros candidatos para un agente inteligente.
Capa de Verificación Cruzada (AEO interno): al igual que optimizamos para los motores de respuesta (Answer Engine Optimization), debemos optimizar nuestros datos internos para que los agentes no “alucinen”. Esto implica crear bases de conocimiento verificadas que sirvan de única fuente de verdad para la IA.
Gestión de Excepciones: rediseña el puesto de trabajo. El contable de Goldman ya no introduce datos; audita los casos en los que la IA ha marcado una duda. Es el paso del ejecutor al supervisor.
Este sistema permite que la tecnología absorba las tareas que nos hacían parecer máquinas, liberando a tu equipo para tareas de mayor valor estratégico.
El futuro es el Obelisco, no la Pirámide
Al inicio te hablaba de mi conversación con aquel directivo. La realidad es que la pirámide organizacional, esa base masiva de juniors procesando datos, está colapsando. Como vimos en los recientes movimientos de McKinsey, nos dirigimos hacia una estructura de obelisco: más delgada, más plana y extremadamente especializada.
El caso de Goldman Sachs confirma que el fin de la consultoría tradicional y de las funciones de soporte mecánicas no es una profecía, es el presente. El valor ya no reside en procesar la información, sino en qué decides hacer con ella una vez que la tienes disponible en tiempo real.