Goldman Sachs alerta sobre el costo invisible de automatizar el talento financiero
La inteligencia artificial está acelerando la transformación de Wall Street, pero también abre un dilema que va más allá de la reducción de costos: qué habilidades podrían dejar de desarrollarse si las máquinas comienzan a hacer el trabajo con el que los profesionales adquieren experiencia.
Chris Churchman, socio de Goldman Sachs y responsable de Marquee, la plataforma digital del banco para clientes institucionales, advierte que delegar demasiado razonamiento en los modelos puede generar una pérdida progresiva de capacidades analíticas.
“Existe un gran peligro: externalizamos nuestro razonamiento a estos modelos y sufrimos una atrofia cognitiva.”
El riesgo resulta especialmente relevante para los banqueros junior. Muchas de las tareas que la IA puede automatizar —modelos, análisis, preparación de información y procesos repetitivos— también funcionan como una escuela práctica para desarrollar criterio. La paradoja para los bancos es clara: automatizar esas labores puede mejorar la productividad hoy, pero debilitar la formación del talento que necesitarán mañana.
La preocupación coincide con una transformación que ya está ocurriendo en el sector. Goldman Sachs destinó alrededor de US$6.000 millones a tecnología en 2026 y, al igual que sus competidores, está incorporando IA en múltiples áreas del negocio. Al mismo tiempo, la banca de inversión mantiene programas de contratación de jóvenes profesionales: Goldman incorporó unos 2.500 internos en 2026, pese al avance de la automatización.
“Se aprende haciendo, y mucho conocimiento es tácito, nunca se puso por escrito.”
Ahí aparece uno de los desafíos estratégicos para los C-level: la IA no solo automatiza tareas; puede modificar la forma en que una organización fabrica experiencia y liderazgo. El problema no es necesariamente reemplazar al profesional, sino evitar que una generación entera llegue a puestos de decisión sin haber desarrollado el criterio que antes se construía mediante años de práctica.
Churchman también señala otro límite crítico: la precisión. En finanzas, una respuesta convincente pero incorrecta puede tener consecuencias muy distintas a las de un error en una herramienta de consumo. Por eso, sostiene que los sistemas deben ser verificables y auditables, especialmente cuando intervienen en decisiones de alto riesgo.
“Soy mejor aparentando ser exhaustivo que siendo exhaustivo.”
La advertencia de Goldman Sachs resume así el nuevo desafío empresarial de la IA: no se trata de automatizar todo lo que pueda automatizarse, sino de identificar qué capacidades humanas una organización no puede permitirse perder en el proceso.
