Model ML anunció este martes 17 de noviembre una ronda de inversión de US$250 millones que valoriza la empresa en US$1.500 millones. La compañía desarrolla agentes de IA para tareas financieras y la operación fue coliderada por General Atlantic y QED Investors. Para la banca chilena, el interés no está únicamente en cuánto capital reúne un proveedor, sino en qué funciones se le entregan.
La propuesta comercial apunta a automatizar trabajo documental y analítico: preparar materiales financieros, organizar información y producir entregables utilizados en operaciones. El anuncio contempla ampliar equipos de investigación e ingeniería en Londres y Nueva York. Es financiamiento para expandir una oferta; no una prueba de que cada resultado generado sea correcto ni una certificación para operar en Chile.
La diferencia entre los dos montos también importa. Los US$250 millones corresponden al dinero de la ronda, mientras los US$1.500 millones expresan la valorización anunciada. Ninguno es el precio que pagaría un banco por usar el servicio. No hay aquí una tarifa chilena comprobada ni una conversión a pesos que permita presupuestar su contratación.
En Chile, el capítulo 20-7 de la Recopilación Actualizada de Normas de la Comisión para el Mercado Financiero regula la externalización de servicios bancarios. Su punto de partida es una actividad que el banco podría realizar internamente y decide encomendar a un tercero. Para evaluar una herramienta de IA, corresponde examinar la función concreta y sus riesgos; la etiqueta del producto no resuelve su tratamiento.
El marco exige una política de externalización aprobada por el directorio y procedimientos para seleccionar, contratar y monitorear proveedores. La responsabilidad de gestionar los riesgos permanece en la institución. La evaluación considera seguridad de la información, continuidad y capacidad de supervisión, entre otros aspectos. Cuando corresponde, también importa conocer dónde se procesa y almacena la información y bajo qué jurisdicción.
Esto lleva la evaluación más allá de una demostración con documentos públicos. Como criterio de compra, conviene pedir que el proveedor muestre cómo limita el acceso a antecedentes de una operación, cómo permite revisar el origen de un resultado y cómo se recuperaría el trabajo si el servicio falla. Son comprobaciones propuestas para una evaluación, no prestaciones de Model ML verificadas por esta nota.
La salida también forma parte de la decisión. Antes de entregar una tarea recurrente, el banco necesita saber qué información y registros podrá recuperar y cómo sostendrá el proceso si cambia de proveedor. Una automatización que produce documentos rápidamente puede seguir siendo difícil de reemplazar; esa dependencia merece examinarse junto con la productividad prometida.
No se ha acreditado en estas fuentes una adopción de Model ML por bancos chilenos. La ronda muestra interés inversionista por los agentes financieros. Para una institución local, avanzar exige otra evidencia: que una tarea delimitada pueda ejecutarse con controles, resultados revisables y una continuidad compatible con las responsabilidades que ya tiene.

