Banco Santander y Nvidia anunciaron el lunes 19 de octubre un marco de colaboración de tres años. El acuerdo cubre modelos fundacionales, agentes de inteligencia artificial para banca, prevención de fraude y blanqueo, decisiones en tiempo real y simulación. Incluye también un gemelo digital del banco. El eje son los modelos especializados: sistemas más pequeños, entrenados para tareas concretas.
El anuncio llegó con una cifra concreta. En pruebas del Santander AI Lab, ese cambio redujo el coste de ejecución. Pasó de unos 5 euros a unos 0,03 euros por interacción.
Del modelo que sirve para todo a los modelos especializados
El AI Lab del banco prueba tecnologías antes de desplegarlas a escala. Allí el equipo pasó de modelos generales a modelos más pequeños, ajustados a tareas bancarias específicas. La empresa afirma que mantuvo un rendimiento sólido en los casos seleccionados.
Para elegir, el banco construyó Model Arena. Es un entorno que evalúa modelos de pesos abiertos contra tareas reales de la entidad. Los modelos se especializan con Nvidia NeMo Customizer. Para datos estructurados del core bancario, Santander usa Nvidia Kumo.
La reducción de costes no viene solo del tamaño del modelo. También de cómo se sirve. El laboratorio industrializa la inferencia con Nvidia Dynamo-Triton. Esa es la pieza que explica la caída de 5 euros a 3 céntimos por interacción.
En un caso experimental de atención al cliente, el banco mejoró la calidad de la conversación. Al mismo tiempo redujo los costes más del 50 %. Lo hizo con un modelo más eficiente, no con más personal ni con más cómputo.
El marco de tres años formaliza una relación que ya existía. Santander y Nvidia trabajaban juntos en infraestructura de inteligencia artificial. El anuncio fija la siguiente fase y amplía el alcance a agentes gobernados, fraude y simulación.
El AI Lab también usa Model Arena para diseñar, simular y supervisar agentes bancarios. El objetivo declarado es probar cada capacidad en un entorno controlado. Solo después se decide si escala al resto del banco.
El coste por resultado como métrica
«Transformar años de datos en inteligencia útil y propia no depende del tamaño del modelo». La frase es de Aser Blanco, responsable global de banca de Nvidia. «Depende del entrenamiento y el ajuste fino», agregó. «En este mundo, el coste por resultado de inteligencia es una métrica clave».
La apuesta tiene una meta financiera. Santander espera que la inteligencia artificial le aporte más de 1.000 millones de euros de valor entre 2026 y 2028. La cifra combina ahorro e ingresos nuevos. En los primeros tres meses de este año registró 35 millones. La expectativa para el cierre del ejercicio es de 200 millones.
El movimiento inverso también importa. Durante dos años, la conversación sobre inteligencia artificial se midió en parámetros y en gigavatios. Este caso mide otra cosa: cuánto cuesta una respuesta correcta y cuántas se pueden dar con el mismo presupuesto.
Quedan dudas. Las cifras de coste corresponden a casos experimentales seleccionados, no a toda la operación del banco. Tampoco se detalla cuántos modelos pequeños usa Santander en producción ni cómo audita sus sesgos. La colaboración con Nvidia, además, ata su infraestructura a un solo proveedor.
Para América Latina, la lectura es indirecta pero útil. Los bancos de la región compiten por el mismo cliente móvil y tienen menos margen para sostener modelos generales. Si el coste por interacción cae más de cien veces, la adopción deja de depender del presupuesto de cómputo.
Santander y Nvidia no presentaron un modelo nuevo. Presentaron un método para elegir, ajustar y servir el modelo adecuado. La diferencia entre una demostración y un banco que opera a escala está en esa parte menos visible.
Otras fuentes consultadas: Computer Weekly (19/10/2026); Expansión (19/10/2026); El Español (19/10/2026).
