Bancos europeos masifican IA propia con chips NVIDIA; ¿y Chile?

En la conferencia GTC Berlin, la banca europea mostró que la inteligencia artificial generativa ya no es un experimento de laboratorio sino una herramienta de producción masiva. Empresas como Revolut, Lloyds Banking Group y NatWest presentaron sistemas que corren sobre infraestructura acelerada de NVIDIA, usando modelos de peso abierto —es decir, modelos cuyo código y parámetros son públicos y modificables— en servidores propios. El mensaje es claro: quieren inteligencia sin depender de APIs externas ni ceder datos sensibles.

Revolut escala un modelo único para 80 millones de usuarios

Revolut, la fintech británica, está reconstruyendo toda su pila tecnológica sobre un solo modelo fundacional llamado PRAGMA, potenciado por los chips NVIDIA Blackwell Ultra y el software Dynamo-Triton. Con la librería NVIDIA cuDF, que acelera el procesamiento de datos en tarjetas gráficas, Revolut ya atiende a 80 millones de clientes y tiene capacidad proyectada para triplicar esa cifra. Pavel Nesterov, jefe de IA de Revolut, explicó que la empresa procesa miles de millones de transacciones y que la pregunta era si los modelos fundacionales podían operar a esa escala y en múltiples dominios. “PRAGMA responde a eso”, dijo. “Construido en colaboración con NVIDIA, es la prueba más clara de que la brecha entre un avance de investigación y un sistema bancario en producción puede cerrarse”.

Soberanía de datos: el eje de los nuevos desarrollos

Starling Bank entrenó su modelo agéntico —capaz de tomar acciones autónomas— en la nube soberana del Reino Unido usando sus propios datos transaccionales. Lloyds creó ATUM, un modelo fundacional que convierte miles de millones de transacciones en inteligencia reutilizable, acelerado con GPUs NVIDIA RTX PRO 6000 Blackwell. SBS lanzó una plataforma de inteligencia soberana para que los bancos ejecuten modelos generativos y agénticos sin que sus datos salgan de sus muros. El costo también juega a favor: el neobanco bunq adoptó modelos de peso abierto para su asistente Finn y, al correrlos en la infraestructura de Nebius, logró igualar la calidad de los modelos cerrados líderes con un 60% del costo por respuesta.

Procesamiento más rápido para detectar fraudes

En el combate al fraude, la aceleración por GPU marca diferencias concretas. HSBC logró procesar datos cinco veces más rápido con el motor GPU de Starburst Enterprise, lo que le permite dar información casi en tiempo real a sus clientes. Stripe, por su parte, reportó tuberías de datos 42 veces más rápidas y un ahorro del 92% en costos para su plataforma antfraude Stripe Radar, usando procesamiento acelerado por GPU en pruebas fuera de línea. Esto permite que los modelos de machine learning se optimicen continuamente.

¿Qué relevancia tiene esto para Chile? Por ahora, ninguna directa. Ninguna entidad local aparece en los anuncios de GTC Berlin. Sin embargo, la tendencia es relevante: si los grandes bancos globales optan por modelos abiertos en infraestructura propia para proteger datos y controlar costos, es probable que los bancos y fintechs chilenas sigan el mismo camino en los próximos años. La tecnología ya está disponible, pero su adopción local dependerá de decisiones de inversión y regulación.

Con información de NVIDIA