JPMorgan Chase ha movido la inteligencia artificial desde el terreno de la innovación experimental hacia una categoría mucho más pesada: infraestructura crítica. El banco prevé un presupuesto tecnológico de unos 19.800 millones de dólares para 2026, alrededor de 2.000 millones más que el año anterior. Parte de ese aumento se dirige a proyectos de IA en atención al cliente, análisis de clientes, ingeniería de software y automatización operativa.
La decisión importa porque JPMorgan no está tratando la IA como una prueba aislada. En un banco de esta escala, integrar modelos y agentes en operaciones reales exige controles de acceso, auditoría, gestión de riesgo de modelos y protección de datos comparables a los de otros sistemas centrales. La cuestión ya no es si la IA puede ahorrar tiempo, sino cómo se gobierna cuando empieza a formar parte del funcionamiento diario.
Por qué la reclasificación cambia el debate
Equiparar la IA con infraestructura crítica no es solo una fórmula de presentación. Significa que el gasto deja de depender de pilotos dispersos y pasa a formar parte de las prioridades operativas de la entidad. El director financiero Jeremy Barnum ha señalado que la etapa de modernización más pesada empieza a dar paso a inversiones centradas en productos, integración de IA y optimización interna.
La directora global de información, Lori Beer, ha descrito uno de los retos más sensibles: los agentes de IA reciben identidades y permisos, pero esos accesos deben limitarse estrictamente a la tarea que ejecutan. En banca, ese detalle es clave. Un agente mal configurado puede acceder a datos innecesarios, generar decisiones difíciles de explicar o introducir riesgos operativos que luego deben ser auditados.
Del piloto a la operación cotidiana
JPMorgan no es la primera gran empresa que convierte la IA en una capa operativa, pero su tamaño amplifica el mensaje. Con más de cuatro billones de dólares en activos y cerca de 319.000 empleados, cualquier decisión de inversión tecnológica del banco se convierte en referencia para el resto del sector financiero. Si la IA entra en el presupuesto base, otros bancos tendrán que justificar por qué avanzan más despacio o por qué gastan menos.
Para reguladores y equipos directivos, un presupuesto tecnológico de casi 20.000 millones de dólares también eleva las exigencias. Ya no basta con revisar un chatbot o una herramienta interna. Hay que saber qué modelos se usan, qué datos procesan, cómo se validan sus resultados, quién responde cuando fallan y cómo se protege al consumidor frente a decisiones automatizadas o poco transparentes.
Presión competitiva sobre la banca
El presupuesto tecnológico de JPMorgan supera ampliamente al de muchos competidores. Bank of America prevé alrededor de 14.000 millones de dólares en gasto tecnológico para 2026, una diferencia relevante en un momento en que la IA encarece hardware, nube, software y capacidad de cómputo. La propia dirección de JPMorgan presenta esa escala como una ventaja competitiva.
El riesgo es que el coste suba antes de que los ahorros se vean con claridad. Jamie Dimon ha defendido que la IA ya produce mejoras operativas, pero también reconoce que medir el retorno exacto de la tecnología nunca ha sido sencillo. La respuesta llegará con el tiempo: si los modelos reducen fraude, aceleran desarrollo, mejoran atención al cliente y no añaden riesgos regulatorios, el gasto se justificará. Si no, otros bancos verán el caso JPMorgan como una advertencia y no como una plantilla.
Por ahora, el mensaje es claro. JPMorgan considera la IA una parte estructural de su infraestructura, no un experimento de laboratorio. Esa decisión coloca presión sobre el resto de la banca y convierte la gobernanza de agentes, datos y modelos en uno de los temas centrales del sector financiero para 2026.
