La gobernanza IA en empresas ya tiene caso práctico: Goldman Sachs restringe Claude Code y GitHub a ingenieros y ‘strats’, y deja a los traders sin herramientas que usaban a diario. La lección: el acceso se diseña, no se improvisa.
La decisión: el código con IA se queda en quien puede auditarlo
El banco ha cerrado el acceso a las herramientas avanzadas de programación con IA a buena parte de su plantilla. Según Bloomberg, Goldman Sachs limita el uso de Claude Code, la herramienta de Anthropic, y de las utilidades de código de Microsoft, GitHub, a sus ingenieros y a los llamados ‘strats’, el perfil cuantitativo que construye modelos y analítica dentro de la banca de inversión. Traders, banqueros y el resto de equipos quedan fuera.
Un portavoz de la entidad explicó que la firma deja experimentar con ciertas herramientas de IA para ‘determinar los mejores casos de uso en distintas partes de la firma’ y evaluar ‘factores como la productividad y la gestión del riesgo’. Cerrado el periodo de prueba, dijo, las herramientas pasan ‘a manos de quienes están mejor situados para aprovecharlas a largo plazo’.
La fricción está servida. Los traders usaban estas utilidades para vigilar datos de mercado, montar modelos financieros y generar gráficos en minutos. Perderlas no es una incomodidad menor: es devolver tareas al Excel y al equipo de soporte. Y eso se nota antes de lo que parece.
El modelo de tres capas que el banco ya opera
Aquí no hay frenazo a la IA, sino segmentación. En el nivel básico, un chatbot propio disponible para toda la plantilla. En el intermedio, un ‘copilot’ de código para desarrolladores. En la cúpula, los agentes avanzados y los entornos donde el código generado pasa revisión antes de tocar producción. Tres capas, tres niveles de supervisión, y un solo criterio: quién responde cuando algo sale mal.
Ese diseño conversa con lo que el sector lleva meses discutiendo en voz alta. La CIO de JPMorgan, Lori Beer, lo resumió así: la tecnología avanza más rápido que la capacidad de gestionarla y, aunque la intención es moverse deprisa, a veces hay que retroceder para colocar los controles. El consejero delegado de Bank of America, Brian Moynihan, puso el foco en otro flanco: el riesgo de que un agente responda sin que un humano compruebe si la respuesta era correcta, sobre todo en ‘pitchbooks’ y hojas de cálculo que acaban delante de un cliente.
Ningún banco prohíbe la IA: prohíbe el acceso sin trazabilidad, que es un problema distinto y bastante más caro de resolver.
Ahí está el negocio.
Del piloto al despliegue: dónde se rompe la política
El caso deja una pista aplicable a cualquier empresa que esté probando IA. El piloto y el despliegue piden reglas distintas. En la prueba se reparten licencias y se mide entusiasmo. En producción se mide otra cosa: quién firma el resultado, qué queda registrado y cuánto cuesta revisarlo. Cuando esa cuenta sale cara, la herramienta se recorta. No por miedo a la tecnología, sino por coste de auditoría.
En septiembre de 2025 el propio banco pilotaba un agente de código autónomo y un copiloto para banqueros de inversión enfocado a compilar investigación. El movimiento apuntaba a un acceso amplio. La vuelta de tuerca llega después, cuando toca decidir quién se queda la herramienta en propiedad y quién la usa de prestado.
Las tres preguntas antes de repartir licencias
- ¿Quién firma? Cada resultado que llega a un cliente o alimenta un modelo financiero necesita un responsable con nombre y apellidos.
- ¿Qué queda registrado? Instrucción, versión del modelo y revisión. Sin traza no hay control, solo confianza.
- ¿Cuánto cuesta revisar? Si la validación consume más tiempo del que ahorra la herramienta, el despliegue no es rentable.
📦 Caso de estudio: Goldman Sachs
- El reto: Perfiles no técnicos usaban herramientas de código con IA sin un marco de revisión definido.
- La jugada: Cerrar Claude Code y GitHub al grueso de la plantilla y reservarlos a ingenieros y ‘strats’.
- El resultado: Menos superficie de riesgo, traders frustrados y tareas de análisis que vuelven al método manual.
- La lección: El acceso a la IA se concede por responsabilidad sobre el error, no por antigüedad ni por entusiasmo.
La contradicción de Argenti y el coste real de la fricción
Hace unos meses, el CIO de Goldman, Marco Argenti, defendía justo lo contrario: que el personal no técnico construyera prototipos con IA y los pasara luego a los ingenieros para refinarlos. Ese discurso era el estándar del sector y sigue siéndolo en la mayoría de las presentaciones corporativas. La restricción actual no lo desmiente del todo, pero señala el punto exacto donde se rompe: el prototipo es barato, la validación no.
Vamos a lo que de verdad cuenta. En un banco, la validación es el negocio. Cada respuesta de un modelo que acaba en un modelo financiero o en un gráfico para un cliente necesita un responsable identificable. Si el marco no lo da, el área de compliance hace lo único que puede hacer: cerrar el grifo.
Esa decisión tiene un coste que no aparece en la presentación trimestral. Aparece cuando la tarea que alguien resolvía en veinte minutos vuelve a costar una tarde. La productividad perdida no se audita, pero se paga.
El acceso a la IA no se reparte por jerarquía ni por entusiasmo: se reparte por responsabilidad sobre el error.
Para un founder español o latinoamericano la lectura es directa: no copie el modelo del banco, copie el criterio. Con un equipo de quince personas no hace falta un comité de riesgos, pero sí una regla escrita sobre qué herramientas pueden tocar datos de clientes y cuáles no. La política de uso de IA es más barata antes del incidente que después.
Y hay un detalle que se repite en los tres epicentros. En Silicon Valley la restricción se diseña para escalar; en Israel, para no perder el hilo de auditoría en entornos de ciberseguridad; en España, la mayoría de las startups todavía no la tiene escrita. Ahí hay ventaja competitiva para quien llegue primero, no para quien tenga la mejor licencia.
🚀 Hoja de Ruta para Emprender
- Escriba la regla antes de la herramienta: un documento de una página con qué datos pueden salir del perímetro evita el cierre del grifo cuando llegue el primer susto.
- Separe piloto y producción: durante la prueba, acceso amplio y métricas; en producción, acceso por tarea revisada y responsable identificable.
- Mida el coste de revisar: si validar el resultado consume más tiempo que hacerlo a mano, la herramienta no está lista, por buena que sea la demo.
- Dé acceso al perfil cuantitativo, no al más entusiasta: quien puede auditar el código es quien debe tener el código.
