Los bancos empiezan a preparar una transformación laboral de alto impacto: menos analistas junior, menos tareas repetitivas, más automatización y una nueva demanda de perfiles capaces de trabajar con inteligencia artificial. El fenómeno ya no pertenece al terreno de la especulación. Fortune informó que algunas entidades financieras están recortando sus clases de analistas junior hasta en dos tercios, mientras obtienen cerca del 62% de su talento en inteligencia artificial de esos mismos grupos de entrada, según Debasish Patnaik, socio senior de McKinsey y líder de QuantumBlack, la unidad de consultoría en IA de la firma. (Fortune)
La banca frente al cambio más incómodo
La industria financiera siempre estuvo asociada a procesos intensivos en información: hojas de cálculo, modelos de valuación, reportes regulatorios, análisis de riesgo, presentaciones para clientes, lectura de balances, due diligence, compliance, monitoreo de operaciones y atención comercial. Durante décadas, una parte importante de ese trabajo fue realizada por perfiles junior que ingresaban al sistema para aprender, producir y escalar dentro de la carrera corporativa.
Ese modelo empieza a crujir. La inteligencia artificial generativa puede resumir documentos, preparar borradores, comparar estados financieros, asistir en la construcción de presentaciones, detectar anomalías, clasificar información, responder consultas internas y acelerar tareas que antes justificaban largas jornadas de analistas de entrada.
El dato de Fortune resulta especialmente relevante porque no describe una reducción marginal. Habla de clases junior recortadas hasta en dos tercios en algunos bancos, en paralelo con una paradoja: esos mismos jóvenes siguen siendo una fuente clave de talento para IA. La banca quiere menos mano de obra inicial para tareas tradicionales, pero necesita más capacidad joven para operar, adaptar y supervisar sistemas inteligentes. (Fortune)
La discusión no es simplemente si habrá despidos. La pregunta más profunda es qué ocurre con una industria que históricamente formaba talento desde abajo cuando la base de la pirámide laboral se reduce.
El golpe sobre los empleos de entrada
Los empleos junior cumplen una función que excede la productividad inmediata. Son el primer escalón de aprendizaje profesional. En banca de inversión, consultoría, auditoría, estudios legales y finanzas corporativas, los perfiles jóvenes aprenden haciendo tareas que muchas veces son repetitivas, extensas y poco glamorosas: armar comparables, limpiar datos, preparar anexos, revisar documentos, ordenar información, confeccionar presentaciones y responder pedidos urgentes de equipos senior.
La IA apunta exactamente a ese tipo de tareas. No porque sean inútiles, sino porque son estructuradas, repetibles y basadas en información. Ese es el corazón del problema. Si las empresas eliminan demasiados puestos de entrada, pueden ganar eficiencia de corto plazo, pero corren el riesgo de destruir su propia cantera de talento.
Reuters informó el 3 de junio de 2026 que Bank of America mantendrá la contratación de cerca de 4.000 personas mediante programas de pasantías de verano y reclutamiento universitario, incluso en medio de las preocupaciones sobre el impacto de la IA en roles junior. La decisión muestra que no toda la banca está abandonando el talento de entrada, pero también confirma que el tema ya es una preocupación central del sector. (Reuters)
La tensión es evidente. Los bancos necesitan jóvenes capaces de adaptarse a la inteligencia artificial, pero al mismo tiempo automatizan muchas de las tareas que antes servían para entrenarlos. El viejo modelo de aprendizaje por acumulación de horas puede perder sentido. La nueva carrera bancaria deberá enseñar más rápido, con más tecnología y con menos tolerancia a tareas manuales de bajo valor.
La IA no elimina todo: reordena la pirámide
El error habitual consiste en imaginar que la inteligencia artificial reemplazará cargos completos de manera automática. En realidad, la IA entra por tareas. Puede asistir en un modelo financiero, pero no necesariamente cerrar una operación. Puede resumir contratos, pero no reemplazar completamente el juicio legal o comercial. Puede producir una presentación, pero no definir la estrategia de negociación. Puede detectar patrones de riesgo, pero no asumir responsabilidad institucional.
El problema para los junior es que buena parte de sus primeras tareas profesionales sí son automatizables. Un analista que antes dedicaba horas a producir una primera versión de un memo puede quedar desplazado por un sistema que entrega un borrador en minutos. Un equipo que necesitaba cinco personas para preparar materiales puede funcionar con dos analistas y un asistente de IA. Una mesa de soporte que dependía de revisiones manuales puede migrar a modelos de clasificación, alertas y respuestas automáticas.
La banca no necesariamente va a quedarse sin jóvenes. Pero sí puede contratar menos, exigir más y acelerar la transición hacia perfiles híbridos: finanzas más datos, análisis más automatización, criterio humano más supervisión de IA.
Un paper académico publicado en abril de 2026, “BankerToolBench”, evaluó agentes de IA en flujos reales de banca de inversión construidos con colaboración de 502 banqueros. El benchmark incluye tareas como navegación de data rooms, uso de herramientas de mercado, revisión de documentos regulatorios y generación de modelos financieros, pitch decks y reportes. El estudio encontró que incluso el mejor modelo probado falló casi la mitad de los criterios y que los banqueros calificaron 0% de sus resultados como listos para cliente. (arXiv)
Ese dato pone un límite importante al alarmismo. La IA todavía no reemplaza de forma confiable el trabajo completo de un analista bancario en contextos de alta exigencia. Pero también confirma el avance: si ya puede ejecutar partes relevantes del flujo, la presión sobre el empleo junior será creciente a medida que los modelos mejoren.
Los bancos quieren menos repetición y más criterio
La banca del futuro cercano no necesitará tantos perfiles dedicados a tareas mecánicas. Necesitará personas capaces de entender qué pedirle a la IA, cómo validar respuestas, cómo detectar errores, cómo corregir inconsistencias, cómo proteger información sensible y cómo traducir outputs automáticos en decisiones útiles.
Esa transformación cambia el perfil del talento. Durante años, el diferencial de un junior era soportar presión, trabajar muchas horas, manejar Excel, producir presentaciones, obedecer instrucciones y aprender rápido. Ahora se suma otro requisito: saber operar con herramientas inteligentes sin perder criterio profesional.
El nuevo analista deberá revisar modelos generados por IA, comparar supuestos, detectar alucinaciones, contrastar fuentes, auditar cálculos, mantener consistencia entre documentos y cuidar riesgos legales o reputacionales. La tecnología no elimina la responsabilidad; la hace más compleja.
Esto puede beneficiar a quienes aprendan rápido. Un joven con buena base financiera, criterio técnico y dominio de IA puede volverse más productivo que equipos enteros del viejo modelo. Pero también puede dejar afuera a quienes ingresen al mercado sin herramientas actualizadas.
La paradoja del talento joven
La paradoja es brutal. Los bancos reducen posiciones de entrada, pero necesitan talento joven para acelerar la adopción de IA. Fortune señaló que las entidades financieras están tomando una parte importante de su talento de inteligencia artificial desde esos mismos grupos de graduados y analistas junior. (Fortune)
Esto revela una transición de fondo. El joven ya no entra solo para hacer “trabajo pesado” operativo. Entra para convertirse en operador de una infraestructura inteligente. El problema es que no todos los perfiles universitarios llegan preparados para eso.
Business Insider informó recientemente que Rob Hillard, CEO de Deloitte Asia-Pacific, advirtió que muchos graduados llegan al mercado laboral creyendo que usar IA equivale a hacer trampa. Según esa mirada, la universidad está formando jóvenes con una relación equivocada frente a herramientas que el mercado ya considera parte del trabajo cotidiano. (News.com.au)
En banca, esa brecha puede ser decisiva. Un graduado que domina modelos financieros pero no entiende IA puede quedar por debajo de otro que combina finanzas, automatización, datos y criterio de validación. La inteligencia artificial no reemplaza la formación técnica; la vuelve más exigente.
El empleo bancario bajo presión global
La banca ya venía atravesando procesos de automatización antes de la explosión de la IA generativa. Cajeros automáticos, banca digital, apps móviles, scoring automatizado, onboarding remoto, detección de fraude, procesos KYC y atención virtual redujeron la necesidad de muchas tareas presenciales o administrativas. La IA generativa suma una capa nueva: afecta trabajo cognitivo de oficina, no solo procesos operativos.
El impacto no será uniforme. Áreas de compliance, riesgo, research, atención al cliente, análisis crediticio, recursos humanos, finanzas internas y banca de inversión pueden experimentar cambios distintos. Algunas tareas se automatizarán. Otras se aumentarán. Otras requerirán más supervisión humana por riesgos regulatorios.
Deloitte advirtió que 2026 será un año de disrupción de IA para el mercado laboral australiano, con menor crecimiento en sectores expuestos como banca, recursos humanos, ventas, tareas administrativas, derecho, diseño gráfico y logística. Según el reporte citado por News.com.au, las vacantes en ocupaciones afectadas por IA cayeron 17,8% en tres años, frente a una caída de 9,9% en el mercado laboral general. (News.com.au)
La banca aparece entre los sectores más expuestos porque combina datos, procesos repetibles, presión por eficiencia y capacidad de inversión tecnológica. A diferencia de una pyme que puede tardar en adoptar herramientas, los bancos tienen recursos para desarrollar modelos internos, contratar consultoras, comprar soluciones empresariales y rediseñar procesos a escala.
No es solo reducción de costos
La lectura más simple es que los bancos usarán IA para despedir gente y reducir costos. Esa lectura tiene parte de verdad, pero es incompleta. La banca también busca velocidad, precisión, cumplimiento regulatorio, personalización, prevención de fraude y mejora de experiencia del cliente.
Un banco que automatiza análisis documental no solo reduce horas de trabajo. También puede responder más rápido, detectar inconsistencias, cumplir plazos regulatorios y escalar operaciones. Un área de riesgo con IA puede monitorear señales en tiempo real. Un equipo comercial puede personalizar ofertas. Un departamento de compliance puede revisar grandes volúmenes de información con menos fricción.
El incentivo económico es enorme. Pero cuanto más crítica sea la función, mayor será la necesidad de supervisión humana. La IA puede equivocarse. Puede inventar datos. Puede interpretar mal un documento. Puede replicar sesgos. Puede generar outputs inconsistentes. En banca, esos errores cuestan dinero, reputación y sanciones.
Por eso, la adopción responsable no implica sacar humanos del circuito. Implica moverlos a tareas de validación, supervisión, diseño de procesos y toma de decisiones.
El riesgo de romper la carrera profesional
La pregunta más delicada es cómo se formarán los futuros mandos medios y directores si se reduce la entrada junior. La banca tradicional formaba talento mediante una pirámide: muchos ingresaban, algunos resistían, pocos ascendían. Ese modelo era duro, pero generaba una cantera de profesionales con experiencia práctica.
Si los bancos achican la base, deberán diseñar nuevas rutas de aprendizaje. No podrán esperar que los jóvenes adquieran criterio por ósmosis después de revisar cientos de documentos manualmente. Tendrán que enseñar con simuladores, casos reales, mentorías, IA supervisada, rotaciones aceleradas y evaluaciones más sofisticadas.
El paper “Generative AI and the Reorganization of Labor Demand”, publicado en mayo de 2026, sostiene que la demanda laboral se ajusta no solo por eliminación de empleos, sino también por rediseño de tareas dentro de los puestos. Además, encontró que los trabajos junior se ajustan mediante una mezcla de reasignación, rediseño e interacción entre ambos mecanismos. (arXiv)
Ese hallazgo encaja con lo que empieza a pasar en banca. No se trata únicamente de contratar menos analistas. Se trata de redefinir qué hace un analista, qué tareas conserva, cuáles delega en sistemas, qué habilidades necesita y cómo progresa.
La universidad queda bajo examen
La transformación bancaria también interpela al sistema educativo. Las carreras de economía, administración, finanzas, contabilidad, ingeniería, derecho y ciencia de datos no pueden seguir formando profesionales como si la IA fuera una materia optativa. La herramienta ya entra en la práctica laboral.
El mercado demandará egresados capaces de trabajar con modelos generativos, bases de datos, automatización, visualización, validación de información, privacidad, ciberseguridad y regulación. También necesitará habilidades humanas difíciles de automatizar: negociación, comunicación, pensamiento crítico, ética profesional, relación con clientes y comprensión del negocio.
La universidad que prohíba IA por miedo al plagio puede terminar perjudicando a sus propios alumnos. La respuesta no debería ser negar la herramienta, sino enseñar uso responsable. En banca, usar IA sin control puede ser peligroso. Pero no saber usarla puede ser peor desde el punto de vista laboral.
Argentina y la banca local
Para Argentina, este debate no es lejano. Los bancos locales también enfrentan presión por digitalización, eficiencia, costos laborales, competencia fintech, atención remota, prevención de fraude y automatización administrativa. La IA puede impactar en sucursales, call centers, análisis crediticio, cobranzas, compliance, auditoría, marketing, riesgo y back office.
La diferencia es que Argentina suma condiciones propias: alta presión impositiva, regulaciones laborales rígidas, sindicatos fuertes, volatilidad macroeconómica y un sistema financiero chico en relación con el tamaño de la economía. Eso puede volver más lenta la adopción, pero no la detendrá.
Si los bancos globales reducen clases junior, automatizan procesos y elevan estándares de productividad, las entidades argentinas también terminarán siguiendo ese camino. Tal vez con menos velocidad, pero con la misma dirección. El costo de no hacerlo será competir con estructuras más caras, lentas y burocráticas.
El desafío para el país es no enfrentar esta transformación con reflejos defensivos. Intentar congelar puestos por ley puede proteger empleos durante un tiempo, pero también puede encarecer servicios, frenar innovación y dejar al sistema financiero detrás de competidores regionales o fintechs más ágiles.
La oportunidad para perfiles nuevos
La IA también abre oportunidades. Los bancos necesitarán auditores de modelos, especialistas en gobernanza de IA, expertos en riesgo algorítmico, analistas de datos, diseñadores de procesos automatizados, profesionales de ciberseguridad, responsables de cumplimiento tecnológico y perfiles híbridos entre finanzas y tecnología.
Los jóvenes que entiendan esa demanda pueden posicionarse mejor. Ya no alcanza con saber Excel, PowerPoint y conceptos financieros básicos. El nuevo perfil deberá manejar herramientas de IA, automatizar procesos, validar outputs, entender APIs, trabajar con datos y comunicarse con áreas técnicas.
El conocimiento financiero seguirá siendo central. Pero dejará de ser suficiente. La ventaja estará en la combinación: finanzas más IA, compliance más datos, riesgo más automatización, auditoría más sistemas, atención al cliente más asistentes inteligentes.
El fin del trabajo junior como lo conocíamos
La idea de “pagar derecho de piso” en banca puede cambiar. Durante años, los analistas junior soportaron cargas intensas porque esas tareas eran parte del camino hacia posiciones mejores. Si la IA automatiza gran parte de ese trabajo, la industria deberá justificar de otra manera la formación inicial.
El junior del futuro no debería ser un operador manual de documentos, sino un supervisor asistido por IA. Debería aprender a construir prompts especializados, revisar datos, detectar errores, comprender supuestos, generar entregables más rápido y defender conclusiones frente a equipos senior.
Eso exige más responsabilidad desde el inicio. También puede reducir el margen para perfiles promedio. La IA eleva el piso técnico y deja más expuesta la diferencia entre quien piensa y quien solo ejecuta.
La productividad como nueva frontera laboral
El debate sobre IA y bancos forma parte de una discusión más amplia: la productividad. Las empresas no adoptan inteligencia artificial por curiosidad académica. Lo hacen porque necesitan producir más con menos fricción, responder más rápido, reducir costos y competir en mercados donde otros ya están automatizando.
La frase “la IA no te reemplaza, te reemplaza alguien que la usa” vuelve a aparecer con fuerza. En banca, ese “alguien” puede ser otro analista, otro equipo, otra firma, otra fintech o un banco global con estructura más liviana. El trabajador que incorpore IA aumenta su valor. El que la rechace corre el riesgo de quedar atado a tareas que el mercado ya no quiere pagar igual.
El impacto no será instantáneo ni lineal. Los bancos no pueden automatizar todo sin enfrentar riesgos regulatorios, técnicos y reputacionales. Pero la dirección parece clara: menos trabajo repetitivo, más supervisión tecnológica, menos clases junior tradicionales, más perfiles híbridos.
Una advertencia para empresas y trabajadores
La nota de Fortune funciona como una advertencia más allá de Wall Street. Si la banca, una de las industrias más reguladas y conservadoras del mundo, ya empieza a recortar la base junior por el avance de la IA, el resto de los sectores debería tomar nota. Estudios contables, aseguradoras, consultoras, agencias, empresas de logística, clínicas, comercios y áreas administrativas enfrentarán presiones similares.
El error sería discutir si esto gusta o no. La transformación ya empezó. La pregunta relevante es quién se adapta primero.
Para las empresas, el desafío será implementar IA sin destruir conocimiento interno ni romper su cantera de talento. Para los trabajadores, la prioridad será aprender a usar herramientas inteligentes antes de que la exigencia llegue en forma de recorte. Para las universidades, el reto será formar profesionales capaces de convivir con IA, no graduados que la miren como trampa. Para los Estados, la decisión será regular con inteligencia o intentar frenar una ola que no espera.
La banca está mostrando el futuro laboral en versión concentrada. La inteligencia artificial no solo amenaza puestos: cambia la estructura de entrada, formación y ascenso. El empleo junior no desaparece de un día para otro, pero deja de ser lo que era. Y en ese nuevo escenario, la diferencia no estará entre humanos y máquinas, sino entre profesionales que aprendan a trabajar con máquinas inteligentes y profesionales que sigan defendiendo tareas que la tecnología ya empezó a absorber.