Banco Santander y su valor empresarial de 1.000 millones en IA

Tabla de contenidos

Prevé 1.000 millones en valor por IA

  • Banco Santander estima generar 1.000 millones de euros de valor empresarial adicional en los próximos dos años gracias a inversiones en datos e inteligencia artificial.
  • El banco quiere elevar su base de clientes de 180 millones a más de 210 millones para finales de 2028.
  • La IA se integra como palanca central de su estrategia ONE Transformation, con foco en hiperpersonalización, productividad comercial y automatización de procesos.
  • Santander ha firmado un acuerdo con OpenAI para desplegar ChatGPT Enterprise, inicialmente para 15.000 empleados.
  • En 2024, las iniciativas de IA ya habrían generado más de 200 millones de euros en ahorros, con copilotos apoyando más del 40% de las interacciones del contact center.

Valor empresarial con datos e IA
– Qué significa aquí “valor empresarial”: en la cobertura se describe como una combinación de más ingresos y menos costes, atribuida a inversiones en datos e IA.
– Horizonte temporal: Finextra lo sitúa como valor adicional en los próximos dos años; en paralelo, otras coberturas basadas en Reuters lo enmarcan como una ambición de superar 1.000 millones anuales hacia 2028 (objetivo, no resultado).
– Fuente de la cifra: Finextra (nota editorial sobre el plan de Santander) y Reuters (vía TradingView) reportan la expectativa/objetivo en esos términos.

Generación de valor empresarial

Banco Santander ha puesto cifra a su apuesta por la inteligencia artificial: espera obtener ese valor empresarial adicional mediante inversiones en IA. Según lo publicado por Finextra, la expectativa se sitúa en los próximos dos años y combina aumento de ingresos y reducción de costes. El objetivo combina dos vías clásicas de impacto: impulsar ingresos y reducir costes.

La entidad se presenta como un “banco digital global con sucursales” y sostiene que la mejora de eficiencia vendrá de la simplificación de productos y procesos, una mayor colaboración entre negocios globales y el escalado de plataformas tecnológicas comunes.

Palancas de valor empresarial
Cómo se suele “componer” el valor empresarial en iniciativas de datos e IA (y cómo encaja con lo descrito por Santander):
1) Ingresos (crecimiento)
– Palancas: hiperpersonalización, mejor conversión, mayor vinculación, mejor servicio.
– Señales: más altas digitales completadas, más productos por cliente, mayor uso de canales, mejor retención.
2) Costes (eficiencia)
– Palancas: automatización end-to-end, simplificación de procesos, plataformas comunes, productividad de primera línea.
– Señales: menos tiempo por operación, menos retrabajo/errores, más autoservicio, más interacciones resueltas en el primer contacto.
3) Velocidad de despliegue (escala)
– Palancas: reutilización de componentes, gobierno de datos, colaboración entre geografías.
– Señales: tiempo de salida a producción, adopción por equipos, consistencia entre países/unidades.

Expansión de la base de clientes hasta 210 millones

El plan de crecimiento de Santander pasa por ampliar su base desde 180 millones de clientes hasta más de 210 millones a cierre de 2028. La tesis es que una experiencia más digital —y más personalizada— puede acelerar la captación y la vinculación, especialmente si se reduce fricción en altas, atención y operativa cotidiana.

En paralelo, el banco aspira a sostener un crecimiento de ingresos de un dígito medio y a reducir costes totales cada año, con la vista puesta en superar los 20.000 millones de euros de beneficio en 2028.

De la meta a la acción
Un camino práctico para conectar la meta “+30M clientes” con acciones (y checkpoints):
1) Captación
– Acción: segmentación y mensajes más relevantes (ofertas/contexto).
– Checkpoint: coste de adquisición y tasa de conversión por canal.
2) Onboarding (alta)
– Acción: reducir pasos y tiempos; asistencia inteligente en dudas frecuentes.
– Checkpoint: % de altas completadas y tiempo medio de alta; principales puntos de abandono.
3) Vinculación (uso recurrente)
– Acción: journeys hiperpersonalizados (alertas, recomendaciones, next-best-action).
– Checkpoint: actividad mensual, productos por cliente, retención a 90/180 días.
4) Servicio y confianza
– Acción: atención más rápida y consistente (copilotos + analítica) sin perder control humano.
– Checkpoint: resolución en primer contacto, quejas por “malentendidos”, satisfacción/NPS.

Contribución de la inteligencia artificial al crecimiento de ingresos

Santander sitúa los datos y la IA como un eje de su estrategia ONE Transformation, “totalmente integrada” en los negocios. El foco declarado está en:

  • Viajes de cliente hiperpersonalizados, con recomendaciones y ofertas más ajustadas al contexto.
  • Productividad de primera línea (equipos comerciales y de atención) mediante herramientas asistidas por IA.
  • Automatización end-to-end de procesos, para reducir tiempos, errores y tareas manuales.

En banca minorista y de empresas, la promesa de la IA no es solo eficiencia: también es mejor conversión, mayor uso de canales digitales y una relación más continua con el cliente basada en señales de comportamiento y necesidades.

Indicadores de impacto en ingresos
Indicadores “aterrizados” para ver si la IA está empujando ingresos (más allá del discurso):
– Hiperpersonalización
– ☐ Aumenta la conversión de ofertas (por segmento/canal)
– ☐ Sube la activación de funcionalidades digitales (uso recurrente)
– ☐ Mejora la retención (churn) en cohortes expuestas a journeys personalizados
– Productividad de primera línea
– ☐ Menos tiempo por interacción (sin caer la calidad)
– ☐ Más ventas/gestiones por hora en equipos comerciales
– ☐ Menos escalados y menos “retrabajo” por información incompleta
– Automatización end-to-end
– ☐ Más procesos completados sin intervención manual
– ☐ Menos errores operativos y menos incidencias repetidas
– ☐ Reducción medible de costes unitarios por operación

Acuerdo con OpenAI para implementar ChatGPT Enterprise

En agosto, Santander cerró un acuerdo con OpenAI para desplegar ChatGPT Enterprise. El lanzamiento comenzó con un grupo inicial de 15.000 empleados, enmarcado en la ambición de convertirse en un banco “AI-native”, es decir, con la IA integrada de forma estructural en operaciones y toma de decisiones.

El movimiento se alinea con una tendencia del sector: pasar de pilotos aislados a herramientas corporativas con alcance transversal (operaciones, tecnología, negocio, atención y soporte interno).

Despliegue interno de ChatGPT Enterprise
– Alcance inicial reportado: despliegue de ChatGPT Enterprise para un primer grupo de 15.000 empleados.
– Por qué es relevante para “AI-native”: no es solo un chatbot de cara al cliente; suele usarse como herramienta interna para búsqueda y síntesis, redacción, soporte a análisis, asistencia en procedimientos y aceleración de tareas en múltiples áreas.
– Contexto de la afirmación: la cobertura de Finextra lo enmarca dentro de la estrategia ONE Transformation; y Santander también ha comunicado públicamente su colaboración con OpenAI como parte de su enfoque de datos e IA.

Ahorros generados por iniciativas de IA en 2024

Según el banco, en 2024 las iniciativas de IA generaron más de 200 millones de euros en ahorros (dato atribuido en la cobertura a declaraciones del chief data and AI officer, Ricardo Martín Manjón). La cifra sugiere que parte del retorno ya se está materializando antes del horizonte 2028, especialmente en automatización y soporte a operaciones.

El dato también refuerza el argumento de que la IA no se limita a casos de uso “vistosos” de IA generativa: el ahorro suele venir de optimización de procesos, analítica aplicada y automatización de tareas repetitivas.

Ahorros por Datos e IA 2024
– Métrica reportada: “más de 200 millones de euros en ahorros” en 2024, atribuida en la cobertura a Ricardo Martín Manjón (Chief Data & AI Officer), un rol directamente responsable de iniciativas de datos e IA.
– Dónde suele materializarse ese ahorro (coherente con lo descrito en la nota):
– automatización de tareas repetitivas y reducción de tiempos de ciclo,
– menos errores/retrabajo por mejor captura de información,
– asistencia a agentes/equipos para resolver más rápido.
– Importante para interpretar la cifra: se presenta como resultado interno reportado en cobertura periodística; no desglosa públicamente qué parte corresponde a cada iniciativa.

Uso de copilotos de IA en el centro de contacto

Santander afirma que los copilotos de IA ya apoyan más del 40% de las interacciones en su centro de contacto, una de las áreas donde la automatización y la asistencia en tiempo real suelen tener impacto directo en tiempos de respuesta y resolución.

En España, la entidad utiliza Speech Analytics para procesar 10 millones de llamadas de voz al año. Entre los efectos operativos citados: el sistema autocompleta registros en el CRM, mejora el servicio y libera más de 100.000 horas anuales para tareas de mayor valor.

Flujo Integrado de Atención al Cliente
Flujo típico de “copiloto + analítica de voz + CRM” (y checkpoints para que funcione en producción):
1) Entrada de la interacción
– Llamada/consulta entra al contact center.
– Checkpoint: identificación correcta del motivo (intención) y del cliente.
2) Asistencia en tiempo real
– El copiloto sugiere respuestas, pasos y datos relevantes durante la conversación.
– Checkpoint: el agente valida; si hay baja confianza, se prioriza guía procedural y escalado.
3) Speech Analytics y extracción
– Se analiza la conversación para detectar temas, cumplimiento y datos clave.
– Checkpoint: tasa de extracción correcta (evitar “autorrellenos” erróneos).
4) Registro en CRM
– Autocompletado de campos y resumen de la interacción.
– Checkpoint: auditoría de calidad (muestras), reducción de retrabajo y consistencia del registro.
5) Resultado operativo
– Menos tiempo de post-llamada y más horas liberadas (como las +100.000 horas/año citadas).
– Checkpoint: mejora real en resolución y satisfacción, no solo en velocidad.

Plan de capacitación en IA para empleados

Para sostener el salto de escala, Santander ha empezado a adaptar la formación en IA según roles y mercados. Además, prevé lanzar este año un plan de formación obligatoria en IA para toda la plantilla, con el objetivo de normalizar el uso de herramientas y elevar capacidades internas.

La capacitación se vuelve crítica en un modelo “AI-native”: no basta con desplegar tecnología; hay que cambiar rutinas, criterios y formas de trabajo en áreas comerciales, operativas y de soporte.

Formación y adopción por roles
Checklist de formación “por roles” (qué debería cubrir y cómo medir adopción):
– Equipos de atención/contact center
– ☐ Uso del copiloto (búsqueda, guiones, resúmenes)
– ☐ Criterios de verificación antes de registrar en CRM
– ☐ Métrica: reducción de post-llamada sin caída de calidad
– Equipos comerciales
– ☐ Interpretación de recomendaciones (next-best-action) y límites
– ☐ Redacción asistida y preparación de propuestas
– ☐ Métrica: conversión y productividad por hora
– Operaciones/back office
– ☐ Automatización de tareas y manejo de excepciones
– ☐ Control de calidad y trazabilidad de cambios
– ☐ Métrica: tiempos de ciclo, errores y retrabajo
– Tecnología/datos
– ☐ Buenas prácticas de datos, evaluación de modelos y monitorización
– ☐ Seguridad y control de accesos en herramientas corporativas
– ☐ Métrica: incidencias, tiempos de despliegue y cumplimiento de estándares internos

Santander en la era de la IA

Impacto en el sector bancario

La hoja de ruta de Santander refleja una transformación más amplia del sector: la banca compite cada vez más en experiencia digital, eficiencia operativa y capacidad de convertir datos en decisiones. En ese contexto, la IA se convierte en infraestructura: un componente transversal que afecta desde la atención al cliente hasta la automatización de back office.

Si el banco logra escalar plataformas comunes y estandarizar procesos, puede ganar velocidad de despliegue y consistencia entre geografías, un factor clave para un grupo global.

Oportunidades y retos

La oportunidad es clara: más productividad, mejor servicio y crecimiento apoyado en personalización. El reto, también: pasar de casos de uso a transformación sostenida, con adopción real por parte de equipos, integración con sistemas existentes y medición rigurosa del impacto.

El objetivo de 1.000 millones de euros en valor empresarial funciona, en última instancia, como prueba de fuego: si la IA se integra en el negocio, el retorno debería verse tanto en la cuenta de resultados como en la experiencia del cliente.

Escalar IA: oportunidades y retos
Oportunidades vs. retos prácticos al escalar IA en un banco global:
– Oportunidad: eficiencia y ahorro recurrente
– Trade-off: si se automatiza “demasiado rápido”, suben excepciones y retrabajo; la calidad del dato/CRM se vuelve crítica.
– Oportunidad: mejor experiencia y personalización
– Trade-off: personalizar exige buen gobierno de datos y coherencia entre canales; si no, el cliente percibe mensajes inconsistentes.
– Oportunidad: productividad de equipos (copilotos)
– Trade-off: la adopción real depende de formación, incentivos y confianza; sin métricas, el uso puede quedarse en “curiosidad”.
– Oportunidad: plataformas comunes y escala
– Trade-off: integrar con sistemas existentes puede ser el cuello de botella; el valor llega cuando el cambio se refleja en procesos end-to-end.

Transformación en el sector financiero

La Inversión en IA como Motor de Crecimiento

La estrategia de Santander sugiere que la inversión en IA ya no se justifica solo por innovación, sino por crecimiento rentable: captación, mayor vinculación y eficiencia. El banco busca que la IA sea un multiplicador de escala, no un conjunto de herramientas aisladas.

Estrategias de Personalización y Eficiencia

La combinación de hiperpersonalización y automatización apunta a un modelo donde el cliente recibe respuestas más rápidas y relevantes, mientras la entidad reduce costes unitarios. En banca, esa ecuación suele traducirse en mejoras del ratio de eficiencia y en capacidad de competir en precio y servicio.

El Futuro de la Banca: Un Enfoque Basado en Datos

El mensaje de fondo es que la banca del futuro será una banca basada en datos: decisiones más predictivas, procesos más automatizados y canales más conversacionales. Santander apuesta a que ese cambio, bien ejecutado, puede convertirse en una ventaja competitiva medible en clientes, ingresos y costes.

“Banco Santander y su valor empresarial de 1.000 millones en IA” muestra cómo la IA deja de ser un piloto para convertirse en una palanca medible de eficiencia, automatización y mejor experiencia. En Suricata Cx seguimos de cerca este tipo de despliegues porque confirman que el valor real aparece cuando la IA se integra en operaciones omnicanal con control humano y métricas claras, no solo en la tecnología en sí.

Alcance de esta nota: el artículo resume lo reportado por Finextra sobre objetivos, cifras y líneas de trabajo (ONE Transformation, despliegue de ChatGPT Enterprise y métricas operativas citadas). La lectura se centra en qué palancas concretas se mencionan (automatización, productividad de primera línea y analítica de voz) y en cómo se conectan con resultados medibles.

Las cifras y metas mencionadas se entienden como objetivos o expectativas difundidas públicamente, no como resultados garantizados. Algunas métricas operativas se citan tal como se han comunicado y podrían variar o actualizarse con nuevas divulgaciones. En IA corporativa, el impacto final es incierto y suele depender de la adopción real, la integración con procesos y la calidad de los datos.