Antes de aprobarte una cuenta bancaria empresarial, firmar contigo un contrato de franquicia o cerrar una póliza de seguro para tu negocio, cada vez es más probable que alguien, o algo, haya resumido con Inteligencia Artificial lo que internet dice de ti. Ese resumen no aparece en ningún formulario que firmes, pero pesa en la decisión final igual que un informe de crédito. Un banco que pagó 3.000 millones de dólares en 2024 por fallos precisamente en este tipo de vigilancia lo dejó claro: ignorar lo que ya circulaba en prensa y registros públicos sobre un cliente salió muy caro (FigsFlow, informe actualizado el 30 de julio de 2026).
Esto no es una hipótesis sobre auditorías del futuro. Es un proceso que ya corre hoy, en bancos, en franquicias y en aseguradoras, bajo nombres técnicos como «adverse media screening» o «revisión de diligencia debida», y que cada vez delega más trabajo en sistemas de Inteligencia Artificial que leen, resumen y puntúan lo que encuentran sobre ti.
El profesional que nunca ha oído hablar de este proceso no está exento de él. Solo significa que, si algo antiguo o mal atribuido aparece en ese resumen, se entera después, cuando ya afectó a una decisión que no controló.
¿Qué tiene que ver una Inteligencia Artificial con que te aprueben una cuenta o un contrato?
Cuando abres una cuenta bancaria a nombre de tu consulta, tu clínica o tu despacho, el banco tiene la obligación legal de investigar quién eres más allá de tu documento de identidad. En Estados Unidos, la Ley de Secreto Bancario y la norma de diligencia debida de FinCEN de 2018 obligan a las entidades financieras a vigilar de forma continua la relación con cada cliente, no solo en el momento de abrir la cuenta (FinCEN, norma final de diligencia debida, 2018). Parte de esa vigilancia consiste en rastrear noticias, registros judiciales y menciones públicas sobre tu nombre y el de tu negocio, y ahí es exactamente donde entra la Inteligencia Artificial. Entender esta lógica exige primero distinguir entre inteligencia artificial, machine learning y aprendizaje profundo, como explicamos en esta guía, porque no todos los sistemas que «deciden» sobre ti funcionan igual.
El screening de reputación ya no lo hace solo una persona, lo hace también una Inteligencia Artificial
Durante años, ese rastreo lo hacía un analista de cumplimiento escribiendo tu nombre en un buscador junto a palabras como «fraude» o «sanción» y revisando a mano cada resultado. El problema de ese método manual es que generaba hasta un 90% de falsos positivos, según explica la guía de cumplimiento de FigsFlow actualizada el 30 de julio de 2026. Las herramientas más recientes usan procesamiento de lenguaje natural e Inteligencia Artificial para entender el contexto de cada mención, no solo la coincidencia de palabras, y logran reducir esos falsos positivos entre un 60% y un 70% (FigsFlow, 2026). El resultado es un resumen generado por Inteligencia Artificial que un analista revisa en minutos, no en horas, y que se convierte en parte del expediente que decide si te abren la cuenta.
El caso que puso precio a ignorar esta señal: los 3.000 millones de TD Bank
La Inteligencia Artificial no estaba en el centro del caso que hizo que este proceso dejara de ser un detalle técnico de cumplimiento, pero sí lo está en la forma en que se revisa hoy. TD Bank pagó 3.000 millones de dólares en 2024 para cerrar un proceso por incumplimientos relacionados con el blanqueo de capitales. Uno de los factores señalados fue la vigilancia insuficiente de noticias adversas: había señales de alerta publicadas en prensa y en registros públicos mucho antes de que las sanciones oficiales llegaran, y el banco no las incorporó a tiempo a sus decisiones (FigsFlow, informe de cumplimiento, actualizado el 30 de julio de 2026). Para un profesional individual, la lección no es sobre bancos grandes ni sobre miles de millones de dólares: es sobre el mismo mecanismo, aplicado a una escala mucho más pequeña, cada vez que alguien decide si confía en ti a partir de lo que un resumen automático le mostró.
Cómo transforma la Inteligencia Artificial una noticia vieja en un obstáculo actual
La Inteligencia Artificial que genera estos resúmenes valora, entre otros criterios, la relevancia temporal de cada mención adversa, algo que un analista humano o asistido por un modelo tiene que juzgar caso por caso. El mismo informe de FigsFlow advierte expresamente que «la información desactualizada sigue apareciendo en los resultados de búsqueda incluso cuando la persona ha mantenido un historial limpio desde entonces» (FigsFlow, 2026). Un litigio menor cerrado hace una década, una denuncia retirada o una noticia que después se corrigió pueden seguir generando una alerta que un sistema de Inteligencia Artificial resume sin el matiz de que aquello ya se resolvió. Este mismo desfase temporal es el que describimos al hablar de por qué un dato de hace cinco años pesa igual que uno de esta semana ante la Inteligencia Artificial.
El otro lado: comprar una franquicia confiando en lo que dice la Inteligencia Artificial
El mismo patrón se repite del lado del comprador, no solo del que investiga. Jeffrey M. Goldstein, abogado especializado en franquicias, publicó en abril de 2026 un análisis dirigido a quienes usan la Inteligencia Artificial para investigar una oportunidad de franquicia antes de firmar, y lo resume así: estas plataformas «a menudo regurgitan información desactualizada» porque no siempre distinguen si la fuente que consultaron es de este año o de hace una década (Goldstein Law Firm, 23 de abril de 2026). El mismo abogado insiste en que estas plataformas no distinguen bien entre una alegación y una condena, ni entre alguien mencionado como testigo y alguien mencionado como responsable, una distinción que sí hace cualquier analista humano con experiencia. Quien confía en el resumen de la Inteligencia Artificial sobre un franquiciador o un franquiciado concreto puede estar tomando una decisión de miles de dólares sobre una fotografía vieja de la realidad.
Por qué un nombre parecido también juega en tu contra
A esa mezcla de fuentes viejas y nuevas se suma un segundo problema, todavía menos visible: la coincidencia de nombres. La propia guía de cumplimiento de FigsFlow señala que la variación de nombres es una de las causas más frecuentes de errores en este tipo de revisiones, porque alguien listado como «Roberto Fernández» puede aparecer en la prensa como «Rob Fernández» o simplemente compartir nombre con otra persona sin relación alguna (FigsFlow, 2026). Cuando esto ocurre dentro de un proceso de decisión, la carga de demostrar que esa mención adversa pertenece a otra persona recae sobre ti, no sobre quien generó el resumen con Inteligencia Artificial. Corregir esto después de que ya se tomó una decisión es mucho más difícil que evitarlo antes: pocas instituciones tienen un proceso claro para que alguien impugne una coincidencia de nombre equivocada dentro de su propio sistema de cumplimiento.
Quién revisa lo que la Inteligencia Artificial dice de ti antes de que tú lo sepas
Lo más incómodo de todo este proceso es que rara vez te enteras de que ocurrió. Ni el banco, ni la aseguradora, ni el franquiciador te avisan de que un sistema de Inteligencia Artificial generó un resumen sobre ti antes de tomar una decisión, y mucho menos te muestran ese resumen para que lo corrijas. Auditar de forma directa qué responde cada plataforma sobre ti, comprobando en primera persona qué fuentes cita cada motor de Inteligencia Artificial cuando alguien pregunta por un profesional, es el primer paso antes de que un tercero lo haga por ti. Te enteras, en el mejor de los casos, cuando te piden documentación adicional sin explicar bien el motivo, o, en el peor, cuando la respuesta llega negativa y nadie te dice qué información concreta la motivó.
Qué puedes hacer antes de que la Inteligencia Artificial hable por ti en una decisión ajena
Lo único que puedes controlar es lo que ocurre antes de que alguien haga esa consulta sobre ti. Saber qué está diciendo hoy la Inteligencia Artificial de tu nombre y de tu negocio, con qué fuentes lo respalda y si mezcla algo antiguo con la situación actual, te permite anticipar el problema en lugar de descubrirlo cuando ya te han denegado algo. No se trata de perseguir cada mención posible, sino de conocer las dos o tres respuestas que de verdad importan, las que un banco, una aseguradora o un socio potencial encontrarían en los primeros segundos de consulta. También te da algo muy concreto que llevar a esa conversación: no una queja genérica sobre «mi reputación online», sino la respuesta exacta, con fecha, que un modelo está dando cuando alguien pregunta por ti.
Si un banco, una aseguradora o un socio potencial pueden estar consultando en este momento lo que la Inteligencia Artificial dice de tu nombre, tiene sentido que tú lo sepas primero. Pide el diagnóstico RADAR y revisa qué versión tuya está circulando antes de que decida por ti.
Sobre el autor
Javier G. Amblar acumula 27 años de trabajo en formación y desarrollo directivo, con más de 33.000 profesionales formados en 55 países. Fue profesor asociado del IE Business School, distinción reconocida con el Premio a la Excelencia Docente, y ha participado como colaborador en RTVE, Telemadrid, Onda Cero y EsRadio. Escribió el libro Liderazgo (Editatum, 2018) y hoy dirige un canal de YouTube que supera los 368.000 suscriptores, dentro de una comunidad en línea de más de 500.000 personas que sigue su trabajo en distintos países. RADAR nació de esa misma pregunta que aquí se plantea: qué está diciendo realmente la Inteligencia Artificial de ti antes de que un tercero lo use para decidir. Puedes revisarlo aquí.
