La arquitectura Multi-Agent permite implementar de forma efectiva los principios de BIAN (Banking Industry Architecture Network) al introducir una capa inteligente que orquesta los Service Domains del banco. En este enfoque, los agentes de inteligencia artificial interpretan las solicitudes de clientes o empleados, identifican la intención y coordinan la interacción con múltiples capacidades bancarias expuestas mediante APIs, manteniendo desacopladas las capas de experiencia, negocio y datos definidas por BIAN.
BIAN define la arquitectura bancaria en Service Domains, cada uno responsable de una capacidad específica del negocio.
Ejemplos:
- Customer Management
- Contact Dialogue
- Product Management
- Customer Offer
- Payment Execution
- Document Management
Al integrar tecnologías como AWS Bedrock, Amazon Connect y modelos de lenguaje avanzados como Claude, los agentes pueden operar en la Experience Layer gestionando interacciones conversacionales y automatizando procesos de atención, mientras que los Service Domains BIAN continúan ejecutando la lógica bancaria central.
Este modelo también habilita la implementación real de Composable Banking, donde las capacidades bancarias se construyen como servicios independientes que pueden combinarse dinámicamente para soportar diferentes customer journeys. Los agentes actúan como una capa de orquestación que selecciona y coordina los servicios necesarios —por ejemplo, Customer Management, Product Offer, Loan Management o Payment Execution— para resolver una solicitud de manera eficiente.
De esta forma, las instituciones financieras pueden evolucionar hacia plataformas más modulares, escalables y orientadas a servicios, reduciendo la complejidad de integración entre sistemas y mejorando la capacidad de adaptación a nuevas necesidades del negocio y de los clientes.
En una arquitectura multi-agent, cada agente puede actuar como orquestador o consumidor de estos Service Domain y colaborar con la automatización del Composable Banking Architecture.
Ejemplos de uso
- Capa de experiencia sobre arquitectura BIAN
BIAN separa claramente:
- Experience Layer
- Business Layer
- Data Layer
Los agentes de IA se ubican principalmente en la Experience Layer.
Arquitectura simplificada:
2. Implementación real de “Composable Banking”
BIAN promueve el concepto de Composable Banking Architecture donde:
- Capacidades bancarias son servicios
- Pueden combinarse dinámicamente
Los agentes autónomos actúan como capa de composición dinámica.
El sistema podría coordinar:
- Card Management
- Customer Profile
- Risk Assessment
- Customer Offer
Los agentes:
- deciden qué servicios usar
- coordinan la ejecución
- agregan resultados
Esto reduce la necesidad de orquestaciones rígidas en middleware tradicional.
Ejemplo:
Solicitud compleja:
“Quiero aumentar el límite de mi tarjeta y saber mi saldo disponible.”
3. Mejora del modelo de Customer Journey de BIAN
BIAN busca soportar Customer Journeys end-to-end.
Los agentes ayudan a:
- interpretar intención
- navegar procesos complejos
- automatizar pasos
- mantener contexto
Ejemplo de journey:
El agente coordina múltiples Service Domains.
4. Reducción de complejidad en integración
Las arquitecturas BIAN suelen tener:
- Muchos microservicios
- APIs
- Eventos
Los agentes pueden actuar como capa semántica inteligente.
Beneficios:
- Simplificación de integración
- Menor acoplamiento
- Interfaces conversacionales sobre APIs
Ejemplo:
5. Automatización del soporte interno (BIAN Internal Operations)
Los agentes también pueden apoyar procesos internos:
Ejemplos:
- Soporte a empleados
- Consulta de políticas
- Operaciones de backoffice
Consultando dominios BIAN como:
- Document Management
- Operational Services
- Customer Support Services
6. Los agentes autónomos actúan como capa de composición dinámica.
Solicitud compleja:
“Quiero aumentar el límite de mi tarjeta y saber mi saldo disponible.”
El sistema podría coordinar:
- Card Management
- Customer Profile
- Risk Assessment
- Customer Offer
Los agentes:
- Deciden qué servicios usar
- Coordinan la ejecución
- Agregan resultados
Esto reduce la necesidad de orquestaciones rígidas en middleware tradicional.
¿Ahora cómo hacemos que esta Orquestación de múltiples agentes funcione adecuadamente?
El siguiente paso en la automatización empresarial y uno de los avances más relevantes en inteligencia artificial aplicada a negocios es la orquestación de múltiples agentes (Multi-Agent Orchestration). En lugar de depender de un único asistente virtual, las organizaciones pueden desplegar ecosistemas de agentes especializados que colaboran entre sí para resolver tareas de forma coordinada.
En este modelo, cada agente cumple un rol específico dentro de un proceso. Por ejemplo, un agente puede encargarse de interpretar la solicitud del usuario, otro de consultar bases de conocimiento o sistemas corporativos, mientras que otro puede generar la respuesta final o ejecutar una acción dentro de los sistemas de la organización.
La orquestación permite que estos agentes trabajen como un equipo digital, intercambiando información y delegando tareas según la complejidad de la solicitud. Esto facilita la automatización de procesos que anteriormente requerían múltiples sistemas y la intervención de varios equipos humanos.
En escenarios de atención al cliente o soporte interno, esta arquitectura permite crear flujos donde:
- Un agente de interacción recibe la solicitud por chat o voz.
- Un agente de comprensión interpreta la intención del usuario.
- Un agente de conocimiento consulta documentación, FAQs o bases de datos empresariales.
- Un agente de resolución genera la respuesta o ejecuta la acción requerida.
- Si es necesario, un agente de escalamiento deriva el caso a un especialista humano.
Esta arquitectura no solo mejora la capacidad de automatización, sino que también permite construir sistemas más flexibles, escalables y adaptables, permite monetizar por unidad de negocio el uso y consumo de cada agente en función de la demanda.
La orquestación de agentes representa así un cambio fundamental en la forma en que las empresas diseñan sus plataformas digitales, pasando de aplicaciones monolíticas a ecosistemas inteligentes de agentes colaborativos.
El futuro del soporte empresarial con agentes de AI
Con tecnologías como Amazon Bedrock, Amazon Connect y modelos avanzados como Claude, hoy es posible diseñar plataformas de atención que combinan automatización, inteligencia artificial y experiencia humana, marcando el inicio de una nueva generación de servicios digitales.
En Arkkosoft, seguimos explorando estas tecnologías para ayudar a las organizaciones a modernizar sus procesos de atención y soporte, llevando la inteligencia artificial aplicada a casos reales de negocio.
Llámanos y te indicaremos como avanzar en tu estrategia de Inteligencia artificial.
