La inteligencia artificial en el punto de mira del empleo bancario europeo
La inteligencia artificial podría acabar con más de 200.000 puestos de trabajo en la banca europea antes de 2030. Así lo refleja un análisis de Morgan Stanley que sitúa esa cifra en torno al 10% de los 2,12 millones de empleados del sector en el continente. El motor de fondo es la apuesta creciente por la automatización como vía para mejorar la rentabilidad.
Datos clave
- Previsión de recortes de más de 200.000 empleos en la banca europea hasta 2030
- Ámbito: Europa, con impacto en los 35 grandes bancos europeos analizados
- Protagonistas: Morgan Stanley (análisis), bancos e inversores del continente
- Por qué importa: la IA puede acelerar procesos y transformar el empleo, especialmente en funciones de soporte
La IA amenaza sobre todo los "servicios centrales" y las funciones de apoyo
El estudio de Morgan Stanley señala que la IA podría eliminar 1 de cada 10 empleos en las 35 mayores instituciones bancarias europeas analizadas. Las áreas con mayor exposición son los denominados "servicios centrales": middle-office, back-office, cumplimiento normativo y gestión de riesgos.
Estas funciones comparten un patrón claro: tareas repetitivas, reglas bien definidas y grandes volúmenes de datos como documentos, formularios, transacciones e informes. Es precisamente en ese terreno donde la IA gana protagonismo: clasificación documental, extracción de datos, conciliaciones, redacción de borradores, apoyo a auditorías y primeras líneas de análisis en control interno.
En la práctica, el riesgo no siempre implica una "sustitución directa". Muchas de las reducciones se producen por no reposición de bajas —jubilaciones y rotación natural— y por la reorganización de equipos hacia estructuras más reducidas y automatizadas.
Niccolò Ubertalli, consejero delegado del CCF (antes HSBC France), declaró que "la IA ya ha eliminado empleos en la parte que no está en contacto con los clientes". Como ejemplo citó el crédito hipotecario, que ahora puede aprobarse en un solo día, frente a las varias semanas que requería anteriormente. Este tipo de aceleración funciona bien con datos estructurados —ingresos, historial, registros—, aunque en los casos complejos la revisión humana sigue siendo determinante.
La presión de los inversores acelera la automatización en la banca europea
El objetivo de reforzar los beneficios y la eficiencia es el verdadero motor de esta carrera hacia la automatización. Morgan Stanley subraya que los bancos europeos continúan rezagados respecto a sus homólogos norteamericanos en rentabilidad, e identifica a Francia y Alemania como los países más expuestos, precisamente por sus ratios de costes especialmente elevados.
Con los inversores exigiendo mejoras en el ratio coste/ingresos, la IA se presenta como la herramienta para recortar gastos. Sin embargo, no siempre genera un ahorro inmediato. Implementar inteligencia artificial en banca conlleva costes y complejidad: integración con sistemas heredados, revisión de procesos, seguridad, gobernanza de modelos y requisitos de auditabilidad.
Además, áreas como AML/KYC, protección de datos y reporte regulatorio suelen requerir controles adicionales, lo que puede limitar los beneficios a corto plazo. Aun así, "muchos bancos hablan de ganancias de eficiencia que pueden alcanzar el 30% gracias a la IA", según escriben los analistas de Morgan Stanley.
Recortes ya en marcha: ABN Amro y Société Générale en el foco
La reestructuración, según el estudio, ha dejado de ser un escenario futuro. El banco neerlandés ABN Amro ya anunció su intención de reducir casi el 20% de su plantilla antes de 2028.
En Francia, el director general de Société Générale, Slawomir Krupa, advirtió que "nada es sagrado" en el plan de reducción de costes, una formulación interpretada como apertura a recortes en múltiples áreas y niveles jerárquicos.
Un matiz importante que a menudo se subestima: cuando se automatizan funciones de soporte, los recortes tienden a concentrarse en tareas de alto volumen y reglas estables —operaciones, reporting, validaciones rutinarias—. Las funciones más cercanas a decisiones de calado —crédito complejo, riesgo de modelo, cumplimiento de alto impacto— tienden a evolucionar hacia perfiles con mayor capacidad de supervisión y control.
UBS y JPMorgan piden prudencia y defienden los "fundamentos"
No todos los analistas creen que la promesa de productividad se haya traducido ya en resultados tangibles. Jason Napier, responsable de análisis sobre banca europea en UBS, afirma que "los bancos todavía no reportan mejoras en términos de eficiencia" y que "estas herramientas tan potentes aún no se han implementado del todo".
Aun así, UBS considera que 2026 podría ser un punto de inflexión, siempre que la IA demuestre un impacto real. El grupo envió a 250 altos directivos a una cumbre dedicada a la inteligencia artificial celebrada en Oxford, tratando el asunto como una prioridad estratégica.
También hay advertencias sobre los riesgos de una adopción precipitada. Conor Hillery, codirector general de JPMorgan Chase para Europa, sostiene que "en la carrera hacia la IA, no podemos perder de vista los fundamentos". En banca, eso implica saber evaluar riesgos, comprender productos, detectar fallos de control y cumplir la normativa, porque la IA puede cometer errores —incluidas "alucinaciones" en textos— y, sin una base sólida, la supervisión se convierte en mera validación automática.
La tendencia va más allá de Europa: Goldman Sachs y el proyecto "Mercury" de OpenAI
La presión sobre el empleo bancario no es un fenómeno exclusivamente europeo. En Estados Unidos, Goldman Sachs alertó a sus trabajadores en octubre sobre recortes y una congelación de contrataciones hasta finales de 2025, dentro del programa "OneGS 3.0", enfocado en la integración de clientes y el reporte regulatorio.
Por otro lado, Bloomberg informó de que OpenAI puso en marcha un proyecto denominado "Mercury" con el objetivo de desarrollar una IA capaz de sustituir a analistas júnior en tareas de modelización financiera. Según esa misma información, se habrían incorporado al proyecto más de 100 ex-banqueros.
Incluso cuando la IA automatiza partes del análisis, bancos y reguladores suelen exigir la presencia humana en las decisiones relevantes: validación de premisas, coherencia de modelos, trazabilidad y control de versiones, especialmente cuando hay impacto en clientes, capital regulatorio o riesgo operacional.
Por qué esta noticia es relevante
Si se confirman, las cifras avanzadas por Morgan Stanley apuntan a una de las mayores transformaciones del empleo bancario en Europa en décadas, con un impacto directo en funciones críticas —aunque menos visibles—, como el riesgo y el cumplimiento normativo. En países donde los bancos también enfrentan presión por la eficiencia y una fuerte carga regulatoria, el efecto podría traducirse menos en despidos inmediatos y más en recualificación profesional, centralización de funciones y reducción de nuevas contrataciones en puestos de procesamiento.
Al mismo tiempo, la brecha entre la promesa de ganancias —hasta un 30% en eficiencia, según Morgan Stanley— y la cautela de analistas como los de UBS sugiere que el impacto real dependerá de cómo se implemente: calidad de los datos, integración en los procesos, controles internos, privacidad y seguridad. En un sector tan regulado, avanzar rápido sin una gobernanza adecuada puede salir caro, en forma de fallos operativos, incidentes de datos y decisiones difíciles de justificar.
