Banco Santander presentó en junio las métricas de su estrategia AI-first: 40% del código interno se escribe con IA, 17.000 personas usan IA agéntica en desarrollo de software y los accesos se han ampliado a los 185.000 empleados del grupo. El primer trimestre de 2026 generó 35 millones de euros en valor de negocio — el primer caso español de IA con retorno de inversión medible en un entorno regulado. La proyección para el año completo supera los 200 millones.
Los números concretos importan más que el titular: 280 agentes de automatización en producción, 100.000 alertas de lavado de dinero procesadas anualmente con IA, 90% de automatización en reclamaciones de fraude con tasa de error inferior al 1%. Son métricas de un entorno auditado con consecuencias legales. Para quien necesita justificar inversión ante dirección, ese contexto es el argumento.
Los resultados del Santander no llegaron en un trimestre: descansan sobre años de preparación de datos, gobernanza interna y estructura técnica. La mayoría de empresas medianas no tiene esa base. La diferencia práctica: donde el Santander tarda meses en desplegar un agente, una empresa con los procesos documentados puede tardar semanas con plataformas actuales. Pero primero necesita saber exactamente qué proceso automatizar y qué datos tiene disponibles.
Si necesitas un benchmark para tu business case de IA, el caso Santander ofrece tres métricas que cualquier iniciativa debería medir: reducción de errores, horas ahorradas y valor de negocio directo. Empieza por un proceso donde el antes y el después sean claros. Los 280 agentes del Santander empezaron, uno a uno, exactamente así.