La intel·ligència artificial avança a un ritme imparable, i amb ella la promesa d'agents autònoms capaços de gestionar les nostres finances: pagar factures, cancel·lar subscripcions, comparar assegurances o moure fons entre comptes. Però abans que una IA pugui gastar els teus diners de manera segura, hi ha un obstacle regulatori i tècnic que pocs estan abordant amb serietat: el KYC per a robots. Aquest concepte, heretat del món financer, exigeix que qualsevol entitat que operi en el sistema bancari sigui identificada, verificada i monitoritzada. I una intel·ligència artificial, per si sola, no pot passar aquest filtre.
Durant dècades, els bancs han construït un entramat de controls —autenticació, autorització, coneixement del client (KYC), prevenció del blanqueig de capitals (AML) i assignació de responsabilitats— que funcionen perquè l'actor final és sempre una persona física o jurídica. Quan un agent d'IA actua en nom d'un usuari, tot aquest sistema es trenca. L'autenticació forta (SCA) exigeix un factor biomètric o un dispositiu físic; l'agent no té cos. L'autorització mitjançant mandats està pensada per a relacions lentes i llegibles; un agent pot operar a velocitat de màquina, fent centenars de transaccions en segons. El KYC no sap com tractar un algoritme, i els models de detecció de frau confonen l'activitat ràpida de l'agent amb un accés no autoritzat.
En aquest escenari, la pregunta clau no és com fer que la IA passi el KYC tradicional, sinó com construir un nou marc on l'agent sigui una extensió verificable d'una persona ja identificada. És a dir, no es tracta de fer due diligence al robot, sinó de lligar cada acció de l'agent a un humà concret, amb un mandat definit, revocable en temps real i demostrable criptogràficament. Això és exactament el tipus d'infraestructura que empreses com Q2BSTUDIO desenvolupen: aplicacions a mida que integren identitat, autorització i traçabilitat, utilitzant cloud AWS/Azure per escalar i ciberseguretat per protegir cada transacció.
La primera capa necessària és la vinculació de l'agent a una identitat verificada. El banc ha de poder confirmar que cada petició de pagament signada per l'agent prové d'un usuari que ha superat KYC i AML, i que actua dins d'uns límits preestablerts. Això requereix un token criptogràfic que l'agent porti en cada operació, similar a un poder notarial digital però a velocitat de màquina. És aquí on la IA generativa i els models de llenguatge poden ajudar a generar i validar aquests permisos de forma dinàmica, però la base és un sistema d'identitat robust.
La segona capa és el mandat granular. En lloc de permetre 'pagar qualsevol cosa', l'usuari ha de configurar categories, topalls, contraparts autoritzades i límits de velocitat. Per exemple, un agent personal podria tenir un mandat per pagar subscripcions de fins a 50 euros al mes, però no per a transferències internacionals. Aquests mandats s'han de registrar en una entitat central (el banc o un registre descentralitzat) i ser revocables a l'instant. La revocació immediata és crítica: si l'agent comença a comportar-se de forma anòmala —per exemple, després de ser compromès per un prompt maliciós— l'usuari ha de poder prémer un 'kill switch' que aturi totes les operacions en mil·lisegons. La infraestructura per a això no és trivial i requereix automatització de processos i orquestració en cloud AWS/Azure, exactament els serveis que Q2BSTUDIO ofereix per a entorns crítics.
La tercera capa és l'adaptació dels sistemes de monitorització. Els models de frau actuals estan entrenats amb patrons humans: horaris, freqüències, tipus de comerç. Un agent d'IA treballarà 24/7, farà transaccions a intervals irregulars i potser en mercats poc habituals. Perquè aquests sistemes no bloquegin constantment l'agent, cal afegir una nova categoria: 'agent autoritzat, mandat conegut, patró esperat'. Això implica invertir en BI/Power BI per visualitzar i ajustar aquests patrons, i en ciberseguretat per assegurar que només agents verificats puguin operar sota aquesta categoria.
La quarta capa és l'assignació de responsabilitat. Avui, si un agent autoritzat fa un pagament erroni però dins del seu mandat, la llei tendeix a posar el pes sobre l'usuari ('tu ho vas autoritzar'). Això és insostenible, perquè un agent pot ser manipulat per un atac d'injecció de prompt o simplement cometre un error lògic. Necessitem un marc on la responsabilitat es divideixi: si l'agent va actuar dins del mandat, l'usuari assumeix el risc; si va actuar fora, és un fallada de seguretat i el banc o el proveïdor de l'agent han de respondre. Aquesta delimitació és un camp fèrtil per al desenvolupament d'aplicacions a mida que integrin assegurances intel·ligents o contractes programables.
Des de l'òptica empresarial, el banc o la fintech que resolgui primer aquest trencaclosques —com dir 'sí' als agents amb seguretat— tindrà un avantatge competitiu d'una dècada. Però no n'hi ha prou amb la tecnologia; calen estàndards oberts perquè el registre de mandats no sigui un coll d'ampolla controlat per un sol actor. El risc que una empresa capturi aquest punt de control i el converteixi en un monopoli d'identitat és real. Per això, iniciatives com les que impulsa Q2BSTUDIO en l'àmbit de la ciberseguretat i la IA són crucials: construir infraestructura transparent, auditable i descentralitzada on la confiança no depengui d'un sol proveïdor.
El camí cap a un agent d'IA que pugui gastar els teus diners de forma segura no és un problema d'algoritmes, sinó de fontaneria financera i regulatòria. La capacitat de raonament dels models actuals és suficient; el que falta són els rails: identitat verificada, mandats granulars i revocables, monitorització adaptativa i un repartiment de responsabilitats clar. Empreses com Q2BSTUDIO, amb experiència en desenvolupament d'aplicacions a mida, cloud AWS/Azure, BI/Power BI i ciberseguretat, estan preparades per construir aquests rails. La pregunta final per a qualsevol usuari és: quin pagament no deixaries mai que el teu agent fes sense mirar-te als ulls primer?
