Goldman Sachs limita la IA para programar solo a sus ingenieros

El banco retiró Claude Code y GitHub a traders y banqueros tras meses de prueba. La lección para la pyme: gobernar la IA también es adoptarla.

Después de meses de dejar que sus banqueros y traders programaran con inteligencia artificial, Goldman Sachs decidió que esas herramientas se quedan solo con sus ingenieros. No es un paso atrás en la IA: es una decisión de gobierno que cualquier empresa que la adopta tendrá que tomar.

Por Editorial Auge · 4 de noviembre de 2026

Según Bloomberg, una guía interna publicada en octubre restringe el uso de Claude Code, de Anthropic, y de las herramientas de GitHub, de Microsoft, a los cerca de 12,000 ingenieros del banco. La mayoría de los banqueros y traders perdió el acceso. Los llamados strats, perfiles que combinan trading, análisis cuantitativo y programación, lo conservan, de acuerdo con FA Magazine. Las herramientas internas de IA de Goldman siguen disponibles para toda la firma.

Durante meses, el banco había permitido que su personal no técnico usara estas herramientas para seguir los flujos de operaciones de sus clientes, modelar posiciones y crear materiales escritos y gráficos. En julio, su director de información, Marco Argenti, incluso celebró el vibe coding: empleados sin formación técnica que describían una idea en lenguaje natural para que la IA la convirtiera en un prototipo que después afinaba un ingeniero.

El vocero Nick Carcaterra explicó que Goldman prueba herramientas de IA, evalúa factores como la productividad y la gestión de riesgos, y después las asigna a quienes mejor pueden aprovecharlas a largo plazo. Lo describió como un paso de rutina, no como una marcha atrás. El banco no ha publicado los resultados de su evaluación.

La IA no se reparte por igual. Una herramienta que multiplica el trabajo de un ingeniero puede volverse un riesgo en manos de quien no sabe revisar lo que produce. Goldman no frenó la IA: la asignó por capacidad, no por puesto.

Probar primero, decidir después. El banco dejó experimentar durante meses antes de decidir. Abrir la puerta a todos sin medir, o cerrarla sin explicar, son los dos errores más comunes. Goldman siguió una regla sencilla: prueba, evaluación y asignación.

Los bancos están marcando la pauta del control. JPMorgan advirtió que no permitirá agentes de IA externos dentro del banco, y Bank of America limita lo que esos agentes pueden hacer con las cuentas de sus clientes, según PYMNTS. En las industrias reguladas, gobernar la IA ya es parte del negocio.

Para una pyme en México, la lección no es usar menos IA, sino decidir quién la usa, para qué y con qué controles.

Asigna por tarea, no por entusiasmo. Las licencias de IA rinden más cuando las tiene quien sabe aprovecharlas y revisar el resultado, no quien las pidió primero.
Toda herramienta necesita a alguien que revise. Si la IA genera código, fórmulas, contratos o reportes, una persona con criterio debe validarlos antes de que lleguen a un cliente.
Experimenta con fecha de corte. Un piloto de 30 a 60 días con métricas claras te dice qué conservar, a quién dárselo y qué cancelar.

El área de oportunidad

Vale la pena hacer un inventario de las herramientas de IA que usa tu equipo: quién las usa, para qué y con qué información de la empresa.
Conviene definir una regla sencilla de uso: qué datos nunca se cargan en herramientas externas y qué resultados necesitan revisión antes de salir.
Un piloto con fecha de corte puede ayudarte a decidir: elige un área, mide durante un mes el tiempo ahorrado y los errores, y asigna las licencias a quien demuestre resultados.

La pregunta para tu próxima junta: ¿Quién usa IA hoy en nuestra empresa, con qué información, y quién revisa lo que produce?

Desde mi punto de vista

Me gusta esta noticia porque desmonta un mito: que adoptar inteligencia artificial es dársela a todos y ver qué pasa. Goldman, una de las organizaciones que más invierte en tecnología en el mundo, hizo lo contrario: experimentó, midió y decidió.

En las empresas veo el mismo patrón: el problema casi nunca es la falta de herramientas, sino la falta de reglas. La IA da mejores resultados cuando cada persona sabe para qué la usa, con qué información y quién responde por lo que produce. Eso no frena la innovación; la vuelve sostenible.

¿Tú cómo lo ves? Compárteme tu opinión en la Comunidad Augenet.