Impulsar el consentimiento en la banca abierta con MongoDB e IA agéntica

La banca abierta y las finanzas abiertas (OB&OF) solo escalan si los clientes pueden otorgar y renovar el consentimiento de una forma segura, transparente y sencilla; sin embargo, hoy en día la fricción relacionada con el consentimiento hace que más de la mitad de los usuarios abandonen experiencias digitales que, de otro modo, tendrían un alto valor. Este blog muestra cómo las instituciones financieras pueden utilizar MongoDB, la IA agéntica, MongoDB Atlas Vector Search y MongoDB MCP Server para convertir flujos de consentimiento fragmentados en un único recorrido auditable que reduce el abandono e impulsa el crecimiento de las finanzas abiertas.

A medida que los consumidores reconocen el valor de sus datos, están cada vez más dispuestos a compartirlos cuando la experiencia es clara y confiable. Una investigación de Mastercard reciente muestra que el 76 % de los consumidores cambiaría de proveedor para obtener una mejor gestión del dinero digital, y el 82 % está dispuesto a compartir sus datos para simplificar las solicitudes de préstamo o asegurar tasas de interés más favorables.

Según CGAP, el ecosistema de finanzas abiertas de Brasil ya conecta más de 41 millones de cuentas y, en Estados Unidos, la norma de la sección 1033 de la CFPB está formalizando los derechos de acceso a los datos de los consumidores.

Históricamente, las instituciones financieras controlaban en gran medida los datos financieros de los clientes. OB&OF transforma este modelo desplazando el equilibrio de poder hacia los consumidores y, al mismo tiempo, reforzando el rol de las instituciones como custodios de confianza de los datos. En términos prácticos, los consumidores obtienen mayor control sobre qué terceros pueden acceder a sus datos financieros, qué datos se pueden compartir y durante cuánto tiempo. En el corazón de este cambio está el consentimiento informado y explícito, que permite a los consumidores autorizar y gestionar el acceso a sus datos financieros. Este cambio también refuerza el paso de un modelo centrado en el producto a otro más centrado en el cliente, ya que las instituciones financieras compiten cada vez más para ganar y conservar la confianza, la interacción y la relevancia del cliente, en lugar de depender principalmente del control de la relación y los datos del cliente.

Figura 1. El cambio de poder en la relación.

Un desafío en OB&OF es que los recorridos de consentimiento no se han mantenido al día. El lenguaje jurídico denso, los ciclos recurrentes de reautenticación cada 90 días y las redirecciones inconexas ahora bloquean la adopción más que la propia regulación: proveedores como TrueLayer informan tasas de abandono superiores al 50 % durante los flujos de consentimiento, y el análisis de CGAP sobre el mercado de Brasil destaca la fricción en el recorrido de consentimiento como un impedimento principal para la participación en el ecosistema.

Para resolverlo, las instituciones necesitan una forma más clara de definir qué se autoriza y una mejor experiencia de usuario para concederlo. El marco DPSD, alcance, propósito, origen y duración de los datos, ofrece a todos un modelo compartido de consentimiento. El resto de este blog muestra cómo un copiloto de IA agéntica, respaldado por MongoDB como la capa unificada de consentimiento y memoria, puede operacionalizar DPSD sin añadir más fricción.

¿Cómo organiza el consentimiento el marco DPSD en OB&OF?

La gestión eficaz del consentimiento en OB&OF se basa en el marco DPSD, que desglosa cada consentimiento en cuatro parámetros claros:

• Alcance de datos: define los niveles específicos de sensibilidad de clúster y acceso de datos que se solicitan, rango desde datos compartibles hasta registros privados y altamente privados, que deben establecerse formalmente en los Términos y condiciones del servicio.
• Propósito: define la razón explícita de la recopilación de datos.
• Institución de origen e identidad: identifica al titular de los datos y al destinatario.
• Duración del acceso: define el marco temporal de autorización para el destinatario.

¿Qué casos de uso de OB&OF dependen del consentimiento explícito del consumidor?

Como se detalla en el libro blanco Finanzas abiertas de siguiente generación con MongoDB e IA agéntica, varias ofertas de gran valor centradas en el cliente no pueden funcionar sin esta estructura de permiso formal, como:

• Gestión financiera personal proactiva (PFM): agrupa cuentas de varios bancos, préstamos y carteras de inversión en un único tablero para proporcionar perspectivas de gasto en tiempo real y estrategias de mejora del crédito.
• Servicios de iniciación de pagos (PIS): permite pagos instantáneos, transferencias recurrentes y solicitudes de crédito entre proveedores dentro de aplicaciones de terceros, sin pasar por los portales bancarios de origen.
• Calificación crediticia alternativa: utiliza hábitos de transacción, pagos de servicios públicos y datos de flujo de caja para automatizar la suscripción digital y acelerar las aprobaciones de crédito para consumidores con historiales crediticios limitados.
• Portabilidad de crédito y préstamos: agrega datos históricos de rendimiento para automatizar las comparaciones de tasas y la preparación de documentos, brindando a los consumidores mejores opciones financieras.

¿Por qué se interrumpe el consentimiento en OB&OF?

El consentimiento falla porque la experiencia de usuario (UX), la complejidad legal y los flujos de reautenticación cada 90 días hacen que los consumidores abandonen casos de uso que, de otro modo, serían valiosos. Aunque el marco DPSD parece sencillo sobre el papel, la implementación en el mundo real está llena de desafíos que erosionan la confianza de los consumidores:

• Complejidad jurídica: los consumidores a menudo se sienten abrumados por una terminología jurídica densa en lugar de recibir explicaciones claras y en un lenguaje sencillo de los acuerdos.
• Diseño de UX manipulador: los patrones de diseño deficientes pueden inducir a los usuarios a compartir datos en exceso o crear obstáculos innecesarios al intentar revocar el acceso.
• Fricción de la interfaz: el exceso de pasos y la navegación inconexa entre aplicaciones de terceros y portales bancarios degradan la experiencia del usuario y reducen la transparencia.
• Problemas de seguridad: La falta de familiaridad con nuevos proveedores suele generar ansiedad en los consumidores respecto a la privacidad de los datos y a un posible uso indebido.

¿Dónde se produce la fricción de consentimiento en el recorrido OB&OF?

Para identificar dónde la IA agéntica puede aportar el mayor valor, debemos analizar el proceso de consentimiento estándar según las FDX User Experience Guidelines.

Figura 2. Flujo de otorgamiento de consentimiento para el uso compartido de datos.

En este flujo, surgen varios puntos críticos de fricción donde los usuarios se sienten abrumados o perdidos:

• Aclaración de valor: muchos usuarios abandonan el proceso temprano porque los beneficios de OB&OF no están claramente articulados.
• Negociación de parámetros: la jerga compleja dificulta que los usuarios entiendan los parámetros de DPSD o negocien el acceso a los datos de forma parcial y granular.
• Confusión por redireccionamiento: La transición entre aplicaciones y portales institucionales suele crear un "abismo de redireccionamiento" en el que los usuarios pierden el contexto del proceso.
• Fatiga de autenticación: el requisito recurrente de reautenticación de 90 días crea una fricción y una frustración significativas en los usuarios.
• Brechas de transparencia: las instituciones a menudo no ofrecen paneles centralizados que muestren claramente las autorizaciones activas y los límites de uso compartido de datos.

Cuando este viaje cuenta con el respaldo de MongoDB como capa compartida de memoria operativa y de IA, un copiloto agéntico puede explicar los compromisos en un lenguaje sencillo en cada paso, en lugar de obligar a los usuarios a realizar redireccionamientos opacos y formularios estáticos.

¿Cómo puede la IA agéntica actuar como copiloto de consentimiento en OB&OF?

Un copiloto de consentimiento basado en IA agéntica sustituye los formularios estáticos por una guía conversacional que explica las ventajas y desventajas en lenguaje sencillo, guía a los usuarios durante las redirecciones bancarias y automatiza la reautenticación, al tiempo que conserva una trazabilidad completa y permite la revocación instantánea. Optimiza la experiencia mediante:

1. Simplificación de la jerga: traducción de legalidades complejas de DPSD a un lenguaje claro y conversacional.
2. Navegación guiada: proporciona orientación en tiempo real y paso a paso durante las redirecciones bancarias para establecer expectativas claras para el usuario.
3. Automatización de la reautenticación: la gestión segura de los ciclos de reautenticación de 90 días a través de la aprobación biométrica sencilla reemplaza los inicios de sesión engorrosos de varios pasos. Fundamentalmente, este proceso opera con trazabilidad de extremo a extremo y registros de auditoría inmutables, lo que brinda a los consumidores una visibilidad completa y la capacidad inmediata de revocar el consentimiento en cualquier momento.
4. Habilitación del control granular: permitir que los usuarios seleccionen fácilmente el uso compartido de datos parcial (por ejemplo, el uso compartido de datos de cuentas de cheques mientras se excluyen los ahorros).

Figura 3. La IA agéntica como copiloto de consentimiento.

Figura 4. Visión general de la arquitectura: integración de la IA agéntica y MongoDB para permitir el flujo de concesión de consentimiento.

Por qué MongoDB es el facilitador de la IA agéntica

MongoDB proporciona la capa de datos unificada y la infraestructura de inteligencia artificial que estos agentes necesitan: almacenar registros de consentimiento y el estado de los agentes, impulsar la búsqueda vectorial sobre el contenido de las ofertas de las instituciones legales y financieras, y exponer herramientas seguras a través de MCP para que los agentes puedan actuar de forma segura en nombre del cliente. Para los líderes de TI que planifican el futuro de los servicios financieros, la IA de agentes solo funciona a escala si cuenta con una capa de datos unificada para el consentimiento, el estado y la memoria, que es lo que ofrece MongoDB.

MongoDB se encuentra en una posición única como capa de datos fundamental para esta arquitectura:

1. Perfiles, objetivos y flujos de trabajo de agentes: las finanzas abiertas exigen gestionar transiciones de estado de varios pasos junto con niveles granulares de autorización, que van desde metadatos de cuentas que se pueden compartir hasta registros altamente privados. El flexible modelo orientado a documentos de MongoDB simplifica esta complejidad al incorporar estados dinámicos de los agentes, objetivos en evolución y ámbitos de permisos escalonados directamente en un único documento. Esto permite a las aplicaciones actualizar los niveles de autorización de consentimiento y rastrear el progreso de los flujos de trabajo de los agentes en tiempo real, sin migraciones rígidas de esquemas ni costosas uniones entre varias tablas.
2. Historial de instrucciones: mantener un registro de auditoría verificable de las instrucciones de la IA y las decisiones de consentimiento del usuario es fundamental para el cumplimiento. MongoDB gestiona de forma eficaz historiales de instrucciones con marca de tiempo de gran volumen.
3. Memoria a corto y largo plazo: para funcionar como un copiloto verdaderamente personalizado, un agente de IA necesita memoria. MongoDB unifica la gestión del estado conversacional a corto plazo (la sesión actual) y la memoria a largo plazo (las preferencias históricas y los ciclos de reautenticación de 90 días) en una única plataforma.
4. Búsqueda de vectores: MongoDB Atlas Vector Search almacena las incrustaciones de vectores junto con los datos operativos. Esto permite que la IA recupere al instante explicaciones simplificadas y relevantes de la jerga legal compleja en función de la similitud semántica.
5. Integración de Voyage AI: mediante la integración de modelos de incrustación y reclasificación avanzados como Voyage AI con MongoDB Atlas Vector Search, el sistema logra una recuperación contextual ultraprecisa, garantizando que el agente de IA proporcione interpretaciones precisas de términos y normativas financieros.
6. Integración del servidor MCP: a través del Model Context Protocol (MCP), MongoDB conecta de forma segura los modelos de IA directamente con las fuentes de datos de las empresas. Esto permite a los agentes leer perfiles de consentimiento de usuarios y datos transaccionales, así como ejecutar llamadas a la API en nombre del usuario, con controles de acceso estrictos. El servidor MCP actúa como traductor y permite a los agentes comunicarse directamente con las operaciones de la base de datos.

Figura 5. Cómo MongoDB permite y acelera la IA agéntica.

Figura 6. Un enfoque de arquitectura abierta permite que el chatbot agente responda preguntas ad hoc sobre el acceso concedido a los datos, las cuentas de los clientes, las transacciones y los productos al consultar a MongoDB directamente a través del servidor MCP. Este diseño flexible permite a las instituciones financieras integrar sus modelos de lenguaje largo o corto para empresas y sus marcos de trabajo de IA preferidos.

conclusiones

Al combinar la IA agéntica con MongoDB, las instituciones financieras pueden transformar el consentimiento de un cuello de botella en el cumplimiento en una ventaja competitiva, mejorando la satisfacción del cliente, reduciendo los costos operativos y fortaleciendo la auditabilidad en sus ecosistemas de Open Finance.

• Mayor satisfacción del cliente y NPS: genera confianza mediante transparencia en lenguaje sencillo, incorporación sin fricciones y menor abandono de usuarios.
• Menores costos operativos: automatiza las explicaciones y la orientación de los Términos y condiciones complejos, lo que reduce significativamente los gastos generales del centro de llamadas y el soporte humano.
• Trazabilidad y auditabilidad: proporciona registros de auditoría completos y verificables para cada concesión, modificación y evento de uso compartido de datos.

Con MongoDB como base de las funciones de memoria, estado y vector de estos agentes de IA, las instituciones financieras cuentan con la plataforma de desarrollador unificada necesaria para ofrecer experiencias OB&OF seguras, escalables y sofisticadas sin complicaciones de arquitectura.