Barclays escala Claude: 16.000 empleados en el asistente de conocimiento y 120.000 correos diarios clasificados con IA

Anthropic publicó el jueves 1 de octubre de 2026 el detalle de cómo Barclays escaló el uso de Claude dentro del banco. Las cifras son las que importan para cualquiera que esté tratando de justificar una inversión en inteligencia artificial: más de 16.000 empleados ya usan el asistente interno de conocimiento, que acumula más de un millón de búsquedas, y la división de Global Markets procesa 120.000 correos al día con clasificación y enrutamiento basados en Claude.

El banco, que atiende a más de 20 millones de clientes de banca minorista en el Reino Unido, también fijó metas públicas de adopción en desarrollo de software: espera que 50% de sus desarrolladores use Claude Code al cierre de 2026 y que la mayoría de sus ingenieros de software lo use durante 2027.

¿Qué casos de uso están efectivamente en producción?

El anuncio describe cuatro frentes concretos, no pilotos:

• Colleague Knowledge Assistant: un asistente que responde preguntas de los empleados sobre procedimientos y políticas para atender a clientes, construido con una arquitectura de generación aumentada por recuperación.
• Clasificación y enrutamiento de correo en Global Markets, con el volumen diario de 120.000 mensajes.
• Desarrollo de software con Claude Code, donde se concentran las metas de adopción.
• Modernización de sistemas heredados, el frente menos visible y habitualmente el más caro de un banco.

Anne Marie Darling, Group Co-Chief Operating Officer, resumió el criterio con el que el banco mide: «la verdadera medida de cualquier tecnología es el impacto que tiene en los clientes y en los colegas». Craig Bright, también Group Co-Chief Operating Officer, apuntó a que «la ingeniería de software y la ciberseguridad están siendo remodeladas por sistemas de inteligencia artificial cada vez más capaces». Paul Smith, Chief Commercial Officer de Anthropic, puso el foco en el asistente: «Claude ahora ayuda a 16.000 colegas de Barclays a encontrar respuestas para sus clientes».

¿Por qué estas cifras son más útiles que los anuncios de adopción habituales?

Porque están expresadas en unidades verificables de operación, no en porcentajes de intención. La diferencia es relevante. Buena parte de lo que circula como evidencia de adopción mide licencias compradas, encuestas de percepción o cantidad de agentes activos. Aquí hay tres números que se pueden auditar hacia atrás: usuarios reales de una herramienta interna, consultas acumuladas y volumen diario procesado en un proceso específico. Ese es el formato en el que un comité de inversión puede comparar un antes y un después.

También hay un dato de ritmo. El banco no declaró adopción total: declaró una meta parcial y fechada para desarrollo (50% de desarrolladores a fin de 2026, mayoría de ingenieros en 2027). Eso describe una curva de despliegue de varios trimestres en una organización con restricciones regulatorias severas, lo que es un contrapeso sano frente a los plazos de semanas que se prometen en demostraciones comerciales.

¿Qué significa para las empresas en Chile y Latinoamérica?

Ninguna empresa mediana de Chile o Latinoamérica va a replicar el presupuesto de Barclays, y no hace falta. Lo replicable es el orden de la secuencia. Barclays no empezó por un agente que habla con clientes: empezó por un asistente que responde preguntas internas con la documentación propia, y por una tarea de clasificación de alto volumen y bajo riesgo. Ambas cosas comparten tres atributos que explican por qué funcionan primero: tienen un volumen medible, tienen una respuesta correcta verificable y su error no llega al cliente final.

Traducido a una operación comercial de la región, los equivalentes directos son el asistente de conocimiento sobre la base de documentación de producto, precios y políticas de descuento para que los vendedores dejen de preguntar por canales informales, y la clasificación de formularios, correos entrantes y tickets para asignar al dueño correcto. Son dos casos que no requieren rediseñar el proceso comercial y que generan la línea base de medición que después permite discutir casos más ambiciosos.

Análisis de Revenue Hub

El valor de este caso para un líder comercial está en el denominador, no en el titular. Dieciséis mil usuarios sobre una planta enorme es una tasa de adopción, un millón de búsquedas sobre esos usuarios es una frecuencia de uso, y 120.000 correos diarios es un volumen de proceso. Cuando una organización puede expresar su uso de inteligencia artificial en esas tres dimensiones, la conversación de presupuesto cambia de tono: deja de ser una apuesta y pasa a ser una línea de costo con una unidad de producción asociada. La mayoría de las empresas que vemos en la región no tiene ninguna de las tres, y eso explica mejor que cualquier otra cosa por qué sus iniciativas de inteligencia artificial se estancan después del piloto.

La recomendación concreta es definir esta semana el set mínimo de tres métricas antes de aprobar cualquier presupuesto adicional de inteligencia artificial: usuarios activos semanales sobre el total de la población objetivo, interacciones por usuario activo, y volumen de la tarea automatizada sobre el volumen total de esa tarea. Si una iniciativa no puede reportar esas tres cifras en 30 días, el problema no es el modelo ni el proveedor: es que el caso de uso no tiene un proceso medible detrás. Y conviene elegir el primer caso con el mismo criterio que usó Barclays: alto volumen, respuesta verificable y error que no llega al cliente.

El segundo punto es de secuencia de contratación. Barclays declaró metas de desarrollo con fecha y dejó los casos de cara al cliente fuera del anuncio. Para una empresa en la región eso sugiere resistir la tentación de partir por el agente que atiende al cliente, que es el que más exige en gobierno de datos, consentimiento y trazabilidad, y usar los casos internos para construir la capacidad antes de exponerla. Seguimos los movimientos de adopción empresarial en la sección de tendencias SaaS y publicamos criterios de arquitectura comercial en el blog de Revenue Hub.