• China Merchants Bank afirma que el rendimiento medio diario de tokens aumentó más del 78 % y que la IA aportó 13,88 millones de horas equivalentes de trabajo del personal en el primer semestre
  • Las cifras muestran que los bancos empiezan a medir el consumo de IA frente al trabajo realizado, en lugar de considerar por sí solo el crecimiento de los tokens como un avance

El hecho

China Merchants Bank afirmó que su rendimiento medio diario de tokens de IA aumentó más del 78 % en el primer semestre de 2026, mientras que sus aplicaciones de IA contribuyeron, según sus estimaciones, 13,88 millones de horas equivalentes de trabajo del personal.

El banco tenía desplegados 256 modelos especializados y 1.386 escenarios inteligentes a finales de junio. Sus sistemas de IA se utilizan en banca minorista, banca corporativa, control de riesgos, operaciones y trabajo de oficina. La cifra de horas equivalentes es la estimación del banco del trabajo realizado o del tiempo ahorrado por esas aplicaciones; no es un recuento de empleos eliminados ni un ahorro de nómina auditado.

Otros bancos chinos también prestan mayor atención a los costes operativos de la IA a medida que se expande el uso de modelos. Los reportajes del sector muestran que las instituciones comparan el consumo de tokens, los costes de computación y el resultado de negocio al decidir dónde desplegar nuevas aplicaciones de IA.

La evaluación

Las cifras de China Merchants Bank ponen dos números útiles uno junto al otro. El rendimiento diario de tokens aumentó más del 78 %, lo que demuestra que los empleados usan la IA con mucha más intensidad. Los 13,88 millones de horas equivalentes de personal intentan responder a la pregunta más difícil: ¿qué hizo realmente toda esa computación?

Esa cifra aún requiere cautela. Una hora ahorrada en redacción, búsqueda o procesamiento no se convierte automáticamente en una hora de ahorro de nómina. El personal puede dedicar ese tiempo a clientes, casos difíciles u otro trabajo, y parte del resultado de la IA todavía debe revisarse antes de poder utilizarse. El valor, por tanto, diferirá de una tarea a otra.

Para los lectores de BTW, la mejor comparación es el coste de completar un trabajo hasta un estándar aceptable. Los precios de los tokens son solo una parte de esa factura. Un modelo que parece barato puede volverse caro si requiere intentos repetidos o deja a los empleados con más revisiones posteriores.

Qué observar

Observar si los bancos comienzan a reportar métricas a nivel de tarea junto con el uso de tokens, incluidos casos completados, tiempo de revisión y coste operativo. Las condiciones de contratación serán especialmente reveladoras si los bancos empiezan a vincular los pagos de modelos o computación al resultado aceptado, y no solo al consumo.