Barclays implementa Claude para optimizar operaciones y mejorar la experiencia del cliente
Barclays amplía su colaboración con Anthropic, pero las cifras del anuncio describen realidades distintas: herramientas ya utilizadas por empleados y objetivos de adopción todavía pendientes. Para quien dirige operaciones o evalúa IA en una empresa, lo útil es separar esas dos capas y examinar qué problema resuelve cada aplicación antes de sacar conclusiones sobre productividad.
Qué se ha anunciado y qué sigue siendo una previsión
En su comunicado del 1 de octubre de 2026, Anthropic explica que Barclays extenderá el uso de Claude. El banco espera que Claude Code llegue al 50% de sus desarrolladores a finales de 2026 y a la mayoría de sus ingenieros de software en 2027. Son expectativas, no porcentajes alcanzados. Tampoco indican cuántas tareas se automatizarán ni qué ahorro producirán.
La información procede del proveedor de la tecnología. Todas las cifras citadas aquí son declaraciones de Anthropic, no resultados verificados de forma independiente. El comunicado permite conocer el alcance anunciado y los usos descritos; por sí solo no permite evaluar su rentabilidad.
Un asistente interno para encontrar respuestas
Según Anthropic, el Colleague Knowledge Assistant de Barclays UK funciona desde 2025, utiliza Claude con generación aumentada por recuperación (RAG), lo han adoptado más de 16.000 trabajadores y ha atendido más de un millón de búsquedas. Ayuda al personal que presta servicio a una base de más de 20 millones de clientes minoristas. Los empleados son los usuarios del asistente; la cifra de clientes no demuestra que estos utilicen Claude directamente.
RAG combina la recuperación de documentos con la generación de una respuesta. La utilidad potencial para operaciones está en localizar información interna durante el trabajo. Sin embargo, recuperar un documento no garantiza que esté actualizado, que responda a la consulta o que la respuesta lo interprete correctamente. Esas condiciones requieren evaluación propia.
Clasificar solicitudes antes de tramitarlas
El segundo caso está en Global Markets. Anthropic describe el uso de Claude para clasificar, enriquecer y encaminar solicitudes recibidas por correo electrónico. La plataforma procesa unos 120.000 correos diarios. La cifra corresponde al volumen de la plataforma: no demuestra que todos los mensajes se resuelvan automáticamente ni que desaparezca la intervención humana.
La diferencia operativa importa: decidir a qué equipo corresponde una solicitud es una tarea distinta de resolverla. Una clasificación útil podría reducir derivaciones innecesarias; una equivocada podría retrasar una petición urgente. Estas son consecuencias que conviene medir, no resultados cuantificados en el anuncio.
Qué miden los datos y qué dejan sin responder
El número de empleados y las búsquedas muestran adopción y actividad declaradas. Los correos diarios describen carga de trabajo. Ninguna de esas magnitudes demuestra por sí misma precisión, calidad o ahorro. El comunicado no publica comparativas auditadas sobre costes, tiempos de resolución, exactitud de respuestas o satisfacción del cliente.
Tampoco basta con contar consultas para saber si un asistente ayuda: una misma necesidad puede provocar búsquedas repetidas. Para valorar el resultado haría falta conocer, entre otras cosas, cuántas consultas se resolvieron correctamente y cuánto trabajo de revisión exigieron. El volumen justifica investigar el caso, no copiar sus conclusiones comerciales.
Qué puede aprovechar una pyme
Como interpretación práctica de Berraquero, hay dos pilotos posibles: responder preguntas internas recurrentes a partir de documentación aprobada y clasificar solicitudes cuando su volumen consume tiempo relevante. Son propuestas para evaluar, no políticas de Barclays acreditadas por esta noticia. No hay motivo para trasladar los porcentajes de adopción del banco a una pyme.
Para el primer piloto, conviene delimitar un tema, asignar un responsable a los documentos y exigir referencias que el empleado pueda comprobar. Para el segundo, hacen falta categorías claras, ejemplos de solicitudes y una persona que se haga cargo de los casos dudosos. Si apenas llegan mensajes o la información interna está desordenada, ordenar el proceso puede aportar más que añadir IA.
Condiciones y medición antes de ampliar el uso
Anthropic afirma que Barclays aplica seguridad, gobernanza y supervisión humana. La mención no permite auditar esos controles. En un piloto propio, conviene definir quién puede consultar cada documento, qué datos personales se excluyen, dónde se conservan las consultas y quién revisa errores o autoriza acciones. El presupuesto debe incluir integración, mantenimiento documental, uso del servicio y revisión humana.
Antes de empezar, registra cómo se resuelven hoy tareas comparables. Después contrasta respuestas con fuentes aprobadas y mide aciertos, derivaciones erróneas, tiempo total incluida la corrección y coste por caso bien resuelto. Incluye consultas sin respuesta y solicitudes ambiguas. Fija criterios de continuidad y parada de antemano: el piloto merece ampliarse si mejora el proceso sin degradar calidad ni privacidad.
Para trasladar estas ideas al contexto de una empresa pequeña, consulta también la guía para integrar IA en pymes sin perder el control.
Fuente: Consulta el comunicado de Anthropic sobre Barclays y distingue sus objetivos de las cifras de uso declaradas (1 de octubre de 2026, en inglés).
Publicado: 07/11/2026.
Este artículo puede haberse elaborado con apoyo de herramientas de inteligencia artificial. Ver politica de IA
Puedes apoyar el proyecto o compartir este artículo con un clic. Aquí al menos hay una salida útil de verdad.