Agentes de IA para gestión de riesgos: cómo OpenAI automatizó el due diligence de proveedores
Evaluar a un proveedor nuevo siempre ha sido una de esas tareas que todos en el área de finanzas o compras conocen bien: recopilar documentos, revisar antecedentes, aplicar criterios de riesgo, redactar un informe... y repetir el proceso para cada nuevo tercero. Es trabajo importante, pero también es trabajo lento, repetitivo y propenso a inconsistencias cuando lo hacen distintas personas en distintos momentos.
En abril de 2026, OpenAI publicó una demostración de cómo su propio equipo de finanzas resolvió exactamente ese problema. Construyeron un agente llamado Trove usando ChatGPT Workspace Agents — y lo que mostraron tiene implicancias directas para cualquier empresa mediana que todavía gestiona estos procesos de forma manual.
En este artículo analizamos qué hicieron, por qué funciona, y cómo este enfoque puede aplicarse en empresas peruanas y latinoamericanas que gestionan proveedores, auditorías o cualquier flujo de evaluación estructurado.
¿Qué es Trove y cómo fue construido?
Trove es un agente de gestión de riesgos de terceros que el equipo de finanzas de OpenAI usa para acelerar el due diligence de proveedores. Lo llamativo no es solo lo que hace, sino cómo fue construido: sin código, sin recursos de ingeniería, usando únicamente lenguaje natural para describir el flujo de trabajo, las herramientas disponibles y las mejores prácticas del equipo.
El proceso de creación fue así: se le proporcionó a ChatGPT una descripción del workflow y un conjunto de instrucciones que el equipo ya usaba para sus evaluaciones de riesgo — básicamente sus criterios internos documentados. En cuestión de segundos, el sistema generó un plan de implementación y configuró automáticamente las herramientas, integraciones y el conjunto de instrucciones que el agente necesitaría para operar.
Esto es importante porque rompe una barrera que frenaba la adopción de automatización en muchas empresas: ya no se necesita un equipo técnico para crear un agente funcional. Un analista de finanzas con sus procesos bien documentados puede construir el suyo.
Cómo trabaja el agente: del caos manual al reporte estructurado
Una vez activo, Trove sigue un flujo claro. Primero recopila evidencia sobre el proveedor usando las herramientas y sistemas conectados. Luego aplica el framework de evaluación de riesgos definido por el equipo — con sus criterios, pesos y umbrales específicos. Finalmente, genera un reporte estructurado y revisado que el analista humano puede aprobar, ajustar o escalar.
Todo el proceso toma minutos. El trabajo que antes podía ocupar horas o días de un analista — buscando información, consolidando datos, redactando el informe — ahora lo ejecuta el agente de forma consistente y trazable.
Un detalle técnico relevante: la plataforma permite ver el run trace completo del agente, es decir, cada llamada a herramientas, cada decisión intermedia y cada input que procesó. Eso no es un detalle menor — es lo que hace que el proceso sea auditable y confiable para un equipo de finanzas que necesita justificar sus decisiones.
¿Cómo aplica esto en empresas de Perú y América Latina?
El caso de Trove no es exclusivo de una empresa tecnológica de Silicon Valley. El patrón que describe — recopilar información, aplicar criterios estructurados, generar un reporte revisable — existe en docenas de procesos típicos de empresas medianas en la región.
Algunos ejemplos directos donde este enfoque tiene sentido en el contexto latinoamericano:
- Evaluación de proveedores y homologación: Empresas de manufactura, retail o construcción que necesitan calificar a nuevos proveedores con criterios financieros, legales y operativos.
- Due diligence para crédito o contratos: Equipos comerciales o de cobranza que evalúan clientes nuevos antes de extender crédito o firmar contratos importantes.
- Auditorías internas recurrentes: Procesos de revisión periódica donde siempre se recopila la misma información y se aplica el mismo criterio — ideal para automatizar.
- Cumplimiento normativo: Empresas en sectores regulados (salud, finanzas, logística) que deben documentar evaluaciones de terceros para auditorías externas.
La clave en todos estos casos es la misma: el agente no toma la decisión final. El criterio humano sigue siendo el punto de cierre. Lo que cambia es que el analista recibe el trabajo de investigación ya hecho, estructurado y consistente — en lugar de empezar desde cero cada vez.
¿Cómo aplica esto en tu empresa?
Si quieres explorar si un agente como Trove tiene sentido para tu operación, el primer paso no es técnico — es de proceso. Estas preguntas te ayudan a identificar si tienes un caso de uso real:
- ¿Tienes un proceso donde alguien recopila información de múltiples fuentes, la analiza con criterios fijos y genera un informe o recomendación?
- ¿Ese proceso lo hacen varias personas y el resultado varía dependiendo de quién lo hace?
- ¿Tienes tus mejores prácticas documentadas, o están solo en la cabeza de las personas más expertas del equipo?
Si respondiste sí a dos o más de esas preguntas, probablemente tienes un proceso que se beneficia directamente de este tipo de automatización. El siguiente paso es documentar el flujo con detalle suficiente para que un agente pueda seguirlo — y eso, curiosamente, también mejora el proceso aunque no uses IA.
En Consultoría-Ti trabajamos con empresas peruanas y latinoamericanas para identificar exactamente estos puntos de automatización y construir soluciones que funcionen con los sistemas que ya tienen — incluyendo integraciones con Odoo ERP, APIs internas y herramientas de IA como n8n y Claude.
Conclusión
Lo que OpenAI mostró con Trove no es solo una demo técnica — es una señal de hacia dónde se mueve la automatización empresarial. Los agentes de IA ya no son proyectos de I+D: son herramientas que equipos de finanzas reales usan para hacer su trabajo más rápido y con más consistencia.
La barrera de entrada bajó significativamente. Si tienes el proceso documentado y los criterios claros, construir un agente que lo ejecute ya está al alcance de empresas medianas — no solo de las grandes tecnológicas.
¿Quieres explorar cómo implementar un agente similar en tu empresa? Escríbenos en Consultoría-Ti y conversamos sobre tu caso específico.
Fuentes y Referencias
OpenAI — Workspace agents in ChatGPT: Third-party risk management agent (YouTube)
✨ Contenido generado con ContentFlow — Consultoría-Ti