Codex es la herramienta de inteligencia artificial de OpenAI que genera y revisa código a partir de instrucciones en lenguaje natural, y en el caso de Benefit Street Partners permitió que un portfolio manager construyera sus propias herramientas de análisis sin depender de un equipo de desarrollo. El primer rastreador de marcas de BDC se armó en aproximadamente un día, y el analizador de contratos de crédito produce un primer análisis en unos 20 minutos, seguido de una hora o más de revisión humana.
El caso lo cuenta el propio protagonista. Anant Kumar, portfolio manager en Benefit Street Partners, describe su cambio de rol con una frase directa: “pasé de ser solo un analista y portfolio manager a ser también desarrollador”. Su problema era concreto. Los niveles a los que distintas firmas valorizan el mismo préstamo en sus libros son información pública, porque todo se presenta ante la SEC, pero convertir esos archivos en algo comparable exigía a alguien con perfil técnico.
Lo interesante no es que la IA escriba código. Lo interesante es quién está escribiendo ese código ahora, y qué pasa cuando el experto del negocio deja de ser un espectador de la tecnología y se convierte en su usuario principal. En este artículo revisamos qué construyó, qué queda en manos humanas y cómo se traduce esto a una empresa mediana en Perú o Latinoamérica.
¿Qué construyó exactamente Benefit Street Partners con Codex?
Fueron dos herramientas, y conviene separarlas porque resuelven problemas distintos.
La primera es un rastreador de marcas de BDC (business development companies). Kumar toma los archivos públicos que las firmas presentan ante la SEC y los convierte en un sitio con visualizaciones que permiten comparar cómo distintos tenedores valorizan el mismo préstamo. Según el caso publicado por OpenAI, la primera versión tomó cerca de un día, y el total del proyecto rondó las 10 a 12 horas incluyendo las mejoras posteriores. Kumar usó Codex tanto para redactar el código como para revisarlo en busca de errores.
La segunda es un analizador de contratos de crédito. Estos documentos suelen tener 300 páginas o más, y encontrar las cláusulas que podrían desviar valor fuera de los prestamistas era una tarea que antes se encargaba a asesores legales externos, página por página. Kumar reunió memorandos de estudios de abogados sobre cláusulas y riesgos a vigilar, y construyó lo que él describe como “un segundo cerebro dentro de nuestra organización”. Un contrato cargado se procesa en unos 20 minutos para obtener un primer análisis, y después viene una hora o más de revisión humana.
El detalle que más me llama la atención es el tipo de software. No es un producto genérico de mercado. Es una herramienta que solo tiene sentido dentro de esa firma, con sus criterios, sus memos legales y su forma de mirar un préstamo. Ese es justamente el terreno donde las herramientas internas construidas a medida ganan a cualquier solución empaquetada.
¿Qué sigue siendo responsabilidad de las personas?
Todo lo que implica juicio. Kumar lo dice sin rodeos: la IA ayuda a recopilar datos, ingerirlos y sintetizar análisis, pero la decisión final de inversión la toma un humano.
Vale la pena detenerse en los tiempos, porque ahí está la parte honesta del caso. El analizador entrega un primer pase en unos 20 minutos, pero ese primer pase no es el entregable final: le sigue una hora o más de revisión humana. La IA no eliminó el trabajo de criterio, lo reubicó. El analista deja de leer 300 páginas buscando cláusulas y empieza a validar y cuestionar lo que el sistema ya destacó.
El contexto del negocio también importa. El underwriting es un proceso de varias rondas: cada ronda implica más diligencia y un memo revisado que responde a las preguntas del comité de inversiones. Según el caso de Diario Occidente, los analistas pueden convertir una ronda de comentarios en respuestas el mismo día y, en ocasiones, responder durante la propia reunión.
Hay un matiz que conviene decir en voz alta: el objetivo declarado de la firma es ganar rigor y capacidad de revisión dentro del mismo plazo, no cerrar más operaciones. Es decir, la métrica que mejoran no es el volumen, es la profundidad del análisis. Cualquier empresa que evalúe este tipo de herramientas debería preguntarse cuál de las dos cosas quiere mejorar, porque no son lo mismo.
¿Qué significa esto para una empresa en Perú o Latinoamérica?
La traducción local es más simple de lo que parece. En una empresa peruana mediana, el equivalente al rastreador de Kumar no son préstamos ante la SEC: son las cotizaciones de proveedores, los precios de la competencia, los contratos con clientes grandes, las actas de comité. Información que existe, que todos saben que está ahí, y que nadie convierte en una herramienta porque “eso es trabajo de sistemas”.
Pensemos en el análisis de contratos. Una empresa que firma contratos de distribución o de servicios con clientes corporativos tiene documentos largos, con cláusulas de penalidad, renovación automática y exclusividad. Hoy eso se revisa cuando hay un problema, no antes. Un primer pase automatizado en minutos cambia el momento en que se detecta el riesgo: pasa de la negociación de salida a la firma del contrato.
El otro cambio es de rol. El analista, el contador o el jefe de operaciones que hoy pide un reporte y espera días puede empezar a construir su propio tablero. No porque sepa programar, sino porque puede describir lo que necesita y revisar lo que la IA produce. Eso reduce la dependencia de un equipo de TI que casi siempre está saturado con otros proyectos.
Y aquí aparece una advertencia. La misma facilidad para construir herramientas es facilidad para construir herramientas malas. Un tablero que nadie valida, un extractor que lee mal una columna y nadie nota, un análisis que se ve impecable y está equivocado. La revisión humana que Kumar describe no es un trámite: es el control de calidad del sistema completo.
Para quien quiera ordenar este tipo de iniciativas, puede ser útil revisar el blog de Consultoría TI y conversar sobre qué proceso conviene automatizar primero, porque no todos tienen el mismo retorno.
¿Cómo aplica esto en tu empresa?
Antes de elegir una herramienta, elige el proceso. La pregunta correcta no es “¿qué hacemos con IA?”, sino “¿qué tarea repetitiva consume horas de gente calificada y produce un documento que alguien revisa igual?”. En el caso de Benefit Street Partners la respuesta fue comparar valorizaciones y leer contratos largos. En tu empresa puede ser conciliar cotizaciones, revisar contratos de clientes o consolidar reportes de varias sedes.
Segundo, mide el antes. Kumar habla de preguntas del comité que antes tomaban días o semanas. Si no tienes ese número de partida, no vas a poder demostrar nada después. Anota cuánto demora hoy el proceso, cuántas personas participan y cuántas veces al mes se repite.
Tercero, define desde el inicio dónde está la revisión humana. No como una fase final opcional, sino como parte del flujo. El caso es explícito: 20 minutos de primer análisis, una hora o más de revisión. Si tu equipo no tiene esa hora, el sistema va a producir errores con una presentación muy bonita.
Cuarto, empieza por una herramienta, no por una plataforma. Kumar construyó un rastreador primero y un analizador después. Cada uno resolvía un problema concreto y era usable por sí solo. Ese orden permite aprender sin comprometer un presupuesto grande.
Si quieres aterrizar esto en un proceso específico de tu operación, puedes conversar con nosotros sobre tu caso y revisar por dónde conviene empezar.
Preguntas Frecuentes
¿Qué es Codex y para qué sirve en una empresa?
Codex es una herramienta de inteligencia artificial de OpenAI que genera y revisa código a partir de instrucciones en lenguaje natural. En una empresa sirve para que personas sin perfil de desarrollador, como analistas o gestores, puedan construir herramientas internas pequeñas: tableros, extractores de datos, comparadores. En el caso de Benefit Street Partners, un portfolio manager la usó para crear un rastreador de valorizaciones y un analizador de contratos de crédito.
¿La IA puede reemplazar el análisis de un especialista?
No en este caso. El propio protagonista del caso señala que la IA ayuda a recopilar, ingerir y sintetizar información, pero la decisión final la toma un humano. El analizador de contratos entrega un primer pase en unos 20 minutos y luego requiere una hora o más de revisión humana. La IA reduce el trabajo de búsqueda y ordenamiento, no el juicio profesional.
¿Por dónde debería empezar una PYME peruana con estas herramientas?
Por un proceso repetitivo que consuma horas de personal calificado y que hoy dependa de que alguien arme un reporte a mano. Conviene medir cuánto demora ese proceso antes de automatizarlo, definir explícitamente qué parte revisa una persona y construir una sola herramienta usable antes de pensar en una plataforma completa. Ese orden es el que siguió el caso descrito y reduce el riesgo de invertir en algo que nadie use.
Conclusión: ¿el futuro es del experto que construye?
Lo que este caso muestra no es una firma financiera reemplazando analistas, sino un analista que dejó de esperar a que alguien le construyera la herramienta. Kumar pasó de pedir un sitio web con datos a construirlo él mismo, y su propia evaluación del resultado es que la calidad de su análisis mejoró y se volvió más rápida.
Queda por verse cuánto de esto escala. La firma habla de conectar información entre distintos acuerdos y de una supervisión continua de préstamos como aspiración de largo plazo, no como algo ya operativo. Y el caso no incluye cifras de costo, tiempos de implementación en otras áreas ni resultados medidos más allá de los tiempos de proceso. Es un caso, no un promedio de industria.
Aun así, la dirección es clara: el valor no está en que la IA sepa programar, sino en que el experto del negocio pueda convertir su conocimiento en una herramienta concreta. Si quieres revisar qué proceso de tu empresa podría seguir ese camino, conversemos.
Fuentes y Referencias
- OpenAI — Benefit Street Partners answers questions faster with Codex
- Diario Occidente — Codex acelera respuestas en Benefit Street Partners
- OpenAI (YouTube) — From analyst to builder with Codex
Por Edgar Vásquez, Consultoría TI · actualizado el 27 de octubre de 2026
✨ Contenido generado con ContentFlow — Consultoría-Ti