Revolut Research formaliza lo que Nubank ya opera

Revolut anunció el lanzamiento de Revolut Research, una división dedicada dentro de su departamento de inteligencia artificial destinada a construir arquitectura de machine learning propia para servicios financieros. El anuncio tiene una particularidad que conviene registrar antes de entrar en las cifras, porque el modelo que sostiene la división ya existía. PRAGMA se publicó en arXiv en abril de 2026 y NVIDIA documentó el caso técnico en junio. Lo que se comunicó esta semana es el organigrama que rodea ese trabajo.

PRAGMA es una familia de modelos encoder de tipo transformer, disponible en configuraciones que van desde decenas de millones hasta mil millones de parámetros. Se entrenó sobre unos 26 millones de registros de usuarios en 111 países, un volumen que Revolut y NVIDIA sitúan entre 24.000 y 40.000 millones de eventos y 207.000 millones de tokens, con cerca de 28 meses de historial. El entrenamiento corrió sobre GPUs NVIDIA H100 en la nube de Nebius, donde la variante más pequeña, de 10 millones de parámetros, convergió en unos dos días usando 16 GPUs, mientras las variantes mayores tomaron alrededor de dos semanas.

La lógica del modelo fundacional bancario consiste en reemplazar la arquitectura habitual del sector, donde cada tarea corre con su propio modelo, sus propias variables construidas a mano y su propio pipeline de datos. El fraude por un lado, el riesgo crediticio por otro, la recomendación de producto por otro más, sin que ninguno comparta la misma representación del mismo cliente. PRAGMA entrena una sola representación del comportamiento financiero y después la adapta a cada tarea mediante LoRA, una técnica de ajuste fino que modifica entre 2% y 4% de los parámetros.

La conversación sobre inteligencia artificial en banca lleva dos años dominada por asistentes de soporte y barras de búsqueda conversacionales, mientras el trabajo que mueve dinero de verdad ocurre en la capa de riesgo, donde los resultados que reporta Revolut son considerables. 2,3 veces más precisión al identificar riesgo de impago, 64,7% de mejora en detección de fraude, 16,7% más precisión en las alertas, 41% más relevancia en las recomendaciones de producto y ciclos de desarrollo de modelos entre tres y cinco veces más rápidos, porque los equipos reutilizan embeddings compartidos en lugar de construir variables nuevas para cada mercado.

El paper incluye un detalle que la comunicación corporativa omite. Por razones de sensibilidad comercial, los autores no publican métricas absolutas y expresan todos los resultados como cambios relativos frente a una referencia interna. Cada porcentaje anterior mide a Revolut contra los modelos previos de Revolut, en backtests sobre datos históricos, sin auditoría externa ni checkpoint público que permita replicar nada. Revolut Research promete publicar sus hallazgos y liberar marcos técnicos, con presentaciones anunciadas en GTC Berlín en octubre e ICAIF en noviembre.

Nubank publicó nuFormer en julio de 2025, nueve meses antes que PRAGMA, con la arquitectura opuesta y con una diferencia que pesa más que la arquitectura. El banco brasileño reportó despliegue en producción, con el modelo operando en crédito en Brasil y una reducción de 4,4% en la fuga de clientes, sobre una base superior a 100 millones de clientes y un corpus que la propia compañía describe en billones de transacciones y eventos. Los números de Revolut siguen siendo backtests.

Para la región, el dato relevante está en el origen de la información. Revolut Bank México cerró el segundo trimestre de 2026 con más de 635.000 usuarios, frente a unos 290.000 al cierre del trimestre anterior, y depósitos por 7.278 millones de pesos, un crecimiento de 94%, con una inversión acumulada de 167 millones de dólares en el país. Ese comportamiento entra al mismo corpus que alimenta al modelo, aunque 635.000 cuentas pesan poco contra los 13 millones de clientes que Revolut tiene en Reino Unido cuando el sistema aprende qué patrón considera normal. Un modelo entrenado mayoritariamente sobre comportamiento europeo que después evalúa riesgo en Monterrey es un asunto operativo antes que académico.

PRAGMA-S tiene 10 millones de parámetros y convergió en dos días sobre 16 GPUs, un gasto que cualquier broker regional de tamaño medio absorbe sin abrir una discusión de presupuesto. Lo caro es la decisión previa, tratar el flujo de eventos del cliente (depósitos, retiros, aperturas de posición, duración de sesión) como un activo entrenable y no como un registro para auditoría. Nubank tomó esa decisión en 2025, mientras Revolut Research acaba de ponerle nombre al departamento. El resto de la industria sigue exportando a CSV.