Arca mantiene a sus agentes en tareas de 10 días, pero reserva el dinero a las personas

La firma financiera Arca permite que sus agentes coordinen el trabajo de un cliente durante un máximo de 10 días. El modelo no se ejecuta sin descanso. El sistema guarda el estado del caso, espera un correo, una llamada o una decisión humana y después retoma el proceso donde se había detenido.

La memoria del cliente mantiene unido un trabajo de 10 días

Aman Singh, responsable de la plataforma de AI de Arca, explicó a Latent Space procesos con muchos relevos y decisiones. La memoria de cada cliente registra qué ha ocurrido, cuál es el siguiente paso, quién debe actuar y qué asuntos requieren seguimiento a largo plazo. Así, una señal nueva puede activar a otro agente, que carga el estado del caso abierto.

Arca utiliza modelos de Anthropic y OpenAI. Su harness propio distribuye las tareas según benchmarks internos y su complejidad. La empresa señala a Claude como proveedor principal, pero conserva la capa de orquestación para poder cambiar de modelo sin entregar su memoria operativa a un único proveedor.

El agente coordina y el asesor conserva la decisión

El cambio importante está en quién pide actuar a quién. El agente vigila el objetivo y avisa al asesor cuando hace falta aprobación o intervención. La persona no tiene que reconstruir el caso después de cada pausa ni escribir manualmente el siguiente prompt.

Para los equipos que construyen un sistema parecido, el producto central es el modelo de estado del trabajo. Los prompts y la selección del modelo son solo piezas. La capa decisiva es un registro duradero de responsabilidades, acontecimientos y próximos pasos que sobreviva a cada ejecución.

El movimiento de dinero queda tras una frontera humana

Arca afirma que los agentes automatizan el análisis y las propuestas, pero no las operaciones ni otros movimientos de dinero. En el ejemplo de una factura fiscal de 100.000 dólares, el agente puede preparar un plan para liquidar activos, aunque la operación la ejecuta una persona. Modelos rápidos revisan además las escrituras de datos y el material entrante se examina para detectar prompt injection.

La arquitectura parece sensata, pero las pruebas siguen procediendo sobre todo del relato de la empresa. No hay datos públicos sobre tasas de error, intervenciones de asesores o propuestas bloqueadas por la verificación. Sin esas cifras, no sabemos si la memoria reduce costes o solo traslada la coordinación a un software más complejo.

La auditoría y las intervenciones revelarán el coste real

Las señales más útiles llegarán del trabajo ordinario: cuántos casos de 10 días terminan sin perder contexto, con qué frecuencia una persona corrige el plan y cuántas acciones erróneas bloquean los controles. Arca dice registrar los cambios de personas y agentes, así que dispone del rastro necesario para medir esos resultados.

La segunda prueba será cambiar de modelo. Un harness propio aporta valor si Arca puede sustituir al proveedor sin romper procesos, memoria ni controles. Ahí deberá funcionar la independencia más allá de la presentación.

El veredicto de Lilith

Arca puso al agente a trabajar 10 días, pero dejó la caja fuerte al asesor. Así se parece una autonomía útil en finanzas: memoria larga, correa corta y una mano humana sobre el dinero.