GenAI con APIs Inteligentes para Open Banking

Abstract

Este Trabajo Fin de Máster investiga la integración de Inteligencia Artificial Generativa (GenAI) en las APIs de Open Banking, proponiendo "APIs Inteligentes" que superan las limitaciones de las APIs tradicionales en interoperabilidad, personalización y generación de valor añadido. La investigación surge del reconocimiento de que las APIs actuales, aunque fundamentales para el ecosistema Open Banking, presentan restricciones estructurales que frenan la materialización plena de servicios financieros verdaderamente inteligentes y proactivos. La metodología se basa en investigación aplicada con análisis conceptual y evaluación de viabilidad técnica, riesgos y cumplimiento normativo. Se examina el estado del arte de tecnologías GenAI aplicables al sector financiero, incluyendo Grandes Modelos de Lenguaje (LLMs), arquitecturas de Generación Aumentada por Recuperación (RAG) y plataformas cloud especializadas. El marco regulatorio europeo, particularmente PSD2, PSD3/PSR, GDPR y el AI Act, proporciona el contexto normativo para evaluar la viabilidad de estas propuestas. Se desarrollan tres propuestas conceptuales específicas: un Copilot de Integración de APIs Open Banking que acelera el desarrollo de TPPs mediante asistencia inteligente; una API de personalización financiera que genera narrativas y recomendaciones contextualizadas basadas en datos transaccionales; y una API de cumplimiento automatizado que optimiza procesos AML, generación de SARs y auditoría continua. Cada propuesta se fundamenta en arquitecturas RAG para contextualización, LLMaaS para escalabilidad empresarial, y middleware de GenAI como orquestador y "cortafuegos de cumplimiento". Los resultados demuestran que las APIs inteligentes pueden transformar el sector financiero hacia servicios proactivos y personalizados, democratizando el asesoramiento financiero y optimizando procesos operativos. Sin embargo, su éxito está condicionado a una implementación progresiva centrada en gobernanza robusta, explicabilidad algorítmica y cumplimiento "por diseño", considerando desafíos críticos como latencia, costes, sesgos algorítmicos y nuevos vectores de seguridad específicos de GenAI.

This Master's Thesis explores the integration of Generative Artificial Intelligence (GenAI) into Open Banking APIs, proposing the concept of "Intelligent APIs" that transcend the limitations of traditional APIs in terms of interoperability, personalization, and added value generation. The research stems from the recognition that current APIs, while foundational to the Open Banking ecosystem, exhibit structural constraints that hinder the full realization of truly intelligent and proactive financial services. The methodology is based on applied research, incorporating conceptual analysis and an assessment of technical feasibility, risks, and regulatory compliance. The study examines the state of the art in GenAI technologies applicable to the financial sector, including Large Language Models (LLMs), Retrieval-Augmented Generation (RAG) architectures, and specialized cloud platforms. The European regulatory framework—particularly PSD2, PSD3/PSR, GDPR, and the AI Act—provides the normative context for evaluating the viability of these proposals. Three specific conceptual proposals are developed: an Open Banking API Integration Copilot that accelerates the development of Third Party Providers (TPPs) through intelligent assistance; a financial personalization API that generates contextualized narratives and recommendations based on transactional data; and an automated compliance API that optimizes AML processes, SAR generation, and continuous auditing. Each proposal is grounded in RAG architectures for contextualization, LLM-as-a-Service for enterprise scalability, and GenAI middleware functioning as both orchestrator and "compliance firewall." The findings demonstrate that Intelligent APIs can transform the financial sector toward proactive and personalized services, democratizing financial advice and optimizing operational processes. However, their success depends on a gradual implementation centered on robust governance, algorithmic explainability, and "compliance by design," taking into account critical challenges such as latency, costs, algorithmic bias, and new GenAI-specific security vectors.