Nueve instituciones procedentes de Panamá, España, Colombia, Nicaragua y Estados Unidos han lanzado «La banca panameña ante la inteligencia artificial», un estudio abierto que recopila 320 interacciones reales con ChatGPT y Gemini para analizar qué marcas recomienda la IA ante la consulta de un usuario sobre qué banco seleccionar. Solamente una organización figura en el 97,5 % de los resultados, mientras que a partir del séptimo lugar la visibilidad cae drásticamente.
Durante veinte años, elegir un banco empezaba en un buscador que devolvía diez enlaces y dejaba la decisión al cliente. Hoy, una parte creciente de esas consultas termina en un asistente de inteligencia artificial que no devuelve enlaces, sino una recomendación redactada con dos o tres nombres propios. «La banca panameña ante la inteligencia artificial», el informe abierto publicado en julio de 2026, documenta por primera vez y con datos recogidos directamente sobre el mercado panameño qué entidades hace presentes la IA cuando se le pregunta por banca en Panamá, con qué consistencia lo hace y sobre qué fuentes construye sus respuestas.
Dicho documento expone las conclusiones de un proyecto científico impulsado de manera colaborativa por nueve organizaciones pertenecientes a cinco naciones: Quality Leadership University y Or University (Panamá); la Universidad de Málaga, el Instituto Superior Europeo de Economía y Negocios (ISEEN) y la Asociación Europea de Marketing Digital (AEMD), en colaboración con Centria Group, entidad que opera en España y Panamá; la Universidad Central del Valle del Cauca – UCEVA (Colombia); la Universidad del Valle (Nicaragua); además de la International Association for Artificial Intelligence – IAAI (Estados Unidos).
El estudio parte de una anomalía competitiva propia del país: más de cincuenta entidades operan bajo licencia de la Superintendencia de Bancos (entre bancos oficiales, de licencia general y de licencia internacional) en un mercado interno cuya población apenas supera los cuatro millones de habitantes. Hay, sencillamente, muchos bancos por cliente disponible, en un sector donde los productos son sustancialmente homogéneos y la diferenciación se juega en el terreno de la percepción.
«En banca, la reputación no es un atributo comercial más: es la materia prima del negocio. Un cliente que elige un banco decide dónde deposita sus ahorros y con quién se endeuda durante veinte años, y toma esa decisión sobre una base informativa que casi nunca es técnica. Por eso importa tanto quién está redactando ahora esa recomendación», explica Néstor Romero, COO de Centria Group y uno de los investigadores responsables del informe.
Seis nombres acaparan el 73 % de la conversación
La distribución de apariciones resulta sumamente dispar. Banco General lidera en los dos modelos —un 96 % en ChatGPT y un 99 % en Gemini— y suele acaparar la posición inicial del ranking, alcanzando una visibilidad conjunta del 97,5 % del total de contestaciones evaluadas. Detrás se ubican BAC (78,4 %), Banistmo (71,6 %), Banco Nacional de Panamá (64,7 %), Caja de Ahorros (61,6 %) y Global Bank (59,7 %). En conjunto, estas seis entidades concentran el 73 % de la totalidad de referencias dentro de la industria.
A partir del séptimo puesto la caída es abrupta: la presencia desciende por debajo del 24 % y, cuando baja del 5 %, deja de ser una posición para convertirse en una aparición ocasional. El banco no está en la conversación: pasa por ella de vez en cuando.
Tres aspectos que se transforman radicalmente para una entidad
El estudio señala tres cambios concurrentes. En primer lugar, la neutralidad del intermediario ha desaparecido: al margen de que un motor de búsqueda organiza y permite escoger, un asistente opta, sintetiza y aconseja. Salir o quedar fuera es una cuestión binaria, de modo que el ausente no compite en desventaja, sino que ni siquiera forma parte del diálogo. En segundo lugar, el espacio visible se ha reducido: los diez resultados de antes han quedado limitados a tres o cuatro opciones, eliminando por completo la segunda página y el desplazamiento. Por último, resulta evidente que casi nadie está realizando un seguimiento de esta situación.
«La gran mayoría de las organizaciones dispone de paneles pormenorizados de posicionamiento web, reportes mensuales de visitas y personal encargado de esta labor. Sin embargo, carecen por completo de métricas sobre la perspectiva de la IA respecto a ellas. Se trata de un valor de marca que actualmente opera a ciegas, pues carece de punto de partida, metas y dolientes», recalca Romero.
El informe subraya además una asimetría que agrava el problema: en un buscador la marca compite por una posición dentro de una lista donde también aparecen sus competidores, y el cliente ve el conjunto; en un asistente compite por estar en un conjunto muy corto que el cliente recibe ya filtrado, sin saber qué quedó fuera. La invisibilidad, en este canal, es invisible también para el cliente.
Cómo se ha medido
Los investigadores formularon a ChatGPT y a Gemini, desde Panamá y en español, las mismas consultas que plantearía un cliente real —cuál es el mejor banco, cuál cobra menos comisiones, cuál conviene para una pyme, quién financia un auto, quién gestiona un patrimonio—, organizadas en dos bloques (recomendación general e intención de producto) y repetidas cinco veces cada una. En total, 320 respuestas agregadas de asistentes de IA. A ello se sumó una segunda línea de trabajo que lanzó esas mismas preguntas en Google y en Bing, con más de 10.000 resultados recogidos, para comprobar si lo que la IA responde conecta con lo que los buscadores muestran: más de 165.000 registros procesados hasta la fase de verificación de fuentes. El universo de entidades se delimitó a partir del registro público de la Superintendencia de Bancos de Panamá.
Un matiz metodológico relevante para leer las cifras: Gemini nombra más bancos que ChatGPT en casi todos los casos, con un promedio de casi catorce citas por respuesta frente a menos de cinco. No valora distinto a las entidades: produce listas más largas. Cualquier comparación entre asistentes debe hacerse en términos relativos y nunca sumando menciones.
Ciencia detrás del informe
El estudio se fundamenta en un eje de investigación cuyo primer hallazgo ya ha visto la luz: el análisis panorámico titulado «Medición de la presencia de marca en la optimización para motores generativos: una revisión de alcance sobre métricas y validez», lanzado en agosto de 2026 a través de Latitude, publicación periódica respaldada por Quality Leadership University. Dicha investigación determinó que, a pesar de la abundancia de indicadores, todavía carecemos de un mecanismo con respaldo científico para evaluar la visibilidad generativa de las marcas. El presente documento traslada dicho rigor metodológico a un sector determinado.
«La producción de recomendaciones ha ido muy por delante de la producción de evidencia. Buena parte de las técnicas que circulan están propuestas pero no medidas, y casi toda la investigación disponible se ha hecho en inglés y sobre mercados anglosajones. Para un banco panameño, la pregunta elemental —qué dice la inteligencia artificial sobre mi entidad, y por qué— no tenía hasta ahora respuesta empírica», afirma Néstor Romero.
Los creadores recalcan la naturaleza descriptiva de la investigación: el documento no juzga a ninguna organización ni reemplaza la opinión de terceros, sino que entrega al mercado una imagen contrastable de un canal que ya opera con su público y que, por lo general, carece todavía de medición.
1.3. Cuadros de soporte
Tabla 1.1. Presencia por banco en cada asistente
| Entidad | ChatGPT | Gemini |
| Banco General | 96 % | 99 % |
| BAC | 66 % | 91 % |
| Banistmo | 64 % | 79 % |
| Banco Nacional de Panamá | 61 % | 69 % |
| Caja de Ahorros | 57 % | 66 % |
| Global Bank | 64 % | 55 % |
| Banesco | 19 % | 28 % |
| Multibank | 9 % | 29 % |
| Towerbank | 4 % | 29 % |
| Banco Davivienda | 13 % | 21 % |
| Scotiabank | 8 % | 24 % |
| St. Georges Bank | 11 % | 17 % |
| Mercantil Banco | 6 % | 18 % |
| Banisi | 6 % | 12 % |
Fuente: «La banca panameña ante la inteligencia artificial». Informe Abierto, julio de 2026. Gemini genera listados más extensos que ChatGPT, motivo por el cual el análisis ha de interpretarse de manera relativa.
Tabla 1.2. Ficha de las veinte entidades con mayor presencia
# | Entidad | Total | Generales | Producto | Pos. media | Territorio más fuerte |
1 | Banco General | 97,5 % | 97,5 % | 97,5 % | 2,3 | Todo |
2 | BAC | 78,4 % | 76,0 % | 82,5 % | 3,6 | Préstamos, tarjetas, app |
3 | Banistmo | 71,6 % | 69,0 % | 75,8 % | 4,3 | Auto y banca en línea (100 %) |
4 | Banco Nacional de Panamá | 64,7 % | 71,5 % | 53,3 % | 3,7 | Prestigio y vivienda |
5 | Caja de Ahorros | 61,6 % | 67,5 % | 51,7 % | 3,9 | Hipotecas (100 %) |
6 | Global Bank | 59,7 % | 55,0 % | 67,5 % | 4,3 | Empresa e inversión (100 %) |
7 | Banesco | 23,8 % | 26,0 % | 20,0 % | 4,9 | Tarjetas (80 %) y extranjeros |
8 | Multibank | 19,1 % | 20,0 % | 17,5 % | 4,9 | Empresa (70 %) |
9 | Towerbank | 16,9 % | 22,5 % | 7,5 % | 5,0 | Extranjeros (70 %) |
10 | Banco Davivienda | 16,9 % | 9,5 % | 29,2 % | 5,9 | Hipotecas (80 %) |
11 | Scotiabank | 16,2 % | 8,5 % | 29,2 % | 6,0 | En liquidación |
12 | St. Georges Bank | 13,8 % | 17,0 % | 8,3 % | 4,6 | Atención al cliente (90 %) |
13 | Mercantil Banco | 12,2 % | 11,0 % | 14,2 % | 5,4 | Transferencias (60 %) |
14 | Banisi | 9,1 % | 10,0 % | 7,5 % | 6,1 | Plazo fijo (30 %) |
15 | Banco Aliado | 8,4 % | 5,5 % | 13,3 % | 5,8 | Plazo fijo (40 %) |
16 | MMG Bank | 6,9 % | 5,0 % | 10,0 % | 5,5 | Banca privada (80 %) |
17 | Unibank | 6,9 % | 8,5 % | 4,2 % | 5,1 | Plazo fijo (40 %) |
18 | Credicorp Bank | 5,0 % | 3,5 % | 7,5 % | 5,7 | Transferencias (30 %) |
19 | Banco La Hipotecaria | 5,0 % | 4,0 % | 6,7 % | 5,2 | Primera vivienda (40 %) |
20 | Bladex | 4,4 % | 0,5 % | 10,8 % | 5,3 | Comercio exterior (90 %) |
Origen: Informe Abierto, julio de 2026, acerca de 320 contestaciones. «Pos. media» corresponde al lugar promedio obtenido en la contestación.
Tabla 1.3. Cómo se recogieron los datos
Variable | Especificación |
Interrogaciones a asistentes | 320 preguntas realizadas a ChatGPT y Gemini, ubicadas geográficamente en Panamá y planteadas en castellano al modo en que lo haría cualquier usuario |
Estructura de la encuesta | Dos secciones distintas —recomendación global y propósito comercial—, habiéndose repetido cada pregunta un total de cinco ocasiones |
Hallazgos en motores de búsqueda | Las mismas veinte cuestiones introducidas en Google y Bing, con más de 10.000 impactos recopilados |
Magnitud global analizada | Superando los 165.000 datos procesados hasta alcanzar la etapa de contrastación documental |
Marco de entidades | Establecido tomando como base el directorio oficial de la Superintendencia de Bancos de Panamá |
Periodo de referencia | Julio de 2026 |
Tipo de información | Hallazgos provisionales de un estudio en desarrollo, hallándose actualmente bajo revisión ciega por expertos en publicaciones científicas |
Fuente: nota metodológica del Informe Abierto, julio de 2026.
Nota para el editor: el informe es descriptivo y no evaluativo. Documenta la visibilidad de las marcas en un canal concreto y no valora la calidad, la solvencia, la solidez financiera ni la idoneidad de ninguna entidad bancaria. Nada de su contenido constituye recomendación financiera, de inversión o de contratación, ni asesoramiento profesional de ningún tipo. Los datos son preliminares, corresponden a julio de 2026 y proceden de investigaciones en evaluación por pares cuyos resultados definitivos pueden diferir.
Hoy en día, la cuestión no radica en si la inteligencia artificial condiciona las elecciones de los usuarios, sino en qué marcas selecciona en dicho diálogo y las razones detrás de ello. Si deseas profundizar en la metodología integral, las métricas por institución, las búsquedas evaluadas y los descubrimientos más destacados, descarga el informe «La banca panameña ante la inteligencia artificial» para revisar todo el estudio.
