Miguel Ángel Valero
Desde la crisis financiera de 2008, el sector bancario ha experimentado una transformación estructural profunda, caracterizada por una fuerte reducción del empleo, el cierre masivo de oficinas y una acelerada digitalización de procesos. Un estudio de Funcas trabajo analiza la evolución del empleo bancario a escala global entre 2008 y 2025, con especial atención al impacto de la automatización y la inteligencia artificial (IA) sobre la estructura ocupacional del sector. España destaca como el país europeo con el ajuste más intenso, tanto en empleo como en red física, fruto de la reestructuración poscrisis y de una rápida adopción tecnológica.
La IA está redefiniendo una parte sustancial de las tareas bancarias, desplazando funciones rutinarias y generando demanda de nuevos perfiles técnicos, aunque sin compensar plenamente la pérdida de empleo tradicional. Las proyecciones sobre el impacto de la IA hasta 2035 muestran una pérdida neta de entre 12.000 y 23.000 empleos bancarios en el escenario central, dentro de un intervalo que va de 4.000-8.000 (escenario moderado) a más de 25.000 (escenario intensivo). El reto no es de volumen —manejable para un sector que ya gestionó pérdidas de más de 100.000 empleos en la década anterior— sino de velocidad de recomposición de competencias y de equidad en la distribución del ajuste.
La aparición de fintechs ha aportado competencia, pero también nuevas oportunidades laborales en la intersección entre finanzas y tecnología. Un neobanco puede atender a millones de usuarios con una fracción de los empleados que necesitaría un banco tradicional, gracias a procesos 100% en línea. Durante la crisis del COVID-19, por ejemplo, el empleo en fintech mostró resiliencia: solo el 2% de sus puestos se consideraron en riesgo inmediato en 2020, comparado con el 22% en la economía general.
La incorporación de nuevas tecnologías, automatización e inteligencia artificial (IA) en la banca ha alterado profundamente la estructura ocupacional del sector. La última década ha visto una aceleración en la digitalización de procesos y en la adopción de IA avanzada para múltiples funciones. Esto ha conllevado la eliminación o reconversión de ciertos puestos de trabajo, al tiempo que ha generado demanda de nuevas competencias tecnológicas.
Las posiciones bancarias que implican tareas rutinarias, repetitivas o fácilmente codificables han sido las más impactadas por la automatización. En la banca minorista, el ejemplo más evidente es el de los cajeros de ventanilla y personal administrativo de sucursal: la masificación de los cajeros automáticos (ATM) desde décadas pasadas ya había reducido el número de empleados dedicados a operaciones básicas de caja. Además, los sistemas de autoservicio y las aplicaciones bancarias permiten abrir cuentas, gestionar transferencias, solicitar tarjetas o incluso contratar préstamos sin intervención humana.
En la banca de inversión y mercados, la electrónica y los algoritmos han reemplazado amplias franjas de trabajo humano. Las plataformas de trading algorítmico ejecutan órdenes de compraventa en milisegundos, haciendo innecesarios muchos puestos de intermediarios tradicionales. En bastantes entidades, los equipos de tecnología (ingenieros, programadores, científicos de datos) ya superan en tamaño a los equipos de venta y trading.
Otro ámbito claramente afectado es el de los servicios centrales y soporte. Muchas actividades de oficina central, antes manuales, ahora se realizan mediante RPA (Robotic Process Automation) o sistemas de IA: la revisión de documentación de clientes, la detección de fraudes en transacciones, el procesamiento de reclamaciones, la generación de informes regulatorios. La consecuencia directa de la automatización ha sido la reducción del personal necesario para el mismo volumen de trabajo, y en muchos casos la reubicación o reconversión de los trabajadores afectados en otras funciones de mayor valor añadido.
La velocidad y alcance de la adopción tecnológica difiere entre grandes bancos y bancos pequeños o medianos. Los grandes bancos globales (JPMorgan, BBVA, Santander, CaixaBank…) tienen recursos para invertir masivamente en tecnología propia y pueden escalar soluciones de IA a toda su plantilla. Los bancos medianos y pequeños enfrentan un dilema: deben digitalizarse para no perder competitividad, pero carecen de escala para amortizar inversiones tecnológicas propias del mismo modo que los grandes.
Paralelamente a la destrucción de ciertos empleos tradicionales, la transformación digital está generando nuevos perfiles altamente demandados. Los perfiles con mayor demanda incluyen científicos de datos e ingenieros de machine learning (para construir y mantener los modelos de IA), ingenieros de software especializados en aplicaciones financieras, expertos en ciberseguridad bancaria y especialistas en experiencia de usuario digital. Un factor crucial en cómo la IA afecta al empleo es la respuesta de las propias entidades y trabajadores: los bancos que apuestan por reskilling y upskilling de sus plantillas logran una transición más suave, aprovechando el conocimiento del negocio que ya tienen sus empleados y combinándolo con nuevas competencias digitales.
Destrucción de empleo desde 2008
España ofrece un caso de estudio paradigmático de la transformación del empleo bancario en Europa. Tres factores se combinaron para producir el ajuste más intenso del continente: la magnitud excepcional de la burbuja inmobiliaria y su colapso, la sobreexpansión previa de la red bancaria y una digitalización especialmente acelerada de los hábitos de los consumidores. En 2008, previo al estallido de la burbuja inmobiliaria, España contaba con la red bancaria más densa de Europa en relación con su población. Había unas 45.707 sucursales bancarias en total, con una densidad de aproximadamente 100 sucursales por cada 100.000 habitantes, más del doble de la media europea. El empleo bancario en España alcanzó su máximo histórico en 2008 con cerca de 270.855 empleados en entidades de depósito. Para 2023, el empleo bancario en España se situaba en torno a 161.000 empleados, representando una caída acumulada de más del 40% respecto al pico de 2008.
La transformación del modelo bancario en España se refleja de forma muy visible en la drástica contracción de la red de oficinas. De las 45.707 sucursales existentes en 2008, se pasó a menos de 18.000 a finales de 2024. Por lo tanto, más del 61 % de las oficinas cerraron en ese período. La densidad de sucursales en España pasó así de 100 por cada millón de habitantes en 2008 a solo 37 por millón en 2024. Las razones del cierre masivo de oficinas fueron múltiples: la necesidad de reducir costes, el cambio en los hábitos de los clientes hacia la banca digital, y las fusiones y absorciones bancarias que generaron solapamientos de red. La relación de empleados por oficina aumentó del 5,9 % en 2008 al 9,2 % en 2023, indicando que, tras el cierre de sucursales sobrantes, las restantes concentran más personal.
España ha sido uno de los países europeos donde la digitalización bancaria ha avanzado con mayor rapidez. La cuota de usuarios de banca online en España superó el 65% en 2023, cifra superior a la media de la UE (58% en 2019, con clara tendencia alcista). La digitalización en España ha implicado que muchos puestos tradicionales desaparecieran o cambiaran radicalmente. Los cajeros de ventanilla, los tramitadores de préstamos hipotecarios manuales, los operadores de back-office procesando papeles, han visto sus funciones reducirse o reconvertirse. Los bancos españoles han llegado a niveles de eficiencia comparables a las mejores prácticas europeas y la nueva contratación de perfiles tecnológicos compensa parcialmente las salidas de perfiles tradicionales.
Tres escenarios
Precisamente, el punto de partida del análisis de Funcas son los 163.496 empleados en entidades de depósito a cierre de 2024. Esta cifra incorpora el primer crecimiento neto de la plantilla bancaria española en 14 años (+1,856 en 2024), impulsado casi exclusivamente por la contratación de perfiles tecnológicos.
Los escenarios se derivan directamente del modelo con distintas combinaciones de parámetros. En el escenario moderado, la IA actúa principalmente como copiloto que aumenta la productividad individual sin sustitución directa masiva. La destrucción bruta estimada se sitúa entre 8.000 y 14.000 puestos, compensada parcialmente por la creación de 4.000-7.000 nuevas ocupaciones tecnológicas. Pérdida neta: 4.000-8.000 empleos. Plantilla total en 2035: 150.000-157.000. Este escenario es el más coherente con la contratación neta positiva de 2023-2024 y con los planes de contratación tecnológica declarados por las entidades.
En el escenario central, la destrucción bruta se sitúa entre 18.000 y 35.000 puestos, con creación de 6.000-12.000 nuevas ocupaciones. Pérdida neta: 12.000-23.000 empleos (7-14 % de la plantilla actual). Plantilla en 2035: 128.000-148.000. Esta estimación es coherente con la proyección de Morgan Stanley (diciembre 2025) de un 10 % de empleos bancarios europeos en riesgo para 2030 y con los escenarios centrales de McKinsey.
En el escenario intensivo, la destrucción bruta supera los 35.000-55.000 puestos. Pérdida neta: más de 25.000 empleos. Plantilla en 2035: 110.000-125.000. Este escenario requiere un despliegue de agentes autónomos de IA con fiabilidad suficiente para funciones reguladas —scoring crediticio, gestión de riesgos, cumplimiento normativo—, lo que lo hace menos probable a corto plazo dado el marco regulatorio europeo (AI Act, directrices EBA sobre explicabilidad).Las cifras de creación de nuevas ocupaciones se derivan de las tendencias de demanda de perfiles tecnológicos documentadas por PwC (2025) y CC. OO. (2025) para el sector bancario español.
El escenario central es el considerado más probable según la evidencia disponible. La realidad será probablemente una combinación de elementos de los tres escenarios, con velocidad de materialización condicionada por el marco regulatorio europeo (AI Act, directrices EBA) y la negociación colectiva sectorial.