La Inteligencia Artificial (IA) está cambiando todo. Una frase cliché para abrir; que se diga mil veces no la hace menos verdadera. Tal como ocurre en otros sectores, la IA está revolucionando la dinámica dentro del mundo de las finanzas. Son increíbles los usos que se le están dando dentro de la industria. Se encuentra tanto en herramientas y sistemas para la detección de fraudes hasta la creación de modelos de inversión.
Conforme las tecnologías, herramientas y sistemas avanzan en periodos de tiempo muy cortos, la inquietud crece dentro del sector financiero. Por ejemplo, el gobernador del Banco de España, Pablo Hernández de Cos, lanzó una pregunta interesante sobre el impacto de la IA en la economía. ¿Puede la Inteligencia Artificial agravar o amplificar las Crisis Bancarias? ¿Existe un riesgo real de seguir integrando los avances en las instituciones relacionadas? ¿Deberían quedar fuera de la estrategia y las tomas de decisiones más importantes?
El funcionario parte de la premisa de que ni la IA ni el Machine Learning dentro de las finanzas son buenos, malos o neutrales. Como en cualquier sector, existen amenazas y oportunidades. El punto o la clave es que los profesionales del sector sean capaces de verlos y, sobre todo, que no los ignoren. Dejarse arrastrar por la euforia de los adelantos y los avances, sin un trabajo previo y minucioso de los riesgos, sería la peor de las posturas.
¿Qué es la Inteligencia Artificial en el Contexto Bancario?
La evolución de la IA en la banca
Con el paso de los años, hemos visto cómo la IA se ha integrado al sector bancario a través de diferentes herramientas y aplicaciones. Muchas instituciones utilizan algoritmos complejos para tareas específicas como el análisis de datos, la identificación de patrones y la toma de decisiones automatizadas.
La IA tiene un fuerte impacto en los procesos de mejora de servicio al cliente, pero también en la eficiencia operativa y la automatización de tareas. Cada vez se percibe más su presencia en sistemas para la prevención de delitos y modelos avanzados para tomar decisiones sobre préstamos. Por supuesto, también ha servicio para automatizar procesos como la entrada de datos y su gestión dentro de las organizaciones.
Uno de los cambios más notables en los últimos meses es la adoptación de chatbots orientados al cliente. A la par, encontramos sistemas y tecnologías de prevención de fraudes, el desarrollo de código, la preparación de borradores de libros de presentación y el resumen de informes normativos. La integración de la IA cada vez será más profunda, especialmente, considerando que las proyecciones advierten que la IA agregará entre 200,000 y 340,000 millones de dólares en valor anual.
Diferencia entre IA y aprendizaje automático
Aunque son dos conceptos que están relacionados, la IA y el aprendizaje automático no son lo mismo. El primero es una rama de la ciencia de la computación que tiene como finalidad el desarrollo de sistemas capaces de ejecutar tareas que, normalmente, necesitan de inteligencia humana. En contraparte, el aprendizaje automático o Machine Learning es un subcampo de la IA que parte de la premisa de que las máquinas pueden aprender de un conjunto de datos, identificar patrones y tomar decisiones con la mínima intervención humana. Asimismo, considera que los algoritmos son capaces de mejorar a través de la experiencia y el tiempo.
Una diferencia clave es que la IA puede basarse en una amplia variedad de técnicas, incluyendo algunas que no están basadas en datos. Por su parte, el aprendizaje automático siempre gira alrededor de algoritmos que aprenden de los datos. No son conceptos separados, sino que están intrínsicamente relacionados.
¿Cuáles son los riesgos de la IA en las finanzas?
Amplificación de las fluctuaciones en el mercado
Los beneficios de la IA en el sector bancario son evidentes, pero cada vez que se da un paso hacia adelante nos encontramos con más incertidumbre y dudas. Por ejemplo, uno de los principales riesgos es la posibilidad de amplificar las fluctuaciones en el mercado. Esto se debe a que los algoritmos de IA, al estar basados en datos históricos, podrían potenciar los movimientos del mercado. En pocas palabras, la amenaza de que la Inteligencia Artificial exacerbe las Crisis Bancarias es muy real.
Por ejemplo, si un algoritmo identifica una tendencia alcista en un activo financiero, podría generar una ola de compras que impulse su precio de forma artificial. Posteriormente, solo ocasionaría una caída brusca del precio cuando los inversores se den cuenta de que el valor real del activo es inferior. Asimismo, la IA con aprendizaje automático podría tener sesgos al aprender de datos o bases incompletas. Estos errores podrían amplificarse debido a las redes interconectadas de instituciones financieras.
Por otro lado, la integración de la IA en el sector financiero ha hecho que estos sistemas se vuelvan atractivos para los ciberdelincuentes. De esta forma, una vulneración no solo podría interrumpir los servicios críticos y derivar en fraudes, sino que quizá hasta conduzca a la manipulación de los mercados financieros.
Otro de los peligros es que la adopción irresponsable de la IA agrave la desigualdad financiera y fomente la exclusión. Los algoritmos podrían favorecer a las instituciones más grandes y sofisticadas, tomando en cuenta que tienen acceso a mejores tecnologías y datos. Las pequeñas empresas y tecnologías podrían quedar en desventaja, lo que aumentaría el riesgo de inestabilidad financiera.
Desafíos en la supervisión y regulación
La regulación financiera en materia de IA dentro del sistema bancario debería abordarse de la misma manera en la que se realizó durante la pandemia de Covid-19. Es decir, tiene que existir una estrecha cooperación internacional. Lamentablemente, no parece que vaya a ser así, ya que cada vez es más difícil alcanzar acuerdos. De acuerdo con múltiples expertos, el protagonismo que está ganando la IA en el ámbito bancario tendrá severas implicaciones sobre la estabilidad financiera.
Existen varios desafíos para una efectiva regulación y supervisión de la Inteligencia Artificial y evitar que se amplifiquen las Crisis Bancarias. Uno de ellos es la rápida evolución de la IA, lo que dificulta la creación de marcos regulatorios sólidos. De igual manera, la complejidad de los algoritmos hace más difícil su completa comprensión y evaluación por parte de los organismos reguladores.
Por otro lado, la falta de datos accesibles y de alta calidad sobre el uso de la IA dentro del sector bancario obstaculiza o bloquea la evaluación de riesgos. También existe poca transparencia sobre los algoritmos, por lo que cada vez es más difícil hallar los sesgos y errores. Aunado a ello, las autoridades enfrentan problemas para fincar responsabilidades en caso de fallas y errores cuando un sistema de IA está involucrado en los procesos.
El reto consiste en establecer marcos regulatorios que permitan encontrar un equilibrio que proteja la estabilidad financiera y, al mismo tiempo, garantice la seguridad de la información sin asfixiar la innovación dentro del sector. Un enfoque regulatorio demasiado restrictivo impedirá el aprovechamiento de los avances tecnológicos. Por sí solo, esto ocasionará que no se use la IA para mejorar el blindaje de los sistemas bancarios. Por ende, será más vulnerable ante ataques que sí se valgan de las nuevas herramientas tecnológicas.
